干旱盐碱农田与灌溉水资源多目标优化配置——促进农业可持续发展的XGBoost与NSGA-II集成框架

《Agricultural Water Management》：Multi-objective optimized allocation of arid saline farmlands and irrigation water resources for sustainable agriculture

本研究针对干旱区水资源短缺与土壤盐渍化威胁农业可持续发展的问题，以新疆玛纳斯河流域为研究区，构建了一个集成遥感反演、XGBoost机器学习与NSGA-II多目标优化的创新框架。研究旨在优化盐碱农田与灌溉水资源分配，以实现棉花总产量(TCY)最大化、根区土壤盐分含量(SSC)最小化及灌溉水生产率(WPI)最大化的多目标平衡。结果表明，在灌溉总量从1.58×109 m3削减至1.20×109 m3的约束下，优化方案可使根区SSC降低0.06 g·kg?1，但TCY将减少约28%。该研究为干旱区精准盐碱地管理与高效用水提供了理论与实践指导。

　　

在广袤的干旱与半干旱地区，农业生产的命脉系于灌溉，然而水资源短缺与土壤盐渍化如同两座大山，严重制约着农田生产力与生态环境的可持续性。以新疆玛纳斯河流域为代表的干旱绿洲农业区，长期依赖覆膜滴灌技术节水抑盐，但该技术长期应用可能导致盐分在作物根区深层逐渐累积，埋下次生盐碱化的隐患。如何在有限的水资源条件下，科学合理地分配土地与灌溉用水，平衡作物高产、盐分控制与水资源高效利用等多个时常相互冲突的目标，成为摆在当地农业管理者与科研人员面前的一道难题。

为了破解这一难题，一篇发表在《Agricultural Water Management》上的研究提出了一项创新的解决方案。研究团队发展了一个结合遥感技术、机器学习与优化算法的综合框架，旨在为干旱盐碱农区的可持续管理提供科学依据。该研究的核心在于将以往较少被考虑的作物根区土壤盐分动态明确纳入优化目标。

研究人员首先利用一种经过验证的遥感反演方法，估算了新疆玛纳斯河流域不同作物0-80厘米根层土壤盐分含量的空间分布。这些数据被用来训练强大的机器学习模型——XGBoost，以预测在不同水土资源配置情景下的根区土壤盐分含量、总实际蒸散量以及年度最大归一化植被指数。XGBoost模型展现出了极高的预测精度。基于区域将灌溉总量从1.58×10⁹立方米减少到1.20×10⁹立方米的规划目标，研究采用著名的多目标优化算法NSGA-II，以棉花总产量最大化、根区土壤盐分含量最小化和灌溉水生产率最大化为三个目标，对土地和水资源分配进行优化。

本研究的关键技术方法主要包括：1）基于遥感影像（Landsat、MODIS）与气象数据，结合SEB模型和ESTARFM算法，反演获得高时空分辨率的实际蒸散量，进而间接估算根区平均土壤盐分含量；2）利用随机森林算法与SNIC分割对多时相遥感影像进行土地覆盖分类，获取作物种植面积、比例及覆膜滴灌实施年限等信息；3）应用XGBoost机器学习模型，基于历史遥感反演数据及驱动因子（包括地理、气象、植被及人类活动等类别），构建高精度的土壤盐分含量、实际蒸散量和年度最大归一化植被指数预测模型；4）采用NSGA-II多目标遗传算法，在设定的灌溉总量约束下，优化各分区的棉花灌溉定额和种植面积，寻求多个目标之间的帕累托最优解。

3.1. XGBoost预测模型的验证

基于2001年至2022年玛纳斯河流域上、中、下游14个分区的观测数据，构建的三个XGBoost预测模型均表现出优异的性能。经过十折交叉验证，模型对总实际蒸散量、年度最大归一化植被指数和根区土壤盐分含量的预测值与观测值高度吻合，决定系数R2均高于0.90，均方根误差和平均绝对误差均保持在较低水平。这表明模型能够可靠地捕捉环境驱动因子与目标变量之间的非线性关系，为后续的情景模拟和多目标优化奠定了坚实基础。

3.2. 基于NSGA-II的多目标优化与目标间权衡分析

NSGA-II算法收敛后，得到了稳定的帕累托前沿，清晰展示了最小化土壤盐分含量、最大化棉花总产量和最大化灌溉水生产率这三个目标之间存在的权衡关系。优化结果表明，在灌溉总量减少的约束下，通过优化配置，根区土壤盐分含量可以略有降低，但改善幅度有限；灌溉水生产率最多只能维持在当前水平；而棉花总产量则不可避免地出现下降，相比2022年基线水平减少超过2×10⁸公斤，降幅约28%。分析发现，较低的棉花单位面积灌溉定额有助于扩大种植面积从而提高总产量和水分生产率，但会导致盐分淋洗不足，使得土壤盐分含量升高。

3.3. 代表性最优情景分析

研究选取了四个典型的最优解进行比较：最高棉花总产量情景、最高灌溉水生产率情景、最低土壤盐分含量情景以及基于欧氏距离最短的折衷解。分析发现，追求最高产量或最高水分生产率的情景倾向于采用较低的灌溉定额和最大的棉花种植面积，但土壤盐分含量也相对较高。追求最低盐分含量的情景则需要大幅提高灌溉定额，导致种植面积锐减，虽然单位面积产量和蒸散量最高，但总产量和水分生产率最低。折衷解则在三个目标之间取得了相对平衡，各分区灌溉定额分布更为均衡，避免了过度灌溉和淋洗不足，提供了一个兼顾盐分控制、产量提升和水分效率的稳健策略。

3.4. 作物种植结构优化

研究进一步将优化结果与遥感反演的土壤盐分含量空间分布相结合，在GIS中实现了作物种植布局的可视化调整。优化原则是依据土壤盐分含量高低，优先减少高盐分区域的棉花种植面积。结果显示，为实现不同优化目标，需要调整的棉花种植面积和空间分布存在显著差异。例如，在追求最高产量的情景下，减少的棉田主要集中在中游泉水溢出带、下游沙漠边缘及灌区外围等高盐分风险区。这种方法实现了基于土壤盐分空间异质性的精细化管理规划。

综上所述，本研究成功构建了一个将遥感盐分监测、XGBoost机器学习预测与NSGA-II多目标优化相结合的创新框架，用于指导干旱盐碱农区的水土资源优化配置。该研究明确了在灌溉水资源受限条件下，产量、盐分控制与水分效率之间存在的固有权衡关系，并提供了具体的优化方案和空间布局建议。尽管该研究在作物类型考虑、盐分垂向异质性刻画以及气候变化不确定性等方面存在局限，但其提出的方法论和主要结论为干旱区农业实现节水、控盐、增产的多目标协同管理提供了重要的理论支撑和实践路径，对促进类似生态脆弱区农业的可持续发展具有积极意义。未来的研究可在此基础上，进一步纳入更多作物种类、考虑盐分垂向分布以及气候情景变化，以提升模型的实用性和普适性。