水稻农业光伏系统中作物产量与电力生产的平衡：一种多模型方法

《Field Crops Research》：Balancing crop production and electricity generation in rice agrivoltaic systems: A multi-modeling approach

　　- 集成辐照度、作物和光伏模型用于水稻农光互补。- 水稻模型 ORYZA 可靠地模拟了太阳能板下的产量。- 长期气象分析量化了作物产量的可靠性。- 优化的面板倾角平衡了作物产量和发电量。- 该方法支持在最小权衡下实现食物 - 能源优化。## 引言随着人口增长，对农业生产系统中作物全球需求持续增长（van Dijk et al., 2021），且农业用地的重要性在未来不太可能减弱。同时，为达成《巴黎协定》规定的净零排放而扩大可再生能源生产也在加速（van Soest et al., 2021）。过去四年全球光伏容量的年同比增长率为 15–29%：这代表了所有可再生能源技术中发电容量的最大绝对增长（Nijsse et al., 2023）。适合农业的土地通常也适合光伏发电。不幸的是，太阳能发电的快速增长日益与农业用地竞争（Miskin et al., 2019）。“农光互补”（也称为“农业光伏”），即“农光互补系统”，在同一土地上结合农业生产和光伏发电。该概念已发展成为一种缓解土地竞争并满足国家食物和能源需求的解决方案（Goetzberger and Zastrow, 1982）。首个农光互补试验报道于法国，研究人员考察了部分遮阴对小麦产量的影响（Dupraz et al., 2011）。遮阴是一个重要因素，因为光伏板平均覆盖 32% 的耕地，但数值范围从 10% 到 53% 不等（Dupraz, 2024）。农光互补概念在日本广为人知为“太阳能共享”（Nagashima, 2020），在美国则称为“双用太阳能”（Macy et al., 2025）。迄今为止，确保在国家政府定义的农光互补约束下达到目标作物产量，一直是设计最优系统的最关键问题。例如，在德国和法国，农光互补下的作物产量必须分别超过传统耕作系统的 66% 和 90%（Williams et al., 2025）。然而，光伏板造成的部分遮阴下的作物产量可能大幅波动：某一地点或年份的好收成并不意味着在不同地点和年份会有相同的结果。就地理差异而言，一些研究根据气候条件提出了适合的农光互补地点（Rapella et al., 2025, Reher et al., 2025）。然而，关于气候变率对农光互补下作物产量影响的研究有限（Kim et al., 2023, Zainali et al., 2025），特别是对于低地水稻（*Oryza sativa* L.）。最近的一项研究显示，在 6 年的田间试验中，相对水稻产量（即农光互补/对照）存在巨大的年际变率，相对产量范围从 65% 到 92%（Thum et al., 2025）。与其他亚洲国家一样，低地水稻在日本占耕地多数，其中大部分位于适合实施农光互补的平坦地区（Gonocruz et al., 2022）。在日本，根据政府规定，农光互补下的相对作物产量必须超过 80%（Williams et al., 2025）。2024 年，政府因管理不当导致作物产量过低而暂停了 342 家农光运营商的光伏发电补贴，对其进行了处罚（经济产业省（METI），2024）。这些挑战增加了与水稻农光运营相关的风险，涉及投资者、可再生能源公司和农民。为了阐明农光互补下长期水稻产量变率，模拟不同天气条件下的产量至关重要。建模方法被广泛用于预测变化气候下的作物表现（Zainali et al., 2025）。特别是，过程型模型让研究人员能够基于经验（实验）测量，将作物产量和农光互补中的发电量外推到多年和多地点，甚至多种农光互补设计，只要拥有每日气象数据即可（Dupraz, 2024）。迄今为止，只有一项研究采用建模方法针对水稻农光互补，进行了严格的模型校准和验证（Ko et al., 2021）。该研究结合 GIS 方法提供了韩国农光运营适宜性地图，但未量化产量稳定性以支持风险评估（例如，不可接受的低作物产量）。在这里，我们旨在建立一种农光互补多模型方法，集成三个关键因素的模型：辐照度、水稻产量和光伏发电（图 1；详见第 2.1 节）。该方法精确分析了食物和能源生产之间的平衡，这对于优化农光互补以满足政府的产量要求至关重要。该方法还有助于调和农光运营利益相关者之间的冲突，因为农民优先考虑作物产量，而发电者优先考虑能源产量。我们采用能量模型量化光伏板产生的电量，采用辐射模型量化到达作物冠层的太阳辐射量，后者驱动水稻模型模拟作物产量。我们的目标是阐明农光互补下水稻产量的年际变率，并量化改变光伏板倾角对农光互补下水稻产量稳定性的影响。我们假设农光系统中的产量变率与作物可用的辐射量有关。如果是这样，通过调整面板倾角向作物分配更多辐射可以增加作物产量。我们的结果是新颖的，因为它们使用了一个易于适配其他作物的框架，并且能够考虑系统设计的关键方面（面板倾角），针对一种在农光互补背景下尚未得到充分研究的作物（低地水稻）。此外，我们提供了一种方法，让农民和投资者预测满足政府相对产量约束的概率，以便他们根据自己的风险容忍度进行规划。## 章节摘要### 建模框架建模方法由三个部分组成：辐照度建模、作物建模和光伏发电建模（图 1）。首先，我们使用计算机辅助设计（CAD）程序创建一个几何模型，以模拟农光互补下的太阳辐射。模拟的太阳辐射是作物建模的输入数据。其次，我们使用水稻作物模型估算对照（传统水稻种植）和农光互补下的水稻产量。我们校准了植物### 辐照度建模验证表 S10 显示了农光互补下模拟和观测到的平均每日太阳辐射的验证结果。每日太阳辐射的模拟值和观测值高度相关，R2 高（≥0.88）。学生 t 检验值表明，在 95% 置信水平下，模拟和观测辐射水平没有显著差异。斜率（β）和一致性指数（d）均接近 1，截距（α）值接近 0。RMSE 值### 农光互补中的水稻产量与发电量建模农光互补将太阳能转化为食物和电力。这两种产品通常显示权衡关系，因为发电量的增加抵消了作物产量的减少（Dupraz, 2024）。农光互补的运行涉及对这两种输出的仔细平衡，因此必须建立一个能够帮助农民和发电者管理这种平衡的新型平台，以在系统内联系作物生态生理学和能源工程。我们的发现证明了### 结论ORYZA 准确预测了水稻产量，并显示了农光互补中的年际产量变率。使用 30 年气象数据的情景分析使我们能够量化未能实现日本政府设定目标作物产量的风险。我们表明，增加光伏面板倾角可以改善产量稳定性。光伏倾角的调整应以 80% 和 90% 的概率满足所需的产量目标，这些水平可以通过### CRediT 作者身份贡献声明**Chun Hau Thum：** 撰写 – 原始草稿、调查、形式分析、数据整理。**Kensuke Okada：** 撰写 – 审阅与编辑、监督、方法论、形式分析。**Haruki Okuda：** 撰写 – 审阅与编辑。**Noriko Kanno：** 撰写 – 审阅与编辑。**Ando Radanielson：** 撰写 – 审阅与编辑、方法论。**Tao Li：** 撰写 – 审阅与编辑、方法论。**Yoichiro Kato：** 撰写 – 审阅与编辑、监督、资金获取、概念化。### 关于写作过程中使用生成式 AI 和 AI 辅助技术的声明我们声明在数据分析或本手稿写作过程中未使用任何形式的生成式人工智能。## 利益冲突声明作者声明他们没有任何已知的竞争性财务利益或个人关系可能会影响本文所报告的工作。## 致谢我们感谢 Kenji Watanabe 先生在开展田间实验过程中提供的技术协助。感谢**日本 Yanmar 环境可持续性支持协会**（资助编号：KI0211027、KI0262017）和**日本山岛环境技术基金会**（资助编号：R7–177）的财政支持。Chun Hau Thum|Kensuke Okada|Haruki Okuda|Noriko Kanno|Ando Radanielson|Tao Li|Yoichiro Kato