基于作物模型与遥感数据融合的新型水足迹监测方法

《Results in Engineering》：A Novel Water Footprint Monitoring Approach Using Crop Modeling and Remote Sensing Data

　　

准确测定灌区农业系统的水足迹（Water Footprint, WF）对于可持续水资源管理至关重要，尤其是在水资源短缺地区。针对加兹温灌区（Qazvin Irrigation Network）持续Facing的水危机，本研究提出了一种改进WF估算精度的新方法。因此，研究人员评估了三种方法：标准方法（AquaCrop模型）、基于卫星的辐射利用效率（Radiation Use Efficiency, RUE）方法，以及一种新颖的AquaCrop-RS融合方法。结果表明，采用Landsat-8数据的AquaCrop-RS方法显著提高了生物量估算精度（R2=0.94，NRMSE=5.09，NSE=0.89），相较于标准方法，R²提高了9%，NRMSE降低了22%，NSE提高了9%。AquaCrop-RS模型在使用Landsat-8和Sentinel-2数据时，关键参数表现出显著的一致性：蒸散发（ET，均值≈383 mm；标准差≈47–52 mm）、生物量（≈20.6–20.8 t ha^-1）以及WF组分（WF_Blue≈184–186、WF_Gray=76–78、总WF=261–264 m³ t^-1），均呈现出良好的正态性和较低的田块间变异性。采用Landsat-8数据的AquaCrop-RS方法显著改善了标准方法下参数的不稳定性，ET的标准差降低了8.2%，WF_Blue降低15.3%，WF_Gray降低1.0%，总WF降低2.3%，从而验证了该方法的优越性和稳健性。这些发现表明，融合卫星衍生的冠层数据能够实质性提高影响WF的关键参数的准确性和一致性。因此，这一新颖方法通过提供精确的WF估算，被认为是一种改进水资源消耗评估和应对该地区水资源短缺的有价值工具。

本研究旨在解决灌区农业系统水足迹（Water Footprint, WF）估算精度不足的问题，相关成果发表于《Results in Engineering》。

研究背景与问题的提出方面，水足迹作为衡量淡水使用的重要多维指标，由Arjen Hoekstra于2002年提出，涵盖蓝水足迹（WF_Blue）、绿水足迹（WF_Green）和灰水足迹（WF_Gray）三个组分。准确估算WF依赖于蒸散发（Evapotranspiration, ET）、灌溉量和作物产量的精确测定，但现有研究多依赖统计年鉴数据或站点观测数据，存在空间代表性差、数据质量参差不齐等问题，尤其在水文气象数据匮乏的地区，传统方法难以满足精度需求。加兹温灌区作为伊朗重要的农业区，正面临严峻的水危机，亟需建立高精度、空间化的WF监测框架。

研究人员开展的研究及核心结论方面，本研究以加兹温灌区10块玉米田为研究对象，构建了融合作物生长模型与遥感数据的分布式WF估算框架。该框架将卫星衍生的冠层覆盖度（Canopy Cover, CC）动态和相对生物量生产（Relative Biomass Production, B_rel）参数同化到AquaCrop模型中，形成了AquaCrop-RS新方法，并与标准AquaCrop方法、基于卫星的RUE方法进行了系统对比。研究证实，AquaCrop-RS方法（尤其Landsat-8数据）在生物量和ET估算精度、参数稳定性及统计可靠性方面均显著优于其他两种方法，为区域尺度农业水资源精准管理提供了有效的技术支撑。

研究采用的关键技术方法主要包括以下方面：研究样本来源于伊朗加兹温灌区的10块玉米田，分布于三个农业中心（Qazvin农业与自然资源研究与教育中心、Magsal畜牧农业公司、Hezar Jolfa农业工业公司）。核心方法包括：（1）AquaCrop作物模型模拟，作为标准方法进行生物量和ET估算；（2）基于Landsat-8和Sentinel-2卫星数据的RUE方法，通过累积吸收光合有效辐射（Accumulated Absorbed Photosynthetic Active Radiation, APAR）估算生物量，并结合SEBAL算法获取蒸散发分数（Evaporative Fraction, EF）计算ET；（3）AquaCrop-RS融合方法，将卫星反演的冠层生长参数（CC₀、CC_x、CGC、CDC）和B_rel同化到AquaCrop模型中，实现模型与实际作物生长状态的同步更新。数据处理依托Google Earth Engine（GEE）平台，GLDAS-NOAH数据用于获取气象驱动数据。精度评价采用归一化均方根误差（NRMSE）、纳什效率系数（Nash-Sutcliffe efficiency, NSE）、平均偏差误差（MBE）和决定系数（R²）等统计指标。

研究结果可归纳为以下方面：

标准方法结果：AquaCrop模型模拟的生物量与实测值回归关系R²=0.86，NRMSE<10%，NSE=0.82，存在轻微高估（MBE=0.06）。ET模拟值在三个中心呈现相似的时间变化模式，7-9月上升、9-10月下降，中心1（壤土）ET值高于中心2和3（砂壤土），与土壤质地和施肥量差异相关。

卫星RUE方法结果：GLDAS-NOAH辐射数据（R²=0.95）和温度数据（R²=0.89）与站点观测相关性良好。RUE方法生物量估算R²=0.82，NRMSE<10%，存在低估（MBE=1.05）。该方法ET估算值整体低于AquaCrop模型，因卫星算法难以完全捕捉土壤蒸发过程。各田块总WF被低估。

AquaCrop-RS方法结果：Landsat-8数据生物量估算精度最高（R²=0.94，NRMSE=5.09，NSE=0.89），Sentinel-2数据稍逊。Landsat-8对大田块（中心2和3）估算更优，Sentinel-2对小田块（中心1）更优。ET时间序列趋势与标准方法一致，但参数稳定性显著提升：ET标准差降低8.2%，WF_Blue降低15.3%，WF_Gray降低1.0%，总WF降低2.3%。

B_rel和CC参数反演结果：田块2和3的B_rel最高（93%），田块7最低（85%）。CC_x值在Landsat-8和Sentinel-2间高度一致（96-99%）。不同田块的CGC和CDC系数反映了差异性的作物生长和衰老模式，田块8因早熟品种植株提前收获，CDC高于CGC。

WF计算结果：WF_Blue占TWF的57-85%，WF_Gray占15-43%。田块1（沟灌，高施肥）TWF最高，田块8（固定喷灌，低施肥，早熟品种）TWF最低。RUE方法显著低估WF_Blue和总WF，标准方法与AquaCrop-RS结果相近但后者稳定性更优。

统计分析与不确定性结果：正态性检验表明，AquaCrop-RS方法（尤其Sentinel-2）所有参数Anderson-Darling系数<0.9且p>0.05，正态性最优；标准方法ET和生物量显著偏离正态（p<0.01）；RUE方法整体正态性较好但参数均值偏低。空间不确定性分析揭示中心2不确定性最高（田块5变异性突出），中心3最均一稳定。

讨论部分的核心观点包括：研究系统比较了三种WF估算方法，以实测生物量为基准评价精度。鉴于AquaCrop模型对输入参数敏感，而全面田间测量成本高昂，本研究通过卫星数据驱动关键参数减少了地面观测依赖。AquaCrop-RS方法中Landsat-8数据的精度优势（R²=0.94 vs. 标准方法0.86）与全球研究一致，如双变量数据同化（CC和生物量）可将生物量RMSE从2.51降至1.44 t ha^-1。独立RUE方法虽无地面数据即可运行，但系统性低估ET和WF，这可能因其考虑了土壤水分限制和干湿冠层效应，在干旱半干旱区反而更接近实际，但仍不足以替代融合方法。三种方法的WF_Gray估算差异很小（各方法间变化范围32-104 m³ t^-1），而WF_Blue在标准方法和AquaCrop-RS间高度一致（168-202 m³ t^-1），RUE方法明显偏低（105-180 m³ t^-1）。与Ramezani等利用CRU数据30年模拟结果（均值约215-216 m³ t^-1）相比，本研究WF_Blue结果具有合理性。AquaCrop-RS的统计稳健性体现在：低Anderson-Darling系数、高p值、窄标准差，以及空间不确定性分析对高变异中心的精准识别。该混合建模方法兼具机理性过程模拟与实时遥感观测优势，为水资源稀缺区灌溉调度、水分配规划和气候适应策略制定提供了更可靠的数据基础。

研究结论部分翻译如下：WF评估是理解水资源利用可持续性和食品生产环境影响的重要工具。精确的WF计算依赖于ET、utable灌溉水量和产量的准确测量。本工作提出并检验了一种通过三种方法分析监测WF的新途径。采用AquaCrop-RS方法（结合Landsat-8图像）使生物量估算精度提高（R²=0.94，NRMSE=5.09，NSE=0.89），相较于第一种方法（R²=0.86，NRMSE=6.48，NSE=0.82）有所改善。单独使用RS方法（RUE方法）时，生物量估算精度（R²=0.82，NRMSE=8.94，NSE=0.65）较标准方法略有下降。这可能是因为RS方法仅依赖卫星数据而未纳入地面数据，尽管相较于作物建模方法仍能提供相对准确的估算。所有田块的WF_Blue占比很高（57-65%），WF_Gray占比相对较低（18-43%）。采用沟灌的田块1总WF最高，采用固定喷灌的田块8总WF最低。总体而言，中心2和中心3（Magsal和Hezar Jolfa农业工业田块）因ET和化肥消耗较少而具有较低的总WF值。基于本研究发现，较高的氮肥用量导致WF_Gray增加（如田块3所示）。为缓解该地区日益恶化的水危机，强烈建议种植早熟、高产、需肥量少的青贮玉米品种——田块8的成功实践已证明了这一模式的可行性。