基于1–40天温度与降水预报误差订正的山东省黄河灌区灌溉需水预报框架研究

《Agricultural Water Management》：Forecasting irrigation water requirement driven by meteorological forecast error correction in the Yellow River irrigation area of Shandong Province

　　

研究人员确定了短、中、长期温度与降水预报的最优订正方案；具体评估了优化Hargreaves模型的参考蒸散（ETo）预测性能；并建立了由气象预报误差订正驱动的灌溉需水（IWR）预报框架。

灌溉需水（irrigation water requirement, IWR）是水文循环调节与灌区农业水资源优化配置的核心决策变量，其预报精度直接影响区域供水安全与用水效率。作物蒸散（evapotranspiration, ETc）是地表水文通量的关键组成部分，对温度、辐射等气象驱动因子高度敏感，气象预报误差经ETc估算过程传播，最终制约灌区尺度水资源分配决策的可靠性。中国天气网提供的最长40天公共气象预报虽可免费获取，但受限于模式分辨率不足、初始条件不确定性及大气混沌导致的误差累积，其在区域水文气象预测中的实际应用仍面临挑战。其中，降水预报偏差订正尤为困难，因其具有间歇性、高度不连续、显著非负性和重尾分布特征，且误差结构随季节和天气系统发生明显变化，单一订正如逻辑回归、衰减平均（decaying average）和分位数映射（quantile mapping）等难以在所有预见期下适用。近年来，机器学习与深度学习在非线性关系学习中展现出潜力，但现有研究多聚焦于将气象预报数据直接输入蒸散模型，或仅在蒸散估算后进行后处理，而在多预见期下系统订正气象预报变量并将订正信息传播至需水预测的研究仍显不足。

针对上述问题，研究人员以山东省黄河灌区为研究区，利用2019—2023年44个气象站日观测数据与1–40天业务化气象预报产品，系统揭示了短、中、长期温度与降水预报误差的时空异质性；系统比较了多种订正方法性能；并构建了“气象预报误差订正—蒸散预测—灌溉需水预测”的集成预报框架。研究表明，输入侧误差订正与基于过程的模型约束显著减弱了预报误差沿需水传播路径的放大，订正后气象数据驱动区域校准Hargreaves（HG）模型可生成空间格局稳定、精度较高的ETo与IWR预报，为灌区水资源管理与灌溉调度提供了科学基础。

研究人员综合运用ACF-DAM、SR、GA-LSTM、GA-RF、BO-LSTM及BO-RF等方法对1–40天温度与降水预报进行误差订正，其中温度订正使用遗传算法（GA）优化超参数，降水订正采用贝叶斯优化（BO）；利用最小二乘法对HG模型进行区域校准，并基于Penman-Monteith（PM）模型验证；结合单作物系数法计算ETc，采用美国农业部土壤保持局（Soil Conservation Service, SCS）方法估算有效降水（Pe），通过水量平衡方程计算IWR；运用Kriging插值分析空间分布，并采用均方根误差（RMSE）、纳什效率系数（NSE）及受试者工作特征曲线（ROC）等指标进行精度评价。

短中长期温度与降水预报误差的时空演变特征：基于2019—2023年44个站点资料分析表明，温度与降水预报误差均随预见期延长总体增大。日最高温度（T′_max）预报存在系统性低估，日最低温度（T′_min）在多数预见期呈轻微高估，但相关系数仍维持在0.87以上。降水预报误差较大，全预见期RM<1，表明存在持续系统性低估。ROC分析显示，1天预报AUC为0.79，6–15天降至0.56，16–40天仅0.54–0.55。空间上，T′_max误差在西南部较低、西北部及黄河三角洲较高；降水误差高值集中于Boxing与Zhangqiu等站。

短中长期温度与降水预报误差订正：不同订正方法具有显著预见期依赖性。对于T′_max，ACF-DAM在短期最优，GA-LSTM在中长期最佳；对于T′_min，GA-LSTM适用于短期与中期，长期以SR更稳定。对于降水，BO-RF在短、中、长期均表现最优，其RMSE改进率与有效订正比例均优于其他方法，ACF-DAM对降水订正效果最弱。

基于Hargreaves模型的参考蒸散预报：区域校准后HG模型的NSE由0.71提升至0.76。基于订正温度驱动的ETo预报显示，区域平均RMSE为0.87–1.32 mm d^?1，ACC>80%站点比例达88.64%–97.73%。ETo呈现由山东西南部向北中部及黄河三角洲递增的格局，不同预见期下空间结构稳定，但30–40天长期精度相对下降。

作物蒸散与灌溉需水的短中长期预报：冬小麦生长季累积ETc为226.87–401.72 mm，夏玉米为175.92–413.09 mm，两者多在15天预见期达到较高水平。冬小麦累积IWR为145.13–293.62 mm，夏玉米为31.34–239.99 mm，空间格局总体表现为中北部高于西南部，且冬小麦空间变幅大于夏玉米。IWR预报与参考值相关性冬小麦（r=0.79–0.85）高于夏玉米（r=0.54–0.78）。

讨论部分总结：研究人员指出，温度预报较稳定，降水因固有可预测性低而误差复杂。订正方法性能差异与其刻画误差结构及时间依赖的能力密切相关：ACF-DAM依赖近期历史误差，适用于短期T′_max；GA-LSTM能有效捕捉非线性时间依赖，在中长期温度预报中占优；SR对温度线性解释力仍较强，但降水R²仅0.07–0.24，BO-RF凭集成学习优势更适用于强噪声降水序列。IWR不确定性主要源于气象预报、订正方法及模型传播过程，但多级误差缓冲效应使不确定性未随预见期线性增加。冬小麦因生长周期长、K_c动态复杂而对气象误差更敏感；IWR预报与灌溉调度时间尺度结合对提升农业水管理适应性意义重大。

研究结论：本研究表明，输入侧误差订正与区域校准HG模型结合，能有效衰减预报误差沿“气象—蒸散—需水”路径的传播放大。研究建立了针对短、中、长期尺度的智能订正优化策略：GA-LSTM在温度预报中整体表现最优，ACF-DAM适用于短期T′_max，SR在长期T′_min保持稳定，BO-RF对降水预报鲁棒性最强。ETo预报多数站点精度超80%，IWR预报呈现稳定的北高西低空间格局。该框架为灌区基于公共气象预报的灌溉需水预报与自适应调度提供了可靠技术支撑。