利用HYDRUS-1D模型和粒子群优化算法模拟景观地被植物的根系水分吸收过程

《Agricultural Water Management》：Modeling root water uptake of landscape groundcovers with HYDRUS-1D and particle swarm optimization

准确参数化景观地被植物的根水吸收（RWU）模型对估算土壤水分平衡至关重要。本研究通过耦合HYDRUS-1D模型与粒子群优化算法（PSO），采用两种反演情景评估地被植物RWU参数：情景I分两步优化土壤水力参数和RWU参数，情景II同时优化两者。结果显示，情景II显著提高了土壤含水量（SWC）动态模拟精度，尤其在深层土壤（50-75 cm）KGE和R2值均超过0.90，优于情景I的0.54-0.84。同时，RWU参数优化后，模型能准确模拟实际蒸散量（ET），KGE值达0.86-0.97。敏感性分析表明土壤水力参数（如形状参数n和α）对模型输出影响最大，而RWU参数（如h?l和h?h）不确定性较高。本研究证实同时优化土壤水力与RWU参数可显著提升HYDRUS-1D在异质土壤中的SWC模拟能力，为城市植被灌溉管理提供工具支持。

　　本研究探讨了在城市景观地被植物中准确参数化根系水分吸收（RWU）模型的重要性，并通过结合HYDRUS-1D模型与粒子群优化（PSO）算法，对四种地被植物的RWU参数进行了校准。这四种植物分别是红桉（*Acacia redolens*）、非洲雏菊（*Arctotis acaulis*）、瓦尔比埃托（*Chrysanthemoides incana*）和库里亚帕（*Lippia nodiflora*）。研究采用两种逆向建模场景，即分步优化和同时优化，以评估不同参数校准策略对模型性能的影响。通过比较两种场景下模型在模拟土壤水分含量（SWC）方面的表现，研究发现同时优化策略显著提升了模型的预测能力，使得SWC的模拟与观测值之间的偏差显著减少，从而提高了模型的整体准确性。

城市化进程中，绿色空间在促进人类健康、提升生活质量以及改善环境质量方面发挥着重要作用。因此，城市灌溉已成为总用水量的重要组成部分，特别是在美国西南部的干旱和半干旱地区。这些地区城市景观的生存很大程度上依赖于灌溉。为了提高水资源利用效率，许多城市实施了景观改造计划，鼓励居民种植本地植物和耐旱植物，包括地被植物。然而，随着城市化的发展，不透水地表的增加导致植被和土壤的减少，从而加剧了城市热岛效应，降低了蒸发蒸腾（ET）的效率。因此，准确估计不同地被植物的ET对于量化城市景观中的水和能量平衡至关重要。

ET是土壤水分平衡的关键组成部分，其显著受到根系区土壤水分含量（SWC）的影响，即使在高大气需求下，当SWC下降时，ET也会受到限制。因此，监测SWC的变化对于改进ET过程的理解具有重要意义。已有研究尝试通过施加不同灌溉水平来确定不同地被植物的最低水分需求，但这些研究主要基于植物自身的测量数据，而缺乏对根系区内部SWC变化的详细信息。尽管有研究使用张力计或 lysimeters 直接量化不同地被植物的ET，但这些方法成本较高且需要维护。因此，数值模型如HYDRUS提供了一种有效的方法，以增强对水平衡各组成部分和ET与SWC动态关系的理解。

HYDRUS-1D被广泛用于模拟草坪系统中的水平衡和SWC动态。然而，在应用该模型到其他耐旱景观植物时，根系水分吸收（RWU）模型的参数化仍存在挑战。在HYDRUS中，RWU通过经验性的Feddes模型来表示，该模型描述了SWC或压力头变化对RWU和蒸腾作用的影响。虽然许多农业作物的Feddes模型参数已在HYDRUS数据库中提供，但地被植物的参数仍不明确。已有研究尝试使用文献中的参数（如草地或牧草）对地被植物进行建模，但这种方法可能因忽略地被植物的特殊性而造成ET估计的偏差。因此，针对地被植物进行参数校准对于准确模拟水平衡至关重要。

本研究采用了逆向建模方法，通过PSO算法对四种地被植物的RWU参数进行了优化。PSO是一种基于群体智能的优化算法，能够有效搜索参数空间，寻找最优解。研究分为两个场景：场景I采用分步优化方法，首先优化土壤水力参数，然后利用两个独立数据集对RWU参数进行优化；场景II则同时优化土壤水力参数和RWU参数。通过这两种方法，研究评估了不同参数校准策略对模型性能的影响，并对SWC和ET进行了验证。

在场景I中，土壤水力参数的优化在初始阶段表现出良好的模型性能，尤其是在浅层土壤（10和30厘米）中。然而，在深层土壤（50和75厘米）中，模拟值与观测值之间的偏差较大，导致Kling–Gupta效率（KGE）和决定系数（R2）较低，特别是对于非洲雏菊、瓦尔比埃托和库里亚帕。相比之下，场景II通过同时优化两种参数，显著减少了深层土壤中模拟与观测值之间的偏差，使得所有地被植物的KGE和R2值均高于0.90，除了非洲雏菊（KGE=0.86，R2=0.80）。这表明，同时优化土壤水力参数和RWU参数可以显著提升HYDRUS-1D的模拟效果，从而更准确地反映SWC动态。

研究还对模型进行了敏感性分析和不确定性分析，以评估参数对模型预测的影响。结果表明，土壤水力参数，尤其是各层的形状参数，对模型输出的方差有较大贡献，而RWU参数在水分充足的条件下对模型的影响较小。此外，研究发现，不同地被植物的根系分布和形态差异显著，这可能导致土壤水力特性在不同层之间存在变化，从而影响模型的准确性。同时，校准期间SWC测量范围有限，可能增加了RWU参数估计的不确定性。因此，进一步研究应考虑更广泛的现场测量数据，并探索更复杂的机制模型，如Couvreur模型，以提高RWU参数估计的准确性。

在水平衡组件方面，研究发现不同地被植物的蒸腾作用和蒸发作用存在显著差异。例如，库里亚帕的蒸腾作用较低，而非洲雏菊和瓦尔比埃托的蒸腾作用较高。同时，深层渗透（DP）在所有地被植物中均较低，支持了在水平衡模型中忽略DP的假设。此外，水平衡误差在不同场景中均较小，表明优化后的参数能够有效反映实际的水循环过程。

综上所述，本研究通过结合PSO算法与HYDRUS-1D模型，成功校准了四种地被植物的RWU参数，并验证了两种不同校准策略的有效性。研究结果表明，同时优化土壤水力参数和RWU参数能够显著提升模型的预测能力，特别是在深层土壤中的SWC模拟方面。这为城市景观水管理提供了重要的参考，并强调了在不同土壤类型和气候条件下进行参数校准的重要性。未来的研究应进一步探索不同灌溉条件下的参数优化，并考虑更复杂的机制模型以提高模拟的准确性。