光合-蒸腾耦合机制驱动的机器学习半机理模型提升冬小麦实际蒸散发估算精度

本研究针对干旱半干旱农业区传统ETc act估算模型依赖气象数据、适用性受限的问题，创新性地将光合指标（GPP/SIF/NIRv）与VPD0.5耦合，构建了基于Ridge、RF和SVM的机器学习半机理模型。结果表明，SIF×VPD0.5驱动的RF模型表现最优（R2=0.86，RMSE=0.69 mm/day），较传统FAO Kc-ETo方法精度显著提升，为减少气象数据依赖的精准灌溉提供了新范式。

　　

在气候变化加剧的背景下，全球干旱半干旱区农业水资源管理面临严峻挑战。作为世界最大小麦生产国，中国17%的全球产量背后隐藏着极端干旱威胁——准确估算作物实际蒸散发量（ET_{c act}）成为优化灌溉策略的关键。传统Penman-Monteith（P-M）模型虽被FAO推荐为金标准，但其对多参数气象数据的严苛要求，使得在气象站点稀疏地区难以应用。更棘手的是，基于单作物系数（K_c）和水胁迫系数（K_s）的修正方法，难以动态响应作物生理状态变化。西北农林科技大学旱区农业水土工程教育部重点实验室的研究团队独辟蹊径，从植物光合-蒸腾耦合机制切入，在《Agricultural Water Management》发表了一项突破性研究。

研究团队创新性地将涡度相关系统（EC）与多通道自动SIF观测系统结合，在关中平原杨凌站连续4个冬小麦生长季（2020-2024）获取了30分钟分辨率的水碳通量、光合参数和气象数据。通过Fick定律与光能利用率（LUE）模型构建理论框架，采用Ridge回归、随机森林（RF）和支持向量机（SVM）三类算法，建立了以GPP/SIF/NIRv与VPD^0.5乘积为特征的半机理模型。

3.1 能量平衡与变量动态
能量闭合验证显示EC系统性能稳定（R²>0.94）。时序分析揭示GPP和SIF与ET_{c act}呈显著同步变化，尤其在拔节-灌浆期（3-6月），而NIRv相关性较弱（r=0.31）。

3.2 变量相关性及时滞
SIF与ET_{c act}的Spearman相关性最强（r=0.78），结合VPD^0.5后平均提升0.13。交叉相关分析显示VPD^0.5使GPP/SIF响应ET_{c act}的时滞缩短1-2小时，NIRv时滞减少213小时。

3.3 模型精度比较
RF模型在SIF×VPD^0.5特征下表现最优（测试集R²=0.863，RMSE=0.689 mm/day），较单变量模型提升40%。相较传统FAO K_c-ET_o方法，成熟期低估误差降低0.83 mm/day。

3.4 与传统方法对比
半机理模型在全生育期的日均偏差（-0.145 mm）显著优于P-M方法（-0.528 mm），尤其在灌浆-成熟期保持更高精度。

这项研究首次在田间尺度验证了光合参数与VPD^0.5协同提升ET_{c act}估算精度的机制。RF模型通过捕捉GPP/SIF与VPD^0.5的非线性交互作用，克服了传统方法依赖静态K_c参数的局限。从应用角度看，该模型仅需遥感易获取的光合指标和单气象变量（VPD），为卫星遥感大尺度ET估算提供了可推广框架。未来研究需在极端气候条件下验证模型鲁棒性，并整合多源遥感数据提升空间适用性。这项成果不仅为关中平原冬小麦精准灌溉提供了新工具，更开创了植物生理生态学与水文模型交叉研究的新范式。