基于遥感数据与农户信息的STICS作物模型校准方法优化及其在气候变化背景下的应用价值

为解决作物模型STICS在品种参数校准中依赖大量田间数据的问题，研究人员结合Sentinel-2/Landsat 8遥感数据(GAIRS)与农户提供的土壤、管理及产量信息，提出了一种新型校准方法。通过优化春小麦(Triticum aestivum L.)品种参数，实现了物候期模拟误差6-14天、GAI误差1.3 m2 m-2、产量误差1.7 t ha?1的精度，显著优于传统参数化方法。该研究为气候变化下作物生产评估提供了可操作的技术方案。

　　

在全球气候变化加剧粮食安全风险的背景下，准确评估作物生产成为农业领域的核心挑战。作物模型如STICS能模拟植物-环境互作，但其品种参数校准依赖大量田间数据，制约了实际应用。西班牙中部高原地区的研究团队创新性地结合多光谱卫星遥感与农户实践数据，为这一难题提供了突破性解决方案。

研究团队利用Sentinel-2和Landsat 8卫星数据反演绿色面积指数(GAI_RS)时间序列，结合农户记录的土壤特性、农事操作和产量数据，建立了包含6个优化步骤的校准流程。通过聚焦灌溉充足、施肥充分的地块(DBOpti数据集)，避免了环境胁迫对遗传参数识别的干扰。关键技术包括：基于BV-NET算法的GAI_RS计算、物候植被指数(PVI)特征提取、Nelder-Mead单纯形算法参数优化，以及针对麦穗面积指数(EAI)的校正模块开发。

物候模拟方面，通过PVI与BBCH尺度的对应分析，实现了关键发育阶段(d_bmg、d_fll等)的准确识别，尽管在旗叶期(BOP)存在9天的系统性提前。生物量参数校准使辐射利用效率(pbiom_veg和pbiom_rep)降至3.1-3.5 g MJ^?1，更符合实测数据。值得注意的是，未校准生物量参数虽导致生物量模拟偏差达2.4 t ha^?1，但对产量和GAI预测影响有限，揭示了模型内在的补偿机制。

验证试验显示，在三种不同胁迫水平的验证集(DBValid1-3)中，校准后的模型保持稳定性能：水分胁迫地块(DBValid3)的产量预测误差仅1.7 t ha^?1，证明STICS对环境胁迫的通用参数具有良好适应性。研究还发现，当GAI_RS>6.5 m² m^-2时，麦穗贡献可忽略不计，而低覆盖度条件下EAI模块能提升12%的模拟精度。

这项发表于《European Journal of Agronomy》的研究，首次系统论证了遥感与农户数据的协同校准价值。其创新性体现在三方面：一是建立了可操作的"最小数据"校准框架，二是揭示了生物量参数校准对模型输出的特异性影响，三是明确了EAI校正的适用边界。该成果为区域尺度作物模型应用提供了方法论基础，对智慧农业决策支持系统的开发具有重要实践意义。研究同时指出，未来需进一步解决土壤初始条件不确定性和物候观测时滞等问题，以提升在极端气候条件下的预测鲁棒性。