基于Copula与边际效益递减理论的黄河流域农业干旱预警阈值模型研究

为解决农业干旱导致的减产威胁社会经济稳定和粮食安全问题，研究人员结合Copula函数与边际效益递减理论，开发了农业干旱预警阈值(ADEWarT)模型，应用于黄河流域雨养农业区(raYRB)。结果表明，作物生长季大部分区域以气象干旱为预警指标，而中西部春季则以复合干热事件(CDHEs)为主。模型性能优异(MCC>0.4)，较主观阈值法在夏秋季表现更优，XGBoost-SHAP分析揭示植被对阈值的影响受水热条件调控。该研究为raYRB农业干旱风险管理提供技术指导，并具区域推广价值。

　　

在全球气候变化加剧的背景下，干旱风险持续攀升，严重威胁农业生产。据统计，全球每年因灾害造成的农业损失高达130亿美元，其中近半数由干旱导致。黄河流域作为中国重要的粮食产区，自20世纪中叶以来受旱面积显著扩大，对粮食生产构成严峻挑战。尤其依赖自然降水的雨养农业区，其脆弱性更为突出。传统农业干旱预警系统多基于气象条件，但存在两大瓶颈：一是气象干旱向农业干旱的传播机制研究不足；二是广泛使用的条件概率阈值确定方法主观性强，缺乏统一标准。

针对这些关键问题，中国某研究机构团队在《Agricultural Water Management》发表创新研究，提出融合Copula（描述变量间依赖关系的统计工具）与边际效益递减理论的农业干旱预警阈值(ADEWarT)模型。该模型通过量化气象条件与土壤湿度间的非线性响应关系，首次将经济学中的边际效益递减原理引入干旱传播过程，客观确定预警阈值，为旱灾防控提供了新范式。

研究采用多源数据融合与机器学习技术：基于ECMWF ERA5再分析数据集获取1950-2023年月尺度气象水文数据；利用Gringorten经验公式构建标准化干旱指数(SSI/SPI/STI)；通过最大相关系数法确定干旱传播时间；采用Clayton Copula函数刻画干旱变量间依赖结构；结合XGBoost-SHAP可解释机器学习解析阈值驱动因素。研究聚焦黄河流域雨养农业区(raYRB)，以3个月时间尺度的标准化土壤湿度指数(SSI-3)表征农业干旱，1-12个月尺度的标准化降水指数(SPI)、标准化温度指数(STI)及混合干热指数(BDHI)分别表征气象干旱、热浪和复合干热事件(CDHEs)。

响应关系与传播时间
研究发现：夏季(6-8月)和秋季(9-11月)土壤湿度与前期降水显著正相关，而春季(3-5月)在青藏高原东部和黄土高原西部，土壤湿度与复合干热事件(BDHI)的关联更强。传播时间呈现明显季节差异，春季普遍超过6个月，而夏秋季多短于6个月，这与水热协同效应加速土壤水分耗散有关。

预警阈值空间格局
模型输出显示：作物生长季83.7%区域以气象干旱(SPI)为主要预警指标，绝对阈值中位数为-0.5；中西部春季则以复合干热事件(BDHI)为主导，阈值中位数达-0.54；热浪(STI)预警区域不足10%，阈值稳定在0.75左右。值得注意的是，夏季阈值绝对值最小，揭示该季节农业干旱风险最高。

模型性能验证
通过100次随机交叉验证，Matthews相关系数(MCC)显示：ADEWarT模型在全流域生长季表现良好(MCC>0.4)，夏秋季性能显著优于传统主观概率阈值法(50%/70%/95%)。但在春季部分区域，因气象-农业干旱相关性较弱，模型改进有限。

阈值驱动机制
XGBoost-SHAP解析表明：陡坡、阴坡和低海拔区域阈值绝对值更低，干旱风险更高。植被对阈值的影响呈现双向调节：最优水热条件下，植被蒸腾加剧土壤水分耗散，降低阈值绝对值；而热量受限时，植被通过土壤持水作用提高阈值绝对值。具体而言，5-6月太阳辐射(SSR)和气温(T2m)是BDHI阈值的正向主控因子，而海拔呈负效应；生长季中后期，蒸气压亏缺(VPD)对SPI阈值的影响由负转正，反映植被生理调节的季节动态。

这项研究开创性地将边际效益递减理论引入干旱传播研究，解决了传统方法中条件概率取值主观的难题。所构建的ADEWarT模型具有明确的物理机制和可解释性，其1个月预见期的预警效能为农业部门制定抗旱政策提供了科学依据。研究发现复合干热事件对春季干旱的主导作用，拓展了干旱预警指标体系；揭示的地形-植被协同调控机制，为区域差异化抗旱措施制定提供了理论支撑。该模型框架可推广至全球其他雨养农业区，对保障粮食安全具有重要实践价值。未来研究可进一步融合时空传播机制和非平稳性分析，以提升极端干旱事件的预警能力。