基于分位数依赖湿度关联与灌溉半干旱甘蔗区EVI局部非线性特征研究

《AgriEngineering》：Quantile-Dependent Humidity Associations and Localized EVI Non-Linearity in Irrigated Semi-Arid Sugarcane

　　

： 巴西半干旱地区灌溉甘蔗田的微气候动态反映了水分可利用性、辐射能量与植被覆盖之间的相互作用。由于线性方法无法捕捉非对称响应，本研究将平均空气相对湿度（MRH）视为土壤-冠层-大气系统的整合状态变量而非单纯输入变量，探讨其与太阳辐射、降水及MODIS植被指数（EVI和NDVI）在巴伊亚州茹阿泽鲁地区的函数关系。研究采用带自然三次样条的非线性分位数回归及分块时间交叉验证方法。结果表明，该关联随分布位置不同而变化：EVI在上分位数（τ=0.90）表现出统计学支持的负曲率及非线性特征，识别出与高生物量下光谱饱和衰减相关的拐点。相比之下，NDVI保持线性响应。敏感性分析证实，灌溉管理与微气候强迫调节这些阈值。研究得出结论：EVI在检测微气候拐点方面对冠层结构变化更为敏感，而NDVI在整个分布中保持稳定响应。研究结果支持半干旱地区的精准农业管理与气候适应，为未来利用预测模型和机器学习预测微气候影响的研究奠定基础。

论文解读文章

一、研究背景与问题

甘蔗（Saccharum officinarum L.）在巴西生产结构中占据核心地位，不仅是该国农业、经济与能源支柱之一，更驱动着工业供应链、创造就业并塑造不同尺度的区域发展格局。巴西保持全球最大生产国地位，产量达7.826亿吨，种植总面积1010万公顷。国家供应公司（CONAB）对2025/2026收获季的最新预测显示，预计产量6.664亿吨，较上一周期下降1.6%，即便收获面积扩大至897万公顷，这一下降主要归因于不利的气候条件，平均产量约为74,259千克/公顷。

巴西东北部产区虽具重要性，但其生产环境以强烈气候变异性为特征，包括长干旱期、强烈太阳辐射和高蒸发需求，这些特征使巴西半干旱地区成为大气研究的天然实验室。在此背景下，理解气象要素的组织与相互作用对改善作物管理至关重要，因为微气候的微小变化可能导致甘蔗生态生理过程的显著改变。在关键气候要素中，相对湿度（RH）通过调节蒸腾、气体交换、气孔关闭和光合效率等过程发挥基础性作用。在半干旱地区，RH对全球太阳辐射、不规则降水格局和植被覆盖变异性高度敏感。然而，大部分农业气候研究仍依赖经典线性方法，这限制了识别对突变、阈值依赖效应或非对称行为敏感的大气机制的能力。在半干旱环境中，大气对地表条件的微小变化呈非线性响应，传统方法常无法捕捉重要细微差别。

在此背景下，连续、空间明确且动态地表征植被覆盖变异性的需求推动了遥感作为研究地表-大气相互作用核心工具的应用。中分辨率成像光谱仪（MODIS）搭载于Terra和Aqua平台，通过提供地表反射率和植被指数产品的时间序列，如归一化植被指数（NDVI）和增强型植被指数（EVI），在此领域脱颖而出。因此，理解热带和半干旱农业景观中RH的非线性大气响应仍存在重要科学空白，特别是在巴西东北部糖能源活动向高气候脆弱性环境扩展的背景下。本研究旨在调查半干旱甘蔗产区平均相对湿度对全球太阳辐射、降水和植被变异性的非线性大气响应。

二、研究内容与结论

研究在巴伊亚州内陆茹阿泽鲁市的一处商业规模甘蔗种植私有地产进行，海拔395米，地理坐标9°28′07″S和40°22′43″W，位于圣弗朗西斯科河流域中游亚区，距州首府萨尔瓦多502公里。根据K?ppen气候分类，区域气候为BSwh'型，即炎热半干旱气候，全年高温且降水不规则。研究区由11个地块组成，总面积131.06公顷，其中121.50公顷种植甘蔗。土壤类型为变性土（Vertisol），采用滴灌系统，株行距0.90m×2.10m。气象数据来自Fazenda Brasil Uvas自动农业气象站（09°19′S；40°11′W），历史序列覆盖2005至2014年，日数据聚合为双周平均值以与植被指数时间尺度兼容。光谱数据来自Terra卫星MODIS传感器MOD13Q1产品，空间分辨率250m×250m，时间分辨率16天，采用最大值合成（MVC）方法，经SATVeg平台获取。最终分析数据集包含168个完整的16天观测记录。

研究采用非线性分位数回归方法，以自然三次样条表示植被指数的潜在非线性效应，结合分块时间交叉验证评估模型性能。通过Wald检验、anova.rq检验、Koenker伪R2、AIC准则、Cook距离、方差膨胀因子（VIF）和广义方差膨胀因子（GVIF）等诊断工具全面评估模型。研究得出以下主要结论：EVI在上分位数表现出统计学支持的非线性特征，而NDVI在所有评估分位数上未检测到显著非线性；EVI的一阶导数在上分位数呈现高度可重复的正到负零交叉，拐点估计在0.428至0.466之间，根稳定性超过98%；二阶导数分析确认EVI在中间叶密度水平（EVI约0.35–0.45）存在统计显著的负曲率区域；敏感性分析表明，依次调整灌溉、参考蒸散量（ETo）、平均气温和风速后，EVI非线性的证据被显著削弱，表明该非线性主要受水分管理和背景微气候条件驱动。

三、主要技术方法

研究采用的主要技术方法包括：非线性分位数回归（以自然三次样条表示植被指数的非线性效应，估计条件分位数函数）；分块时间交叉验证（六折连续时间分块，采用pinball损失作为分位数特定验证准则）；移动块自举（MBB）推断方法（用于处理残差时间依赖性并估计参数不确定性）；Wald检验与anova.rq检验（用于联合检验样条非线性分量）；Koenker伪R2与AIC信息准则（用于评估模型拟合优度）；Cook距离与留一法（LOO）影响分析（用于评估个别观测对拟合曲线的影响）；VIF与GVIF（用于评估多重共线性）。样本来源为巴伊亚州茹阿泽鲁市一处商业甘蔗种植地产，包含168个双周观测记录。

四、研究结果

1. 1.
   描述性统计：MRH和GR在整个时间序列中相对稳定，离散程度适中；降水呈现高变异性和不对称性，体现半干旱区降雨不规则特征；植被指数随物候动态变化，NDVI中心值较高，EVI变异范围较小。
2. 2.
   非线性分位数回归应用：EVI样条模型在各评估分位数上产生略低的AIC值。EVI非线性的证据是局部化的而非分布性的，仅在τ=0.90分位数检测到统计学显著证据（p=0.014），在τ=0.75和探索性τ=0.95分位数观察到边缘证据。NDVI在所有评估分位数上均未检测到统计学显著的非线性证据。GR和PREC在大部分条件分布中统计显著。EVI与NDVI之间存在强相关（r=0.87），VIF值分别为7.36和7.01，证实了构建独立模型的必要性。GVIF调整值EVI为1.061，NDVI为1.063，表明个体模型中无有害共线性。残差自相关函数显示拟合分位数模型存在持续的时间依赖性，尤其在低分位数和中位数，这促使采用移动块自举方法进行推断。
3. 3.
   导数与预测：EVI在三个上分位数表现出高度可复现的正到负零交叉，拐点估计分别为0.428、0.466和0.439，根稳定性均超过98%。在τ=0.90分位数，一阶导数的95%点态MBB区间在EVI约[0.35,0.41]范围内保持在零以上，在[0.45,0.50]范围内保持在零以下。NDVI虽在上分位数存在数值零交叉，但根稳定性较低（45%至62%），且点态MBB区间未识别出导数持续为正或为负的区间。EVI二阶导数分析在τ=0.90分位数确认拐点EVI≈0.40（95% MBB CI：[0.34,0.45]），二阶导数在EVI约[0.36,0.44]范围内显著为负。NDVI未观察到显著负曲率区域。
4. 4.
   时间验证与敏感性分析：六折分块时间交叉验证显示，EVI和NDVI模型在验证数据上表现非常相似，pinball损失范围分别为0.00221至0.02087和0.00314至0.02117，差异较小且未显示任一指数具有一致预测优势。EVI模型的80%条件区间经验覆盖率为73%，NDVI模型为71%，均略低于名义覆盖率。配对比较的95%置信区间在所有评估分位数上均包含零，表明两模型预测性能相当。日历感知滞后敏感性分析表明，添加16天和32天滞后的降水、灌溉和相应植被指数值可在τ=0.25和τ=0.50分位数降低分块CV pinball损失，但未解释τ=0.90分位数观察到的局部上分位数EVI模式。年度谐波项纳入导致分块交叉验证pinball损失的微小变化，未产生一致增益以证明替换主模型规格的合理性。

五、讨论与结论

讨论部分强调，非线性分位数回归相比线性规格的系统性优势可通过Koenker-Machado伪R2、AIC和植被指数非线性检验的增益观察到。EVI在上分位数表现出更强的局部非线性结构证据，但这种推断差异未转化为验证数据上更优的预测性能。EVI对冠层结构变化更敏感，尤其在较高生物量条件下，而NDVI表现出更稳定的平均植被响应。敏感性分析揭示，依次调整灌溉、ETo、平均气温和风速后，EVI非线性的证据被显著削弱，表明上分位数湿度下降在很大程度上是强大气强迫（高风速和高热需求）的产物，这些因素增强湍流输送和水汽混合，从而降低近地表相对湿度。研究还讨论了残差自相关的重要性、GVIF在样条模型中的应用价值以及留一法影响分析揭示的上分位数对特定观测的敏感性。

研究结论指出，EVI在检测微气候拐点方面对冠层结构变化更为敏感，而NDVI在整个分布中保持稳定响应。EVI与MRH的关系是分位数依赖且非线性的，需要灵活方法充分捕捉半干旱甘蔗种植区的生态水文过程。研究结果支持半干旱地区的精准农业管理和气候适应，为未来利用预测建模和机器学习预测微气候影响的研究铺平道路。研究强调，所有识别的位置应解释为拟合条件分位数函数的几何特征，而非生理或生态水文阈值，这体现了研究者在推断上的谨慎态度。