基于改进AquaCrop模型的稻田降雨存储上限动态调控策略及其对水稻产量与水分利用效率的影响

针对传统静态水位控制方法难以匹配降雨动态与水稻需水特性的问题，本研究通过改进AquaCrop模型（ACOP-FRice）引入淹水胁迫系数，结合7日气象预报提出动态降雨存储上限调控策略（HP1-HP3）。结果表明，动态策略使早、中、晚稻降雨利用效率（RUE）提升10.9%-25.44%，排水量减少3.9%-25.44%，且产量损失<3%，为水稻节水灌溉提供了精准调控新范式。

　　

在全球水资源短缺与粮食安全双重挑战下，水稻生产面临灌溉用水减少与极端降雨频发的矛盾。传统稻田采用固定水位上限的静态管理，既无法充分利用降雨资源，又难以规避淹水胁迫风险。这种"一刀切"模式导致中国每年约30%的稻田降雨资源因过早排水而浪费，而突发性强降雨又常引发减产。更棘手的是，水稻在不同生育期对淹水的耐受性差异显著——分蘖期可短期耐受深水层，但抽穗开花期对缺氧极度敏感。现有AquaCrop模型因缺乏淹水胁迫量化模块，难以精准模拟这种动态响应。

针对这一难题，中国灌溉领域的研究团队通过整合气象预报技术与作物模型，开展了一项创新研究。团队首先在浙江灌溉试验中心站进行为期2年的盆栽控制试验，设置分蘖期、拔节孕穗期和抽穗开花期3个生育阶段×3种淹水深度（1/2株高、3/4株高、全淹）×3种持续时间（3/5/7天）的28种处理，测定株高、产量等参数。基于这些数据，改进了AquaCrop模型：①引入有效积温（GDD）驱动的Logistic方程动态模拟株高；②建立淹水胁迫系数（F_s），量化不同生育期水深（H_t）、持续时间（T）与株高（H_R）对产量的非线性影响。新模型ACOP-FRice的验证显示，分蘖期产量模拟精度最高（NRMSE=7.39%，R²=0.83），抽穗开花期虽敏感性高但仍保持可靠精度（NRMSE=11.61%）。

研究团队进一步结合中国天气网7日预报数据，开发了三种动态调控策略：HP1（基于3日预报±30mm激进调整）、HP2（4日预报±20mm稳健调整）和HP3（7日预报±10mm保守调整）。在全国10个稻区14个品种的模拟中，动态策略展现出显著优势：在桂林双季稻区，HP3使晚稻RUE达99.6%，较静态策略提升17.84%；大理单季稻区通过HP1减少排水量25.44%。尤为关键的是，所有动态策略下产量损失均控制在3%以内，其中金华单季稻甚至出现1-2%的增产。

技术方法上，研究主要采用：1) 盆栽控制试验获取不同淹水场景的生理参数；2) 改进AquaCrop模型架构，新增株高模块和F_s算法；3) 基于中国天气网2013-2020年预报数据构建动态调控策略；4) 使用NRMSE、NSE等指标验证模型精度。

研究结果具体呈现为：
3.1 水稻株高动态模拟
通过GDD-Logistic方程，模型在验证期株高模拟RMSE仅3.58cm（NRMSE=3.28%），尤其对20-70天快速生长期的非线性增长刻画精准。

3.2 水稻产量验证
分蘖期因碳水化合物储备充足，模型对半淹3天的模拟与实测值偏差<8%；而抽穗开花期全淹7天时，因花粉不可逆损伤，模型会高估恢复能力约15%。

3.3 短期降雨预报精度
各稻区1-7日降雨预报准确率45.79%-85.76%，TS评分16.87%-70.03%，为动态调控提供可靠数据支撑。

3.4 不同策略的降雨利用
HP3在沿海地区（如湛江）表现最优，RUE提升21%；而降雨不均衡的北部地区（如银川）更适合HP2。

3.5 灌溉与减产分析
动态策略平均减少灌溉次数2-4次，其中HP3在南昌晚稻实现排水量降低19.3%且增产0.5%。

这项研究的突破性在于首次将气象预报时效性与水稻生理可塑性定量耦合，创建了"气象-模型-决策"的闭环管理系统。ACOP-FRice模型填补了淹水胁迫动态响应的模拟空白，而HP1-HP3策略则破解了"保产"与"节水"的博弈困局。实践层面，该成果可帮助中国年节水约82亿m³，相当于三峡水库年调节水量的12%。理论层面，建立的F_s系数为作物模型响应非生物胁迫提供了新范式，尤其适应气候变化下的极端降雨管理需求。未来研究可进一步整合物联网实时监测与机器学习预报，实现更精准的智慧灌溉决策。