低高程与移动滴灌系统在农田尺度的性能评估：基于多时空数据的机器学习解析

本研究针对干旱流域农业用水效率优化需求，通过卫星影像与机器学习技术（SHAP/RF模型），系统评估了中心支轴灌溉系统(CPIS)中三种灌溉技术(MDI/LEPA/LESA)在不同气候和土壤条件下的田间表现。研究发现灌溉技术性能受温度、降水及土壤电导率(EC)显著影响，为精准灌溉决策提供了数据支持，对实现农业水资源可持续管理具有重要实践意义。

　　

随着全球气候变化加剧和水资源日益紧缺，干旱半干旱地区的农业用水矛盾愈发突出。在美国西部等干旱流域，农业作为最大的耗水部门，其灌溉效率提升已成为缓解水资源短缺的关键突破口。中心支轴灌溉系统(CPIS)因其自动化程度高、维护成本低等优势被广泛采用，但传统中高程喷灌(MESA)存在蒸发损失大、抗风能力差等问题。为此，灌溉行业开发了移动滴灌(MDI)、低能耗精准灌溉(LEPA)和低高程喷灌(LESA)等新型技术，然而这些技术在田间尺度下的实际表现缺乏系统评估，且现有研究多局限于小地块试验，难以反映真实农田的空间异质性。

针对这一研究空白，美国犹他州立大学的研究团队在《Agricultural Water Management》发表了一项历时5年(2016-2020)的田间尺度研究。该研究创新性地结合卫星遥感(NDVI植被指数)和机器学习技术，通过随机森林(RF)模型和SHAP解释性分析，系统评估了三种灌溉技术在美国犹他州埃尔伯塔50公顷农田中的时空表现。研究选取了包括土壤电导率(EC)、高程、坡度等5类田间特征，建立了48个机器学习模型，并采用敏感性分析量化了各因素对灌溉技术性能的影响。

关键技术方法包括：1) 利用Sentinel-2卫星影像(10m分辨率)获取NDVI数据反演作物产量；2) 将农田划分为180个扇形区进行空间异质性分析；3) 采用7种机器学习算法(RF/MLP-ANN/SVR等)构建预测模型；4) 运用SHAP值和敏感性分析(DSS/CSS)解析特征重要性；5) 通过相对产量变化评估不同灌溉技术的时空表现。

3.1 气象条件分析
研究期间(2016-2020)呈现显著气候差异：2019年最湿润(降水410mm)，2020年最干旱(120mm)。通过分析生长度日(GDD₁₀)、风速风向和参考蒸散发(ET₀)等参数，发现2020年因极端干旱导致土壤EC成为影响灌溉技术性能的主导因素，而正常降水年份则以高程的影响最为显著。

3.2 相对产量空间分析
3.2.1 田间尺度与样地尺度对比
通过将农田划分为不同大小的采样单元(10/20分区组合)，研究发现小样地评估会得出与田间尺度相悖的结论。例如在NO.51跨度区，部分采样点显示LEPA技术使相对产量增加，而其他区域则显示下降，凸显了空间异质性对评估结果的关键影响。

3.2.2 基于2016基线的产量变化
以2016年MESA灌溉为基准，将相对产量变化分为5类：高降低(HD<-0.5)、低降低(LD:-0.5~-0.05)、无变化(NC:-0.05~0.05)、低增加(LI:0.05~0.5)和高增加(HI>0.5)。结果显示：2019年83%区域产量下降，而2020年81%区域产量增加，表明气候条件对灌溉技术表现的压倒性影响。

3.2.3 灌溉技术时空表现
• LESA技术：在2017年(正常降水)导致15.38%区域产量下降，但在干旱年份(2020)当灌溉量降至80%时，亚土壤EC成为最关键因素。
• MDI技术：在70%灌溉量下表现最优，但整体上使产量较MESA降低9%。
• LEPA技术：导致最大幅度产量下降，尤其在灌溉量减少时更为明显。

3.3 相对产量模拟
随机森林(RF)模型表现出最优预测性能(R²=0.60-0.85)。SHAP分析揭示：
• 正常降水年份：高程是最重要特征(SHAP值最高)
• 干旱年份：亚土壤EC取代高程成为主导因素
• 坡度在所有年份中影响最小(SHAP值趋近0)
敏感性分析显示，当田间特征变化在85-110%范围时，相对产量变化最为敏感。

研究结论与意义：
该研究建立了首个结合多时空尺度和可解释机器学习的灌溉技术评估框架，揭示了三个关键规律：1) 灌溉技术性能具有显著的年际变异性和空间异质性，单纯的小样地试验可能产生误导性结论；2) 气候条件与田间特征存在交互作用，正常降水时高程主导，干旱时土壤EC更为关键；3) MDI和LEPA在节水方面虽有潜力，但可能以产量下降为代价。

这项研究为干旱区农业水资源管理提供了重要决策工具：一方面指导农民根据田间特征(特别是高程和土壤EC)选择适宜灌溉技术；另一方面帮助政策制定者评估不同灌溉技术在大尺度上的适用性。特别是在美国大盐湖流域等缺水地区，该方法可为水资源优化项目提供科学依据，平衡农业产量与生态用水需求。研究提出的多尺度评估方法也可推广应用于其他作物体系和地理区域，推动精准农业的智能化发展。