基于相对土壤水分亏缺指数（RSDI）持续性与Copula模型的灌溉需求短期概率预报

《Agriculture》：Short-Term Probabilistic Forecasting of Irrigation Need Based on Relative Soil-Moisture-Deficit Persistence Using Copula Models

　　

土壤水分亏缺影响干旱灌溉系统中的灌溉管理，但其短期持续性和不确定性在田块尺度难以量化。本研究构建了空间显式概率框架，将高分辨率根区土壤水分估算与基于Copula的依赖建模相结合，以量化中国新疆大河沿子灌区相对土壤水分亏缺持续性。利用Google Earth Engine（GEE），增强型时空自适应反射率融合模型（ESTARFM）生成30 m分辨率的日植被指数和地表温度产品，随机森林（RF）模型估算日0–40 cm土壤水分。构建基于百分位的相对土壤水分亏缺指数（RSDI），并评估四种Copula模型。Frank Copula提供最佳统计拟合。Kendall’s τ从1天预见期的0.505降至7天预见期的0.085，表明持续性信息主要集中在1–3天。当当前RSDI超过0.80时，未来RSDI超过0.90的概率在1天和3天预见期分别为28.0%和19.0%。滚动窗口验证显示1天预测优势最明显，3天判别能力改善。该框架提供空间显式的亏缺概率，以支持短期灌溉可用水量有限时的灌溉需求评估和田块优先级排序。

研究背景：气候变化增加干旱事件频率和严重性，给干旱和半干旱区农业生产与灌溉管理带来挑战。土壤水分可用性受限抑制作物生长，农业干旱通过限制土壤水分直接降低作物生产力，并影响灌溉决策和水资源管理。因此，准确监测根区土壤水分（RZSM）并可靠评估其短期持续性，对改善灌溉管理和水分高效利用至关重要。常规农业干旱监测多依赖降水异常、植被指数和土壤水分阈值等确定性指标，虽能识别已有干旱，但多提供分类信息，难以量化未来干旱演化不确定性，难以满足基于风险的灌溉管理需求。概率干旱预报可估计未来干旱发生可能性，但灌溉区根区土壤水分亏缺短期预报仍困难，因为土壤水分动态受大气强迫、作物耗水和人类灌溉活动共同影响。多源卫星遥感（Landsat、MODIS、HLS、SMAP等）广泛用于农业水管理，但产品时空分辨率差异限制田块尺度应用；增强型时空自适应反射率融合模型（ESTARFM）可融合高分辨率空间信息与粗分辨率时间连续性，结合填隙算法和机器学习可提高田块尺度土壤水分估算。Copula函数无需对边际分布作强假设，可描述非线性依赖和尾部依赖，已用于干旱频率、传播和风险评价；但多数Copula农业干旱研究集中于自然流域或雨养系统，土壤水分消耗主要受气象强迫控制。在强灌溉调控灌区，灌溉活动会打断自然土壤水分消耗并改变短期动态，增加短期亏缺持续性不确定性，当前与未来相对土壤水分亏缺指数（RSDI）的时间依赖仍认识不足。为此，研究人员在大河沿子灌区构建并评估短期概率框架，集成多源遥感、机器学习根区土壤水分估算和Copula依赖建模，预报1–7天RSDI持续性和阈值超越，并以逻辑回归（LR）、一阶马尔可夫链（MC）和气候概率（CP）为基准；其意义在于提供空间显式亏缺概率，支持灌溉可用水量有限时的灌溉需求评估和田块优先级排序。

方法概括：研究区为中国新疆大河沿子灌区（81°45′–82°33′ E，44°14′–44°40′ N），面积约147 km2。样本来自16个土壤水分站（5个探针式、11个管式），2024和2025年5—9月逐小时记录0–40 cm四层体积土壤水分，6站烘干验证。经Google Earth Engine（GEE）获取MODIS、Landsat、HLS、ERA5-Land、GLDAS和SMAP L4数据，用ESTARFM生成30 m日植被指数和地表温度；以2528个样本4:1训练测试，用随机森林（RF）估算日0–40 cm土壤水分；构建百分位RSDI；拟合四种Copula，以AIC、BIC、CVM选择并用Kendall’s τ量化依赖；60天滚动窗口以Brier分数、PR-AUC和可靠性图评价，与LR、一阶MC和CP比较。

研究结果：

3.1 土壤水分反演验证：RF模型四层R²为0.747、0.811、0.842、0.840，RMSE为0.055、0.050、0.048、0.048 cm³ cm^?3；20–40 cm层R²更高、误差更低，表层受短期大气强迫和灌溉周期影响更大；砂壤和粗碎屑加速入渗、限制持水，增加表层不确定性；该研究未分离土壤属性独立效应。RF为后续RSDI和Copula分析提供基础，但表层误差需谨慎解释。

3.2 基于Copula模型的相对土壤水分亏缺持续性短期概率预报

3.2.1 最优Copula模型选择：以赤池信息准则（AIC）、贝叶斯信息准则（BIC）和Cramér–von Mises（CVM）统计量评价Gaussian、Student’s t、Frank和Gumbel Copula在1、3、5、7天预见期的拟合。Frank Copula在全部预见期AIC、BIC、CVM最低，统计拟合最优；其对称、无上下尾依赖结构与数据依赖形态相符。Kendall’s τ由1天0.505降至3天0.285、5天0.148、7天0.085，说明前期根区土壤水分提供的持续性信息主要集中于1–3天。

3.2.2 基于Frank Copula的条件RSDI超越概率：条件概率随当前RSDI阈值升高而增大，短预见期最明显；固定当前阈值时，未来阈值越高概率越低。当前RSDI>0.80时，未来RSDI>0.90的概率在1天和3天分别为28.0%和19.0%，与依赖随预见期衰减一致。

3.2.3 模型验证：60天滚动窗口显示，1天Frank Copula的Brier分数为0.070，低于LR的0.074、MC的0.072和CP的0.080；3天精确率—召回率曲线下面积（PR-AUC）为0.124，高于LR的0.102、MC的0.117和CP的0.075；但绝对PR-AUC不高，稀有事件识别仍难，可靠性图高概率分箱样本少、采样不确定性大，Wilson 95%置信区间用于量化该不确定性。较长预见期概率精度优势减弱。

3.2.4 未来相对土壤水分亏缺概率的空间分布：以2024年6月7日为预报起点，1、3、5、7天对应6月8、10、12、14日，制图显示未来RSDI≥0.90的条件概率。当前RSDI空间异质性明显，南部、西南和西北部亏缺较重；1天预报基本保持该格局；3–5天高概率区更广更连续、局部对比降低；7天分布更平滑，与τ衰减一致。3天概率等级图高概率区与当前高RSDI大体吻合但不完全相同，表明持续性存在空间差异。

讨论总结：RF反演四层精度满意，证明多源遥感和再分析生成日30 m根区土壤水分可行；将高分辨率反演与概率依赖建模耦合，使数据融合从土壤水分估算拓展到短期相对土壤水分亏缺持续性表征。与多数聚焦自然流域或雨养系统的Copula干旱研究不同，大河沿子灌区受灌溉强调控，根区土壤水分受灌溉、蒸发蒸腾、作物吸水和气象强迫共同影响；高RSDI应解释为局部参考分布下相对干燥的根区条件，而非农业干旱、作物水分胁迫或产量损失的直接证据；业务上高RSDI指示潜在近期灌溉需求，其空间分布和短期持续性有助于识别优先灌溉田块。τ快速衰减表明有用持久信息主要在1–3天，可能部分反映灌溉打断土壤水分消耗；Frank Copula仅提供观察依赖结构的统计表达，并非根区土壤水过程机制描述。模型技能集中于短期，1天优势最清晰、3天事件判别改善、5–7天优势减弱；MC可靠性曲线在高概率处急剧下降可能反映采样不稳定和60天窗口内离散状态转移，高概率预报尤其较长预见期应谨慎解释。局限包括仅两个生长季和60天滚动窗口、稀有高RSDI事件样本少、较长预见期不确定性大；Wilson区间未完全刻画Copula参数不确定性；框架主要依赖前期土壤水分，未显式纳入未来气象、灌溉输入和作物需水；百分位阈值保证固定比例干燥样本，限制可达PR-AUC；与绝对土壤水分或作物胁迫阈值比较需独立作物特定观测；业务实施需用预报期前历史观测建立RSDI参考分布。

结论翻译：本研究构建了空间显式概率框架，用于评估大河沿子灌区相对根区土壤水分亏缺的短期持续性。该框架结合多源遥感、基于RF的土壤水分反演和基于Copula的依赖分析。RF模型生成30 m分辨率日0–40 cm土壤水分估算，四层R²为0.747—0.842。四种Copula中Frank Copula统计拟合最佳。当前与未来RSDI条件的依赖随预见期快速减弱，Kendall’s τ由1天0.505降至7天0.085。当前RSDI高于0.80时，未来RSDI超过0.90的概率在1天为28.0%、3天为19.0%。滚动窗口结果表明，多数有用持续性信息集中在最初1–3天，Copula模型优势在5–7天明显减小。这些结果表明该框架更适合描述相对土壤水分亏缺的短期持续性，而非直接预报农业干旱、作物水分胁迫或产量损失。在灌溉主导区，30 m概率图有助于识别未来数天相对干燥根区条件可能持续的田块，从而支持灌溉需求筛查和优先级排序。局限是分析仅基于两个生长季，未显式纳入气象预报、作物需水和计划灌溉信息，可能限制预报稳健性，尤其较长预见期。未来研究应使用更长多年数据集和独立灌区评估框架，建立前瞻性RSDI参考分布，并整合天气预报集合、作物特定需水和灌溉供水信息，以改进业务预报和灌溉决策支持。