遥感数据与流域尺度生态水文模型在密西西比河上游流域多样化农林景观中的整合研究

为解决自然流域与网格化遥感数据空间错位导致的生态水文建模挑战，研究人员在密西西比河上游流域（UMRB）构建了基于HUC-12子流域（平均100 km2）的高分辨率SWAT模型，整合了蒸散发（ET）、叶面积指数（LAI）和净初级生产力（NPP）等遥感数据。通过聚类土地利用类型并校准参数，模型在近5000个子流域中实现了ET、LAI和NPP的R2和NSE>0.75、PBIAS<25%的优异表现，且作物产量模拟与USDA观测数据高度吻合。该研究为跨景观水碳通量模拟提供了精细化框架，对流域管理和碳循环研究具有重要意义。

　　

研究背景与挑战
生态水文模型在流域管理中的作用日益凸显，但传统模型依赖站点观测数据，难以捕捉陆地生态过程（如ET、植被动态）的空间异质性。尤其在大尺度流域如密西西比河上游流域（UMRB），遥感数据的网格化结构与自然流域边界不匹配，导致模型精度受限。此外，不同土地利用类型（森林、农田、草地）对水碳循环的贡献差异显著，但现有模型常因参数同质化而低估这种多样性。

研究设计与方法
美国研究团队在《Environmental Modelling》发表研究，通过构建HUC-12级（平均100 km²）SWAT模型，整合MODIS遥感数据（MOD16A2 ET、MOD15A2H LAI、MOD17A3H NPP），创新性地将UMRB划分为24个土地利用集群（如玉米北区CNRN、白橡木林WOAK）。采用Google Earth Engine提取数据，通过SWAT-CUP工具校准，并引入Century算法优化碳循环模块。关键改进包括：非线性森林生长方程、根系生物量动态调整，以及针对作物HVSTI（收获指数）的区域化参数调整。

主要结果

1. 模型性能验证：

   • 农田：玉米与大豆的ET模拟R²达0.84（南部集群），NPP的PBIAS控制在±15%内。
   • 森林：白橡木林（WOAK）LAI模拟R²>0.88，但湿地森林ET存在20%高估。
   • 草地：北部牧场NSE为0.81，显著优于传统流域尺度模型。

2. 空间异质性解析：
   参数BIO_E（辐射利用效率）在北部玉米区较低（0.4），反映冷胁迫；南部升至0.5，匹配更长生长季。森林DORM_hr（休眠阈值）北高南低，印证物候差异。

3. 作物产量验证：
   调整HVSTI后，南部玉米产量模拟误差从30%降至7%，但2016年极端气候下仍低估15%，揭示模型对干旱响应的局限性。

结论与意义
该研究首次实现UMRB全域HUC-12级水碳通量同步校准，证明：

1. 遥感数据驱动的高分辨率建模可减少传统“集总式”校准25%的不确定性；
2. 土地利用集群化策略使跨区域参数移植成为可能，为数据稀缺区建模提供范式；
3. 森林模块改进（如BIO_LEAF从0.3降至0.05）显著提升休眠期碳通量精度。

研究为全球类似流域的生态-水文耦合研究提供了可复制的技术框架，尤其对农业非点源污染治理和碳汇评估具有政策指导价值。未来需进一步解决湿地系统模拟偏差，并探索机器学习辅助参数区域化的潜力。