CT扫描可精准重建土壤孔隙结构，却必须按点取样，难以追踪整片田间的动态过程；原位传感器监测范围有限，容易以偏概全；卫星遥感虽覆盖范围广，却难以监测地下发生过程。为填补这一时空尺度上的观测缺口，我们探讨了DAS技术在土壤水文监测中的巨大潜力与现实挑战。
导 读
一根埋在地下的光纤，能否像密集排列的“听诊器”一样，实时感知降雨前后土壤的湿润与干燥？DAS技术通过沿光纤连续采集微小的振动信号，为农田尺度土壤水分监测开辟了新途径。然而，Shi等人的研究直接采集的其实是光纤的（即形变快慢），而非直接的土壤含水量。要从听到的声学信号中推断出真正的土壤水分状态，仍需物理模型的约束和独立的实验验证。
1
为什么需要DAS？
以CT扫描为代表的微观成像虽然能看清孔隙结构，但通常依赖环刀点位取样，不仅破坏土壤，更难以捕捉田间的瞬态变化；原位水分或水势传感器虽然时间连续性好，但监测范围有限，易遗漏优先流通道、压实层及人为管理造成的空间差异；卫星遥感虽能在大范围内提供空间连续的近地表土壤水分、植被状况、地表温度和蒸散信息，但难以监测样地尺度的地下水文-力学过程。
而DAS技术通过在地下布设成百上千个连续通道，就像搭建了一张高密度的感知网，可在较长距离上高频记录土体对降雨、排水和蒸散等过程的力学响应。
2
DAS究竟测到了什么？
DAS的工作原理是向光纤发射激光脉冲，利用光信号（
区别于其他技术，DAS直接给出的是声学观测量；土壤饱和度、有效压力、刚度以及水分通量，则需借助等逐步推断。推断链条中的每一步都会引入新的参数和假设，因此饱和度与水分通量分配均属于模型约束下的估计值，而非DAS的直接测得的物理量。
3
从“看见变化”到“解释水文过程”
近期农田研究表明，DAS可有效捕捉近干湿变化和管理差异方面展现出巨大的潜力，但水分迁移、温度起伏、土壤结构变化、根系或虫类等生物活动、外部噪声干扰以及光纤-土壤的耦合状态，都可能产生相似的速度响应，这导致信号解析的非唯一性。若缺乏同点位的含水量、水势、温度和结构数据对照，仅凭DAS数据无法唯一确定土壤的水分状态。
此外，浅埋的单条光纤本质上只能提供一维线性观测，而真是的土壤具有三维非均质性和各向异性。因此，现阶段DAS更适合用来比较同一地点或相似观测条件下近地表状态随时间的相对变化；若想直接用它来精准反演绝对根区储水量、作物水分胁迫或灌溉需求，目前还为时过早。
4
未来：构建可验证的观测网络
推动DAS由概念验证走向可靠的农田水文工具，需要在四方面协同发力：
多传感器融合。联合原位传感器与遥感观测，构建涵盖不同土壤、气候和管理条件下的数据集，检验反演模型的稳定性与跨站点适用性；
AI辅助与。机器学习可辅助识别与水文变化相关的波形特征，并区分环境噪声与耦合变化，但须依托共址观测、独立站点验证和不确定性评估。边缘计算可在现场提取关键过程信息，减少原始波形的存储需求；
材料选择与田间布设技术。采用表面微结构、差异化防护设计和低扰动埋设技术，可提高光纤与土壤的耦合稳定性，并增强系统抵御农业机械荷载冲击的能力；
面向监测目标的观测网络设计。例如，单条测线可用于监测一维湿润锋；在声源覆盖充分时，交叉或多方位测线可用于区分水分的横向与垂向变化；根区储水量估算则需结合不同深度的含水量或基质势观测及。观测网络的配置仍有待探索和田间验证，目前尚无统一的最低标准。
总结与展望
DAS的真正价值是以连续、高密度观测连接传统点位传感与大范围遥感，为识别农田近地表湿润、干燥及管理引起的水文动态变化提供了全新的连续视角。与此同时，高采样密度不等同于水文信息的唯一性。未来DAS是否迎来突破，将取决于多传感器联合验证、跨站点测试、稳定的光纤耦合等布设方案，以及对模型假设和误差的客观表达。只有把“传感器直接观测到了什么”与“模型推断出了什么”严格区分开来，DAS技术才可能真正服务于土壤水文监测和农业管理。
责任编辑
付 航 中国海洋大学
葛翔宇 新疆大学