Evaporation from porous media involves mass and energy transport including phase change, vapor diffusion, and liquid flow, resulting in complex displacement patterns affecting drying rates. Force balance considering media properties yields characteristic lengths affecting the transition in the evaporation rate from a liquid-flow-based first stage limited only by vapor exchange with air to a second stage controlled by vapor diffusion through the medium. The characteristic lengths determine the extent of the hydraulically connected region between the receding drying front and evaporating surface (film region) and the onset of flow rate limitations through this film region. Water is displaced from large pores at the receding drying front to supply evaporation from hydraulically connected finer pores at the surface. Liquid flow is driven by a capillary pressure gradient spanned by the width of the pore size distribution and is sustained as long as the capillary gradient remains larger than gravitational forces and viscous dissipation. The maximum extent of the film region sustaining liquid flow is determined by a characteristic length L_{C} combining the gravity characteristic length L_{G} and viscous dissipation characteristic length L_{V} . We used two sands with particle sizes 0.1-0.5 mm ("fine") and 0.3-0.9 mm ("coarse") to measure the evaporation from columns of different lengths under various atmospheric evaporative demands. The value of L_{G} determined from capillary pressure-saturation relationships was 90 mm for the coarse sand and 140 mm for the fine sand. A significant decrease in drying rate occurred when the drying front reached the predicted L_{G} value (viscous dissipation was negligibly small in sand and L_{C} approximately L_{G} ). The approach enables a prediction of the duration of first-stage evaporation with the highest water losses from soil to the atmosphere.

Globally, evaporation consumes about 25% of solar energy input and is a key hydrologic driver with 60% of terrestrial precipitation returning to the atmosphere via evapotranspiration. Quantifying evaporation is important for assessing changes in hydrologic reservoirs and surface energy balance and for many industrial and engineering applications. Evaporation dynamics from porous media reflect interactions between internal liquid and vapor transport, energy input for phase change, and mass transfer across air boundary layer. We reviewed recent advances on resolving interactions between soil intrinsic properties and evaporation dynamics with emphasis on the roles of capillarity and wettability affecting liquid phase continuity and capillary driving forces that sustain Stage I evaporation. We show that soil water characteristics contain information for predicting the drying front depth and mass loss at the end of Stage I and thus derive predictions for regional‐scale evaporative water losses from soil textural maps. We discuss the formation of secondary drying front at the onset of Stage II evaporation and subsequent diffusion‐controlled dynamics. An important aspect for remote sensing and modeling involves nonlinear interactions between wet evaporating surfaces and air boundary layer above (evaporation rate is not proportional to surface water content). Using pore scale models of evaporating surfaces and vapor transport across air boundary layer, we examined the necessary conditions for maintenance of nearly constant evaporation while the surface gradually dries and the drying front recedes into the soil. These new insights could be used to improve boundary conditions for models that are based on surface water content to quantify evaporation rates.

Abstract. Hydro-pedotransfer functions (PTFs) relate easy-to-measure and readily available soil information to soil hydraulic properties (SHPs) for applications in a wide range of process-based and empirical models, thereby enabling the assessment of soil hydraulic effects on hydrological, biogeochemical, and ecological processes. At least more than 4 decades of research have been invested to derive such relationships. However, while models, methods, data storage capacity, and computational efficiency have advanced, there are fundamental concerns related to the scope and adequacy of current PTFs, particularly when applied to parameterise models used at the field scale and beyond. Most of the PTF development process has focused on refining and advancing the regression methods, while fundamental aspects have remained largely unconsidered. Most soil systems are not represented in PTFs, which have been built mostly for agricultural soils in temperate climates. Thus, existing PTFs largely ignore how parent material, vegetation, land use, and climate affect processes that shape SHPs. The PTFs used to parameterise the Richards–Richardson equation are mostly limited to predicting parameters of the van Genuchten–Mualem soil hydraulic functions, despite sufficient evidence demonstrating their shortcomings. Another fundamental issue relates to the diverging scales of derivation and application, whereby PTFs are derived based on laboratory measurements while often being applied at the field to regional scales. Scaling, modulation, and constraining strategies exist to alleviate some of these shortcomings in the mismatch between scales. These aspects are addressed here in a joint effort by the members of the International Soil Modelling Consortium (ISMC) Pedotransfer Functions Working Group with the aim of systematising PTF research and providing a roadmap guiding both PTF development and use. We close with a 10-point catalogue for funders and researchers to guide review processes and research.

Abstract. Information on soil water potential is essential to assessing the soil moisture state, to prevent soil compaction in weak soils, and to optimize crop management. When there is a lack of direct measurements, the soil water potential values must be deduced from soil water content dynamics that can be monitored at the plot scale or obtained at a larger scale from remote sensing information. Because the relationship between water content and soil water potential in natural field soils is highly ambiguous, the prediction of soil water potential from water content data is a big challenge. The hysteretic relationship observed in nine soil profiles in the region of Solothurn (Switzerland) is not a simple function of texture or wetting–drainage cycles but depends on seasonal patterns that may be related to soil structural dynamics. Because the physical mechanisms governing seasonal hysteresis are unclear, we developed a deep neural network model that predicts water potential changes using rainfall, potential evapotranspiration, and water content time series as inputs. To adapt the model for multiple locations, we incorporated a deep autoencoder neural network as a classifier. The autoencoder compresses the water content time series into a site-specific feature that is highly representative of the underlying water content dynamics of each site and quantifies the similarity of dynamic patterns. By adding the autoencoder's output as an additional input and training the neural network model with three stations located in three major classes established by the autoencoder, we predict matric potential for other sites. This method has the potential to deduce the dynamics of matric potential from water content data (including satellite data) despite strong seasonal effects that cannot be captured by standard methods.