基于土壤分层水热模块的增强型WOFOST模型结合GLASS与ERA5-Land数据同化提升黄河流域小麦产量预测精度

针对黄河流域干旱区土壤水分（SM）分层动态对作物生长影响机制不明、传统WOFOST模型单层土壤模拟精度不足的问题，中国研究人员通过整合VIC模型分层水热机制，构建了增强型E-WOFOST模型，创新性提出基于SM深度与生育期贡献的胁迫因子算法。通过EnKF同化GLASS LAI与ERA5-Land多层SM数据，实现冬小麦产量预测R2提升至0.85-0.90，区域尺度RMSE降低至340-636 kg/ha。该研究为旱区农业精准水管理提供了新范式。

　　

在全球气候变化与水资源短缺背景下，黄河流域作为中国重要粮食产区，面临着"人均水资源仅为全国均值1/4"与"农业灌溉效率仅30%-40%"的双重挑战。传统作物模型如WOFOST采用"单层翻斗法"模拟土壤水分，难以捕捉干旱区土壤水热垂直分异对冬小麦生长的差异化影响，导致产量预测偏差显著。更棘手的是，现有遥感同化多依赖表层SM数据，无法反映根系区水分真实状况。

为解决这一难题，长安大学的研究团队开创性地将水文模型VIC的分层水热平衡机制引入作物生长模型，构建了增强型E-WOFOST模型。其核心突破在于：首次量化了不同土层深度（0-10cm至70-100cm）与生育期（出苗期至成熟期）的SM贡献权重，据此开发了动态水胁迫因子算法。研究团队进一步采用集合卡尔曼滤波（EnKF）技术，同步同化GLASS卫星的叶面积指数（LAI）与ERA5-Land再分析数据集提供的7层SM数据（0-289cm），在2017-2020年黄河流域冬小麦种植区开展了多尺度验证。该成果发表于《Computers and Electronics in Agriculture》。

关键技术包括：1）基于EFAST方法的41个作物-土壤参数敏感性分析；2）构建分层土壤水热模块，移植VIC模型的能量-水分耦合计算框架；3）设计7种生育期组合的同化情景对比实验；4）采用点面结合验证策略，覆盖340个县域的795,000 km²研究区。

参数敏感性分析
通过扩展傅里叶幅度检验（EFAST）筛选出TDWI（初始干物重）、SPAN（生命周期参数）等5个关键作物参数，以及饱和导水率（K_sat）、田间持水量（θ_FC）等3个核心土壤参数，这些参数对LAI和产量模拟的全局敏感性指数均超过0.15。

同化策略比较
考虑SM权重的双变量同化（LAI+SM）表现最优：点尺度R²达0.85-0.90，较单LAI同化提升0.04-0.18，RMSE降低49-349 kg/ha。特别在抽穗期，20-50cm土层SM同化使产量预测误差减少14.62%。

生育期窗口影响
同化窗口扩展至全生育期时，预测精度较仅同化出苗期提升37%。但灌浆期后同化SM对精度改善有限，证实开花前是水分胁迫响应的关键期。

区域尺度验证
2017-2020年县域尺度预测R²稳定在0.57-0.66，其中半干旱区精度最高（RMSE=340.66 kg/ha）。模型成功捕捉到2018年干旱事件导致的18.7%减产趋势。

该研究首次实现了水文模型机理与作物生长模型的深度耦合，其创新性体现在：1）建立SM深度-生育期二维权重矩阵，量化了50-100cm深层土壤在生殖生长期的关键作用；2）证实ERA5-Land再分析数据在根系区SM同化的可行性；3）开发的开源模型框架可扩展至玉米、大豆等作物。正如通讯作者Yang Guijun强调的，这项研究不仅将旱区产量预测精度提升到新高度，其分层水热模拟模块更为应对全球气候变化下的"水资源-粮食安全"矛盾提供了量化工具。未来研究可进一步整合根系构型动态模型，并探索在智慧灌溉系统中的实时应用。