土壤的孔隙尺度结构控制着岩土工程和多相流问题中的关键行为，决定了渗透性、变形和传输过程，并影响流体路径和固体相互作用[1]、[2]。X射线微计算机断层扫描（μCT）能够无损地高分辨率重建土壤样本中的三维孔隙和颗粒几何形状，为基于图像的孔隙网络建模（PNM）[3]和计算流体动力学（CFD）模拟提供了基础，以理解多孔介质中的流动。
然而，μCT成像本质上存在分辨率与代表性之间的权衡。实现亚微米分辨率会将扫描体积限制在毫米级样品范围内，而扫描较大芯样会降低图像精度并掩盖细微的结构细节[5]、[6]、[7]。为了克服这一限制，许多研究通过从小体积、直接提取的网络中采样统计分布来生成大规模合成网络，然后在这些扩展模型中模拟流动[8]、[9]、[10]、[11]、[12]。
尽管合成PNM方法具有实用性，但它们通常依赖于从有限数据集或理想化模型中得出的参数假设，如孔隙大小、形状因子和连通性。这些假设可能无法捕捉自然土壤的真实异质性[9]、[11]、[13]。特别是，大多数基于μCT的孔隙网络研究集中在低围压下的圆形或弱角形砂粒上，在这种情况下，孔隙拓扑逐渐演变，统计描述符相对稳定。
相比之下，角形砂粒在颗粒接触处具有明显的应力集中，随着围压的增加，这会导致局部颗粒重排、孔隙塌陷和类似断裂的孔隙网络重构。这种由断裂驱动的网络演变本质上是非平滑的且空间异质的，给假设逐渐结构演变的传统统计表征和孔隙网络建模框架带来了挑战。这些方法上的困难限制了对高围压下角形砂粒孔隙-颗粒相互作用和网络重构的探索。
在这项研究中，有意选择了两种具有不同颗粒形态的砂粒作为代表性样本，以分离颗粒形状在控制孔隙尺度结构及其应力依赖性演变中的作用。与其试图涵盖多种土壤类型，这种受控的材料选择使得更清晰地解释颗粒形态如何影响围压下的孔隙拓扑、连通性和统计分布的机制成为可能。
我们直接从在多种围压下获得的μCT图像中提取孔隙和颗粒描述符，然后通过最大似然估计将对数正态、韦伯和伽马分布拟合到每个指标上。我们进一步通过比较相应的分位数来量化变量之间的关系，为生成克服分辨率与代表性之间权衡的代表性合成网络建立了数据驱动的基础。本文回顾了常用的用于表征孔隙和颗粒指标的统计分布，并总结了基于CT的PNM文献。然后介绍了我们的μCT成像协议、图像分割方法以及统计和分位数比较技术，随后展示了关键孔隙描述符的拟合分布结果。讨论了在不同围压下的孔隙和颗粒行为以及基于分位数的多变量关系。最后，总结了主要发现并指出了未来研究的方向。
