长江中下游棉田涝渍灾害评估新方法：融合胁迫日指数与农业气象指标的RSDI模型构建与应用

针对长江中下游地区棉花涝渍灾害评估中忽视作物生长阶段效应的问题，研究人员整合胁迫日指数（SDI）与标准化前期降水蒸散指数（SAPEI），构建了区域涝渍指标RSDI。研究发现棉花花期对涝渍最敏感（敏感系数0.36），揭示了涝渍中心由西向东迁移的时空格局，为区域排水设施布局提供了科学依据。成果发表于《Agricultural Water Management》。

　　

在全球气候变化加剧的背景下，极端降雨事件频发导致农业涝渍灾害风险显著上升。长江中下游地区（MLRYR）作为中国重要棉花产区，受季风降水和低洼地形影响，棉田涝渍灾害严重制约生产。然而，现有涝渍评估多直接采用气象指标，忽视了作物生长阶段敏感性差异这一关键农业特征，尤其缺乏对短时涝渍事件的动态捕捉。

为解决这一科学问题，国内研究团队通过整合多年田间试验数据和区域气象观测，创新性地将胁迫日指数（Stress Day Index, SDI）与日尺度农业气象指数（Standardized Antecedent Precipitation Evapotranspiration Index, SAPEI）相结合，构建了区域涝渍指标（Regional Stress Day Index, RSDI）。该研究首次系统量化了棉花不同生育期（苗期、蕾期、花期、铃期）的涝渍敏感系数，发现花期敏感度最高（0.36），铃期最低（0.12）。通过分析1961-2020年气象数据，揭示MLRYR涝渍强度总体呈上升趋势，其中东部地区2010年代和西部地区1990年代灾情最严重。空间分析表明，极端涝渍事件中心迁移幅度最大，而东北部虽涝渍强度高但产量损失显著，中部地区则呈现"低涝渍-高损失"的反常模式。相关成果为棉花种植区差异化排水管理提供了理论支撑，对保障粮食安全具有重要意义。

研究采用四项关键技术方法：1）基于长江中下游140个气象站的日尺度数据计算SAPEI；2）整合湖北荆州/武汉等地多年棉花涝渍试验数据，确定各生育期敏感系数；3）构建区域涝渍指标RSDI=∑(NCS_i×SD_i)；4）运用标准差椭圆（SDE）分析涝渍中心时空迁移特征。

研究结果部分：
3.1 SESAPEI阈值确定
通过多阈值比较验证，发现SAPEI阈值x=0时与棉花产量负相关性最强（湖北r=-0.63），表明轻度湿润条件即可引发显著减产。

3.2 RSDI性能验证
相比传统SESAPEI，RSDI_Mean在湖南、安徽等省相关系数提升0.2以上，61个地级市中60.3%的站点显示更优评估效果，证实生长阶段加权的必要性。

3.3 涝渍时空特征
趋势分析显示浙江涝渍增速最快（k=0.13），MK检验表明其显著性最强（p<0.10）。空间上，轻度和极端涝渍主要发生在中部（概率>30%），而中重度涝渍集中于东部和南部。

3.3.4 产量损失格局
东北部呈现"高涝渍-高损失"特征，而西南部虽涝渍严重但损失较小，中部地区需警惕"低涝渍-高损失"的隐性风险。

讨论与结论：
该研究首次实现SDI模型从田间到区域的尺度扩展，突破传统气象指数忽视作物生理特性的局限。通过揭示花期（7-8月）为涝渍敏感关键期，建议将排水资源优先配置至该时段。发现的"涝渍强度-产量损失"空间异质性（如中部隐性风险区）提示：单纯依据气象数据的防灾规划可能失效，需结合RSDI进行精准区划。未来研究可融合土壤质地、排水设施等非气象因子，并探索遥感技术在动态监测中的应用。作为农业气象与作物生理的交叉创新，RSDI模型不仅适用于棉花，其"生长阶段加权"的核心思路可为其他作物涝渍评估提供范式参考，对应对气候变化下的农业可持续发展具有重要实践价值。