编辑推荐：
为探究水稻复种指数（MCI）下降对亚热带丘陵区生产稳定性和流域水文的影响，研究人员以紫水河流域为对象，结合遥感（RS）与 SWAT 模型，模拟不同种植情景。发现优化结构（S3）可提升产量且水文影响小，为可持续农业提供框架。
在全球粮食安全面临挑战的背景下，中国南方水稻种植正经历深刻变革。作为世界最大水稻生产与消费国，我国南方尤其是长江流域凭借水热资源优势，曾是双季稻的重要产区。然而近年来，环境与经济压力下，该区域水稻复种指数（Multiple Cropping Index, MCI）持续下降，双季稻面积锐减。据农业农村部数据，2012 至 2019 年，我国双季稻面积减少 233 万公顷，早稻面积减少 120 万公顷，这不仅威胁粮食产量稳定，还可能通过改变灌溉需求、蒸散（ET）等水文过程，影响流域水资源平衡。尽管遥感（Remote Sensing, RS）技术已被广泛用于作物监测，但如何将其与水文模型结合，系统评估 MCI 变化对水文组分和粮食生产的综合影响，仍缺乏深入研究。
为填补这一空白，国内研究团队以湖南省紫水河流域（Zishui River Basin, ZRB）为典型案例，开展了一项融合遥感技术与流域模型的系统性研究。该研究成果发表在《Agricultural Water Management》，旨在揭示水稻 MCI 调整对区域水文过程和粮食产量的影响机制，为优化种植结构、保障粮食安全与水资源可持续利用提供科学依据。
研究人员主要采用了以下关键技术方法：首先，利用 2015-2020 年 MODIS 遥感影像，通过谐波分析时间序列（HANTS）和二阶差分法，提取水稻 MCI 并验证精度，结合实地调查和 Google Earth 影像，确保分类总体精度超 85%，Kappa 系数大于 0.7。其次，构建双季稻种植适宜性评价体系，基于层次分析法（AHP）整合气候、土壤、区位等 13 项指标，通过 GIS 叠加分析生成 30m×30m 分辨率的适宜性分区图。最后，借助土壤与水资源评估工具（Soil and Water Assessment Tool, SWAT）模型，设置四种情景：现状情景（S0，27.4% 单季稻、72.6% 双季稻）、全单季稻情景（S1）、全双季稻情景（S2）和适宜性优化情景（S3，18.5% 单季稻、81.5% 双季稻），模拟不同情景下的水文组分（灌溉量、蒸散、渗流、地表径流）和水稻产量变化。
研究结果
遥感提取精度与种植适宜性评价
遥感提取结果显示，2015-2020 年紫水河流域 MCI 下降明显，双季稻转单季稻的面积占总变化的 65.2%，呈现自北向南的递减趋势。种植适宜性分析表明，流域内 81.5% 的稻田适宜双季稻种植，其中高度适宜区占 4.4%，主要分布在中部和东北部平原，而西南部山地多为不适宜区。
SWAT 模型校准与验证
模型校准结果显示，径流模拟的纳什 - Sutcliffe 效率系数（NSE）在率定期和验证期分别达 0.86 和 0.88，百分偏差（PBIAS）为 4.5% 和 3.1%；水稻产量模拟的 PBIAS 在 ±10% 以内，表明模型能可靠模拟流域水文和作物生长过程。
MCI 调整对水文组分的影响
与 S0 相比，S3 情景下灌溉量、蒸散、渗流分别增加 4.8%、1.4%、5.5%，而全双季稻情景（S2）灌溉量激增 11.2%，全单季稻情景（S1）则减少 29.6%。地表径流对 MCI 变化不敏感，主要受降雨驱动。空间上，东北部平原因灌溉增加，渗流和蒸散变化显著，而山区受地形限制，水文响应较弱。
MCI 调整对水稻产量的影响
产量模拟表明，S3 情景较 S0 增产 4.0%，S2 增产 11.0%，但需付出更高灌溉代价；S1 情景产量锐减 29.3%。适宜性优化情景（S3）在保障产量提升的同时，避免了全双季稻带来的水资源压力，体现了基于种植适宜性调整结构的优势。
结论与讨论
本研究通过遥感与 SWAT 模型的耦合，揭示了紫水河流域水稻 MCI 变化对水文 - 产量系统的权衡关系。研究发现，尽管双季稻扩张能显著提升产量（如 S2 情景），但其带来的灌溉需求激增可能加剧水资源负担，而基于适宜性的优化结构（S3）可在最小水文扰动下实现产量增长，为亚热带丘陵区农业可持续发展提供了 “精准优化” 的路径。此外，研究证实遥感技术与流域模型的结合是量化人类活动对水文 - 农业系统影响的有效工具，其构建的框架可推广至类似区域。
该研究的意义在于，为应对全球气候变化下的粮食 - 水安全挑战提供了区域尺度的解决方案，强调在保障粮食产量的同时，需兼顾水资源承载力，通过种植结构优化实现 “藏粮于技”。未来研究可进一步纳入气候变化预测和社会经济因素，提升模型的长期适用性，为政策制定提供更全面的科学支撑。
