数据同化与SWAP模型协同评估中国西北玉米水分效率动态

《Field Crops Research》：Mapping and assessing maize water-efficiency dynamics using data assimilation and the SWAP model in Northwest China

本研究创新性地将集合卡尔曼滤波（EnKF）数据同化技术与SWAP模型相结合，通过同化土壤含水量（SWC）和叶面积指数（LAI），实现了对中国西北武威地区（2015-2022年）玉米水分效率（WEI）时空动态的高精度模拟。研究构建了耦合作物水分胁迫指数（CWSI）、产量损失率（YLR）、水分生产率（WP）和灌溉效率（IE）的综合水分效率指标（WEI），揭示了其驱动因素与等级转换规律，为农业精准分区管理提供了新方法和数据支持。

　　

Highlight

玉米空间分布

将玉米空间分布图（图3）的结果与官方统计数据进行比较以评估分类精度（图4）。从图3可以看出，研究年份内玉米种植面积在615至1007平方公里之间，主要分布在凉州区。提取的玉米种植面积精度令人满意。与官方统计种植面积相比，R2为0.92，RMSE为48.65平方公里，NRMSE为6.23%。

利用田间试验验证SWAP模型和EnKF方法

为了验证EnKF方法和SWAP模型在田间尺度的有效性，我们使用实测数据对模拟的LAI、AGB、产量和SWC进行了验证。结果表明，数据同化方法显著提高了所有关键指标的模拟精度，尤其是在捕捉SWC的空间变异性方面表现突出。

SWAP模型和数据同化在区域模拟中的不确定性来源

与OP方法相比，EnKF与SWAP模型的耦合在田间尺度上显著提高了LAI、AGB、产量和SWC的模拟精度（表2），其中对SWC的改进最为显著。这主要归因于SWC强烈的空间异质性。SWC显著的空间变异性导致其估算和模拟结果存在很大不确定性。因此，提高SWC的模拟精度一直是该领域研究的重点和难点。

结论

本研究应用EnKF方法，将遥感反演的LAI和SWC数据动态同化到SWAP模型中。基于模拟结果，通过耦合CWSI、YLR、WP和IE构建了一个综合水分效率指标（WEI）。量化了玉米生产区WEI的时空分布、分类类型和动态转换。本研究进一步揭示了2015年至2022年间玉米田在Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级之间的转换规律，并识别了影响WEI变化的关键驱动因素。