结合SWAP-WOFOST和ARIMA模型的作物生产水足迹的时空动态与未来预测

《Irrigation and Drainage》：Spatiotemporal Dynamics and Future Projections of Crop Production Water Footprint Integrated With SWAP-WOFOST and ARIMA Models

量化黑河区作物水足迹时空演变及优化研究

　　

摘要

此链接指向英文部分此链接指向法文部分

在区域尺度上评估作物生产水足迹（WF）的时空动态对于优化农业水资源管理至关重要。然而，使用分布式农业水文模型对河套灌区（HID）的WF进行量化研究仍然有限，且将WF量化结果与时间序列模型结合用于短期预测和基于WF的种植优化方面还存在不足。本研究采用经过校准的SWAP-WOFOST模型，量化了2000年至2017年间河套灌区春小麦、春玉米和向日葵的总水足迹（WF_total）、蓝水足迹（WF_blue）和绿水足迹（WF_green）。通过时间序列技术分析了这些指标的时间趋势，并利用ARIMA模型预测了2018年至2027年WF_total的变化趋势。进一步绘制了空间水足迹分布图以优化作物种植布局。研究结果表明，2000年至2017年间所有作物的蓝水足迹持续上升，且始终高于呈现下降趋势的绿水足迹。预测显示2018年至2027年总水足迹将持续增加，其中春小麦的增长速度最快。经过作物种植布局优化后，所有作物的总水足迹显著减少，同时水资源利用效率也得到提升。本研究为干旱灌溉地区的节水作物种植策略提供了科学依据。

总结

此链接指向英文部分此链接指向法文部分

评估区域尺度上农业生产水足迹（WF）的时空动态对于优化农业水资源管理至关重要。然而，利用分布式农业水文模型对河套灌区（HID）的WF进行量化研究仍然有限，同时缺乏将WF量化结果与时间序列模型结合以实现短期预测和基于WF的种植优化。本研究采用校准后的SWAP-WOFOST模型，量化了2000年至2017年间河套灌区春小麦、春玉米和向日葵的总水足迹（WF_total）、蓝水足迹（WF_blue）和绿水足迹（WF_green）。通过时间序列技术分析了这些指标的变化趋势，并利用ARIMA模型预测了2018年至2027年WF_total的演变情况。随后通过空间水足迹模型进一步优化了作物种植布局。研究结果表明，2000年至2017年间所有作物的蓝水足迹持续上升，而绿水足迹则呈下降趋势。预测显示2018年至2027年总水足迹将持续增加，其中春小麦的增长速度最快。通过优化作物种植布局后，所有作物的总水足迹显著减少，水资源利用效率得到提升。本研究为干旱灌溉地区的节水作物种植策略提供了科学依据。

利益冲突

作者声明没有利益冲突。