洪涝易发区水稻资源建模与适应性策略研究——印度西孟加拉邦的可持续生产案例

《Discover Agriculture》：Resource modeling and adaptive strategies for sustainable rice production in flood-prone regions: a case study in West Bengal, India

本刊推荐：针对东南亚洪涝频发严重影响水稻生产的突出问题，研究人员以西孟加拉邦马尔达县为案例，通过地理空间资源建模（IDW）、非线性增长模型（Gompertz）和ARIMAX时间序列分析，系统评估了土地覆盖、降雨模式和土壤养分的时空变化。研究发现洪水易发区水稻单产（3.91 t/ha）反而超过区域平均水平（3.014 t/ha），揭示了农民通过调整种植模式（如改种博罗水稻）有效规避洪水风险的适应性策略。该研究为洪涝生态系统可持续水稻栽培提供了资源型适应策略框架。

　　

在东南亚广袤的稻田中，洪水如同一位不请自来的常客，每年导致约2200万公顷雨养农业区受灾，其中印度就有620万公顷良田饱受其苦。作为印度的水稻主产区，西孟加拉邦虽然单产（2.94吨/公顷）高于全国平均水平（2.70吨/公顷），但其洪涝受灾面积高达367万公顷，其中马尔达县更是洪涝重灾区。每当雨季来临，洪水以其不同的发生时间、强度和频率，给当地农民带来巨大的生产风险和经济损失。

面对这一严峻挑战，罗翰·库马尔·拉曼领衔的研究团队在《Discover Agriculture》上发表了创新性研究。他们思考：在如此不利的自然条件下，能否通过科学的资源建模和适应性策略，实现水稻的可持续生产？为了回答这个问题，研究人员选择马尔达县这一典型洪涝生态系统，开展了一项多维度、系统性的研究。

研究团队综合运用了地理空间分析、非线性增长模型和时间序列预测等关键技术方法。通过逆距离加权法（IDW）对土地覆盖、土壤养分和降雨进行空间插值；采用戈姆佩兹（Gompertz）等非线性模型分析水稻生产力增长趋势；建立ARIMAX（0,2,1）模型量化降雨对水稻生产的影响。研究还结合了2001-2020年的次级时间序列数据和2021-22年对226户农户的一手调查数据，确保研究结论的科学性和实用性。

土地覆盖与土壤养分空间格局

研究发现，马尔达县总面积3733.66平方公里中，约1235.9平方公里（近三分之一）为洪涝易发区。2017至2021年间，耕地面积增加15.4平方公里，水体面积扩大25.1平方公里，而种植园面积减少129.7平方公里。土壤养分分析显示，东部和南部地区氮、磷、钾含量处于中低水平，pH值总体正常（>6.5-7.5），有机碳含量中等（0.50%-0.75%）。

降雨时空分布特征

IDW插值显示，北部地区降雨量较高，而南部雨日更多。2000-2008年间年均降雨量（1514-1592毫米）显著高于2009-2017年（1108-1349毫米），雨日数也从81-93天减少至59-75天，表明降雨模式发生明显转变。

水稻生产力增长趋势

比较两个十年期数据发现，2000-01至2009-10年平均单产为2.78吨/公顷，2010-11至2019-20年增至3.25吨/公顷，增长约17%。戈姆佩兹模型拟合优度最佳（R²=0.738），预测未来增长将趋于平缓，年均增长率约2.164%。

降雨对生产的影响机制

ARIMAX（0,2,1）模型显示降雨对水稻生产具有正向影响（系数17.89），AIC值从280.77降至279.39，证实降雨是影响产量的关键因素。2018年单产骤降（2.94吨/公顷）与当年降雨减少30%-40%（仅597.8毫米）直接相关。

农民适应性策略创新

令人惊讶的是，洪涝易发区水稻单产（3.0-5.12吨/公顷，平均3.91吨/公顷）反而高于全县平均水平（3.014吨/公顷）。这得益于农民采取的创新策略：在灌溉条件好的中地种植斯瓦纳（Swarna）、MTU1010等高产半矮秆品种；在低洼深水区放弃传统阿曼（aman）水稻，改为洪水后种植博罗（boro）水稻+芥菜/冬季蔬菜模式。这种转变显著降低了洪水导致的绝收风险。

传统品种保护迫在眉睫

研究记录了13个具有特殊性状的传统品种，如拉尔博纳（Lalbona）的抗涝性、戈宾德博格（Gobindabhog）的香气等。但随着现代高产品种的推广，博阿里（Boali）、加戈利（Jagoli）等品种已从田间消失。研究提出通过特色产品开发（如传统米糕）、生态适应性利用和种质资源保护等策略，保护这一宝贵的农业文化遗产。

这项研究不仅为马尔达县，更为全球类似洪涝生态系统提供了科学框架。它证明通过精准的资源评估、增长趋势预测和适应性策略调整，即使在不利自然条件下也能实现农业可持续发展。研究成果为政策制定者和利益相关者开发资源型适应策略提供了重要参考，特别是在气候变化导致极端天气事件频发的当下，这种基于本地智慧的适应性管理策略显得尤为珍贵。