AquaCrop-OSPy-SIA：一种基于作物生长模型和群体智能算法的灌溉制度优化方法

《Smart Agricultural Technology》：AquaCrop-OSPy-SIA: Irrigation regime optimization method bade on crop growth model and swarm intelligence algorithm

在干旱地区棉花种植中，基于AquaCrop-OSPy模型结合群体智能算法（灰色狼优化、粒子群优化等），提出灌溉策略优化方法。通过固定灌溉间隔或单次灌溉量进行动态优化，结果表明优化灌溉策略较传统方法增产10.6%-27.5%，节水45-50毫米，且灰色狼优化算法（GWO）表现最佳。研究验证了模型在模拟作物生长、优化灌溉决策中的有效性，为干旱区精准灌溉提供理论支持。

　　在干旱地区的农业灌溉管理中，如何在有限的水资源条件下实现高产和节水是当前研究的重点。本文提出了一种基于作物生长模型和群体智能算法的灌溉制度优化方法，旨在为干旱地区提供更加精准、节水且实时的灌溉方案。通过将AquaCrop-OSPy模型与灰狼优化算法（GWO）结合，研究人员对棉花生长过程进行了模拟，并利用不同的灌溉周期和单次灌溉量作为决策变量，对灌溉制度进行了优化。该方法通过模拟和实际数据的对比，验证了其在提高产量和节约水资源方面的有效性。

### 一、研究背景与意义

中国西北干旱地区面临作物需水量与水资源供应之间的矛盾，限制了作物的生长和发展。尤其是在干旱季节河流的影响下，水资源短缺和供应不稳定成为当地农业灌溉的主要问题。因此，在有限的水资源条件下，制定合理的灌溉制度对于提高作物产量和农业用水效率具有重要意义。传统的优化方法，如线性规划、非线性规划和动态规划，虽然在不同生长阶段的水分配计划方面取得了一定成果，但它们通常仅基于作物生长阶段和时间尺度进行优化，忽视了环境因素和作物生长过程的综合影响。此外，这些方法难以准确确定具体的灌溉时间和间隔，因此，基于作物生长机制的模型被提出，以更好地理解和预测作物的生长与发育。

AquaCrop是一种用户友好且注重实践的机制模型，它能够有效地模拟作物在不同环境和灌溉条件下的生长过程。AquaCrop模型的核心在于作物产量主要依赖于作物的水分消耗，它适用于干旱地区的作物生长模拟。该模型基于连续的土壤-作物-大气系统，以天为时间间隔模拟从播种到收获的作物生长过程，包含土壤水分平衡模块、作物生长模拟模块（包括作物发育、生长和产量形成）以及大气模块（包括温度、降雨、蒸发、二氧化碳浓度等）。因此，模型输入主要包含初始条件，如作物、气候和土壤等。

然而，当前的AquaCrop模型在模拟过程中缺乏盐胁迫和营养胁迫的模块，限制了其在盐碱地和养分受限条件下的应用。因此，研究者提出了一种新的优化方法，将AquaCrop-OSPy模型与灰狼优化算法相结合，以解决这一问题。该方法旨在优化灌溉制度，提高作物产量并节约水资源，为干旱地区的农业灌溉提供科学依据。

### 二、研究方法与模型构建

在本研究中，研究人员通过耦合AquaCrop-OSPy模型与灰狼优化算法，构建了一个灌溉制度优化模型。该模型以棉花产量最大化为优化目标，决策变量为灌溉间隔或单次灌溉量。通过设定固定的总灌溉量和生长周期，研究人员对灌溉间隔和单次灌溉量的上下限进行了约束，从而优化灌溉制度。具体而言，研究人员将总灌溉量设定为6组，范围从200 mm到450 mm，间隔为50 mm。通过比较不同灌溉制度下的模拟产量，研究者得到了优化的灌溉方案。

为了确保AquaCrop-OSPy模型在棉花产量模拟中的精度，研究人员利用了新疆库尔勒地区不同灌溉制度和环境条件下的田间实验数据进行模型参数校准。此外，研究者还应用了灰狼优化（GWO）、粒子群优化（PSO）、鲸鱼优化（WO）和哈里斯鹰优化（HHO）算法，以探讨这些算法在灌溉制度优化中的效果。研究结果显示，AquaCrop-OSPy模型和灰狼优化算法在模拟作物生长和优化灌溉制度方面表现良好，优化后的灌溉制度能够显著提高棉花产量，相较于传统的固定灌溉间隔和体积的灌溉制度，产量提高了0.63–1.79 t/hm2。此外，优化后的单次灌溉体积和灌溉间隔分别提高了棉花产量10.6%–17.8%和19.9%–27.5%，并减少了灌溉量45–50 mm。

### 三、模型验证与优化结果

为了验证AquaCrop-OSPy模型的准确性，研究者使用了2013年和2015年的灌溉方案、气象数据和棉花生长数据。研究者发现，在不考虑土壤盐胁迫的情况下，AquaCrop-OSPy模型的模拟结果与实际数据基本一致，表明该模型具有较高的模拟精度。此外，研究者还通过计算归一化均方根误差（NRMSE）、纳什效率系数（NSE）和决定系数（R2）等指标，评估了模型的拟合效果。结果显示，AquaCrop-OSPy模型在模拟棉花产量和相关生理指标方面表现良好，且在不同总灌溉量下均能提供优化的灌溉方案。

在优化结果方面，研究者发现，当灌溉间隔固定时，优化单次灌溉体积能够显著提高棉花产量，同时减少灌溉量。例如，在总灌溉量为400 mm的情况下，优化后的单次灌溉体积为375 mm，产量提高了14.89%，灌溉利用效率提高了1.95 kg/m3。而在固定单次灌溉体积的情况下，优化灌溉间隔能够进一步提高产量，同时减少灌溉次数。例如，在总灌溉量为450 mm的情况下，优化后的灌溉间隔为9次，产量提高了27.5%，并减少了45 mm的灌溉量。

此外，研究者还发现，当总灌溉量超过400 mm时，棉花产量不再显著增加，表明在该地区，合理的灌溉制度可能已经达到了产量最大化。因此，优化后的灌溉制度在不增加总灌溉量的前提下，能够显著提高棉花产量，同时节约水资源。这为干旱地区的农业灌溉提供了可行的解决方案，有助于提高农业用水效率和作物产量。

### 四、讨论与展望

尽管AquaCrop-OSPy模型在模拟作物生长和优化灌溉制度方面表现出色，但其仍然存在一些局限性。例如，该模型未能考虑土壤盐胁迫和营养胁迫的影响，这可能限制了其在盐碱地和养分受限条件下的应用。此外，虽然群体智能算法在解决非线性和复杂优化问题方面具有优势，但它们在实际应用中也可能存在局部最优解的问题，导致无法找到全局最优解。因此，未来的研究需要进一步优化算法，提高其在复杂条件下的鲁棒性和效率。

同时，研究者指出，AquaCrop-OSPy模型可以通过增加盐胁迫和营养胁迫的模块，进一步提高其在盐碱地和养分受限条件下的适用性。此外，结合其他优化算法，如粒子群优化和鲸鱼优化，也可以提高模型的优化效果。这表明，未来的研究应更加注重模型的扩展性和算法的多样性，以更好地适应不同地区的农业需求。

综上所述，本文提出了一种基于AquaCrop-OSPy模型和灰狼优化算法的灌溉制度优化方法，为干旱地区的农业灌溉提供了科学依据和可行方案。通过优化灌溉间隔和单次灌溉体积，该方法能够在节约水资源的同时，提高作物产量，为农业可持续发展提供了新的思路。