在全球变暖的背景下，中国南方大豆生长期间的季节性干旱以及农业用水压力有所缓解

《Agricultural Water Management》：Seasonal drought during the soybean growth period and agricultural water stress in southern China eased in the context of global warming

本研究基于1961-2021年气象数据，运用SPEI指数评估扬子江流域中游大豆生长季干旱特征，结合随机森林与SHAP分析，发现大豆需水量（CWR 433.82mm，IWR 356.81mm）呈逐年下降趋势，干旱频率及强度显著降低，其中盛夏生长期受干旱影响最大，净辐射和蒸气压差为主要驱动因素。

　　
随着全球气候变暖的加剧，极端天气事件频发，对农业产量的威胁日益显著。东亚季风区的长江中游地区作为我国重要的粮食生产基地，面临降水时空分布不均导致的季节性干旱问题。该区域年降水量超过1000毫米，但夏季常因降水集中且持续时间短，导致阶段性干旱。大豆作为该地区夏季主要作物，其水分需求与干旱胁迫的关联机制尚未完全明确。本研究基于1961-2021年的气象数据，系统分析了长江中游大豆生长周期中的水分需求特征及其与干旱的关联，并揭示了多气象因素的交互作用机制。

研究采用SPEI标准化降水蒸散指数综合评估干旱特征，结合随机森林与SHAP值解析模型，量化了不同气象要素对大豆需水量的影响权重。通过GeoDetector空间异质性检测方法，揭示了区域尺度上水分需求的空间分异规律。研究发现：（1）近61年大豆需水量呈现持续下降趋势，CWR（作物需水量）和IWR（灌溉需水量）年均递减率分别为0.197毫米/年和0.235毫米/年；（2）季节性干旱呈现弱化趋势，轻度（46.4%）和中度（33.7%）干旱占主导，但干旱发生频率和强度空间差异显著；（3）大豆生长中期（盛花期至结荚期）对干旱最敏感，需水量增幅达峰值（相关系数r
在研究方法层面，创新性地构建了"气象干旱监测-水分需求建模-空间异质性解析"三位一体分析框架。首先采用SPEI指数追踪干旱演变，结合累积降水与潜在蒸散的日尺度差值，建立动态水分需求响应模型。其次运用随机森林算法整合多源气象数据，通过SHAP值量化各要素贡献度，突破传统回归模型对多重共线性的限制。最后引入优化的GeoDetector模型，揭示出Rn-VPD协同效应在干旱区水分需求预测中的主导地位，而湿润区则表现为Rn-Tem（温度）的耦合驱动特征。

空间异质性分析显示，洞庭湖（DLB）与鄱阳湖（PLB）的水分需求呈现显著分异。PLB区因夏季水汽输送频繁，Rn值年均低于1540 MJ/m2，导致作物需水量相对较低；而DLB区受秦岭地形阻隔影响，VPD值普遍高于0.8 kPa，加剧了干旱胁迫。这种空间分异与长江中游地区季风波动特征密切相关——西部HRB和东部DLB因地形和季风路径差异，分别表现出干旱频发与湿润缓和的不同趋势。

气象要素的动态耦合机制具有显著场景依赖性。在干旱年份，Rn与VPD的协同作用使水分需求峰值出现在开花期至结荚期，此时每增加1 kPa的VPD值，CWR将上升3.2毫米；而在湿润年份，温度（Tem）与Rn的耦合效应主导，当Tem超过27℃时，IWR增幅达0.5毫米/日。这种机制变化与大气边界层交换过程相关——干旱条件下空气湿度降低导致地表蒸发增强，而湿润条件下较高的RHU（相对湿度）值（78.86%）抑制了蒸发，形成不同的驱动模式。

研究进一步发现，近61年长江中游大豆需水量下降主要源于净辐射（Rn）的持续衰减（年均递减1.5 MJ/m2）和风速的降低（年均递减0.02 m/s）。这种气候信号的变化趋势与区域植被覆盖扩张（NDVI年增幅0.3%）和大气环流调整（西太平洋副热带高压北跳速率加快）存在耦合关联。值得注意的是，尽管全球变暖背景下极端高温事件频发，但该区域大豆需水量仍呈下降趋势，这与季风强度减弱导致的降水稳定性提升存在正向反馈机制。

在干旱影响机制方面，研究揭示了"三重胁迫叠加"效应：首先是土壤水分亏缺（SPMI指数0.8 kPa时），最后是冠层光合有效辐射下降（Rn<1500 MJ/m2时）。这种多要素耦合作用在盛花期尤为显著，此时每减少10毫米有效降水，CWR需水量将增加8-12毫米，且与VPD呈指数关系（R2=0.68）。特别在长江中游的过渡带区域（如湖北、江西交界地带），地形抬升导致局地逆温层形成，进一步加剧了干旱胁迫对大豆生理过程的影响。

基于机器学习的水分需求预测模型显示出显著场景依赖性。随机森林模型在CWR预测中达到R2=0.95，但对IWR预测的R2值（0.92）较低，这可能与灌溉设施的空间分布不均有关。SHAP值分析表明，在干旱情景下，Rn的边际贡献度达42%，VPD贡献度31%；而在湿润情景下，Tem的贡献度提升至38%，VPD贡献度下降至27%。这种动态权重变化揭示了不同气候背景下水分循环机制的转换：干旱区以辐射驱动为主，湿润区则受温度调控更为显著。

研究局限性主要体现在：（1）未考虑土壤质地和施肥管理的影响，这可能导致区域需水量预测存在5-8%的误差；（2）气象数据插补方法可能引入系统性偏差，特别是在Rn值计算中，地表反射率与气溶胶浓度变化未纳入修正；（3）大豆品种改良对需水量的潜在影响未充分评估。未来研究可结合InVEST模型模拟不同管理措施下的水分响应，并引入无人机遥感数据提升空间分辨率。

本研究的实践意义体现在三方面：首先，揭示了盛花期（7月下旬至8月中旬）作为关键管理期，此时每增加1天干旱胁迫，CWR将上升2.3毫米，需水量增幅达15%；其次，提出"动态阈值灌溉"策略，即在Rn>1500 MJ/m2时实施间歇灌溉，VPD>0.8 kPa时启动喷灌，可降低灌溉需求12-18%；最后，建议建立基于SPEI指数的干旱预警系统，当连续5天SPEI
研究结论为区域农业水资源管理提供了重要依据：在长江中游的湿润区（PLB）需侧重监测土壤湿度变化，而干旱区（HRB）应重点关注辐射与蒸散势的耦合效应。通过优化Rn-VPD-Tem的协同调控，可建立节水型大豆种植体系，预计在维持产量稳定的前提下，灌溉用水量可减少20-25%。这些发现不仅完善了季风区农业水分循环理论，更为南水北调中线工程的水资源优化配置提供了科学支撑。