生物物理模型与遥感技术在四大全球灌溉中心灌溉实践评估中的融合应用

《Agricultural Water Management》：Integrating biophysical models and remote sensing to evaluate irrigation practices in four global hubs

　　

可持续农业集约化（Sustainable Agricultural Intensification）通过灌溉应对气候变化与人口增长对全球粮食系统的挑战，需建立准确的区域至全球尺度灌溉估算知识库，但地面数据稀缺。大规模农业水文模型与地球观测（Earth Observation, EO）灌溉估算均存在显著但常被低估的不确定性，二者具有互补的优劣势。尽管已在田间至区域尺度协同应用，但其在大尺度上的协同利用尚处空白。为此，研究人员选取四大全球灌溉中心，对比空间分布式农业水文模型WATNEEDS模拟的灌溉需水量（Blue Water Demand, BW）与五种卫星反演的灌溉用水量（Irrigation Water Use, IWU）。结果显示，尽管描述不同变量且使用独立工具与数据，三个案例中生物物理模拟与卫星反演之间存在统计显著的线性相关（>0.6）。时空差异揭示了灌溉对水文气候与人为驱动因素的响应，表明地球观测与大规模农业水文模型的协同利用可增进对人类-自然耦合灌溉动态的理解。

本文发表于《Agricultural Water Management》，旨在通过融合生物物理模型与遥感技术，评估全球四大灌溉中心的灌溉实践。研究背景源于灌溉在保障全球粮食安全中的关键作用—— irrigated lands虽仅占20%的耕地面积，却贡献40%的全球作物产量。然而，气候变化扰动温度与降水格局，人口增长与膳食转变加剧区域农业需水差异，使得灌溉可持续性面临严峻挑战。譬如，美国加利福尼亚中央谷地因升温、积雪减少及降水格局改变而灌溉不可持续；印度稻-麦系统导致地下水超采，年降幅达1–3 m；地中海地区自1970年代起干旱频发，叠加社会经济用水需求增长，水稀缺态势加剧。尽管现代化与精准化灌溉系统可部分缓解压力，但全球趋势及其农业影响的复杂性要求提升灌溉模型在更大尺度上的准确性。

当前，全球农业水文模型与卫星驱动灌溉模型是两类核心工具。农业水文模型（如AQUACROP、GCWM、ACEA、WATNEEDS等）结合水文过程与作物生长动态，基于联合国粮食及农业组织（FAO）方法计算潜在蒸散发（Potential Evapotranspiration, PET），并通过土壤水分平衡区分绿水（Green Water，降水产生的土壤有效水分蒸散发）与蓝水（Blue Water, BW，灌溉水分需求），但主要聚焦生物物理需水模拟，对实际取水量的估算常受制于过度参数化与任意性假设。卫星驱动IWU估算则通过分析实际蒸散发（Actual Evapotranspiration, ET_a）与土壤水分的异常来反演灌溉水量，包括基于土壤水分反演（如SM-Inversion）、蒸散发反演及融合方法，但在像素尺度难以区分不同作物覆盖，且存在较大不确定性。两类方法已在田间至区域尺度协同应用，但大尺度比较尚属空白。

研究人员选取美国本土（CONUS）、印度、西班牙埃布罗河流域（Ebro River Basin）及澳大利亚墨累-达令河流域（Murray-Darling Basin）作为案例区，利用WATNEEDS模型模拟BW，并基于SM-Inversion算法从五种土壤水分产品（ASCAT、SMOS L2、SMAP L2、CCI COMBINED、CCI PASSIVE）反演IWU，对比分析2003–2022年间的灌溉时间序列。

关键技术方法包括：WATNEEDS模型，以5角分分辨率（约赤道10 km）运行，输入气候变量、作物与土壤参数，逐日计算根区土壤水分平衡，通过作物系数（K_c）与水分胁迫系数（K_s）计算潜在与实际蒸散发，最终加权累积得到像素级蓝水需求；SM-Inversion算法，基于土壤水分变化反演总入渗量，扣除降雨后得到IWU，利用GLEAM v3.7b提供潜在蒸散发、ERA5提供降雨数据，针对不同卫星产品分别校准参数，空间分辨率统一重采样至0.25°；对比分析方法，包括像素级线性相关（Pearson Correlation）、均方根误差（RMSE）及长期平均差异分布分析。

研究结果部分，首先，空间平均时间序列显示WATNEEDS的BW与卫星IWU整体可比，WATNEEDS标准差包络线与至少一种卫星产品的包络线重叠。CONUS案例呈现所有产品的线性相关高于0.8，Ebro Basin为0.64–0.75，Murray-Darling Basin为0.65–0.77，印度则为最差表现（部分产品相关近零或负值）。

其次，印度案例分析揭示，WATNEEDS低估11月至次年2–3月的灌溉高峰，因其未捕捉Rabi与Zaid稻作周期，仅反映主导性的Kharif季（雨养为主、需灌有限），而卫星产品清晰捕捉了冬春季水稻灌溉信号，凸显两种方法在种植季节预设假设上的差异。

第三，Murray-Darling Basin分析表明，WATNEEDS未能再现2010–2011年及2017年卫星产品检测到的显著峰值，原因在于该模型未纳入洪水事件影响——大洪水期间灌溉需求骤降，而淹没区蒸发与表面湿度增加使卫星信号增强。

第四，CONUS案例分析显示，WATNEEDS在2012年夏季的BW峰值高于所有卫星产品，恰逢美国干旱监测报告的历史性干旱高峰，符合干旱期灌溉需求远高于实际供水的典型特征。

第五，Ebro Basin分析发现，卫星IWU在4月呈现急剧上升，而WATNEEDS的BW增长更为平缓，反映春季灌溉实践被卫星捕捉但未被生物物理模型识别为需水需求。

第六，季节性差异的普遍模式显示，灌溉期初期差异呈正偏（卫星高于模型），中期转向负偏，末期趋于对称分布，这源于气候驱动的需求规律与实际灌溉管理实践之间的错位，WATNEEDS在非灌溉期仍计算需水量，而卫星产品将其置零。

第七，像素级相关空间分布显示，相关性随灌溉面积比例增加而提高，小面积灌溉区卫星信号解混困难；不同产品在不同子区域表现各异，如SMOS在加利福尼亚谷地和斯内克河平原与WATNEEDS一致性最高，而CCI产品在密西西比洪泛平原表现更优。

讨论部分，研究人员指出BW与IWU的联合对比分析可揭示方法局限性与人类-水相互作用。两类方法的差异不仅源于各自的不确定性，更反映了生物物理需求与实际供水之间的概念性区别。未来需发展最优卫星产品 ensemble 选取方法，而非单一产品；需将卫星IWU融入生物物理模型校准，以分离模型误差与真实供需差异；需动态更新作物分布与灌溉面积信息，克服静态输入限制；需协调模型与卫星输入数据，推动向区域-全球尺度农业水资源综合监测工具的演进。该研究为过程模型与地球观测的更紧密融合奠定基础，有助于理解农业实践对气候极端事件和人为变化的响应机制。

结论部分指出：灌溉是农业生产力与水资源管理的关键组成部分，但其大尺度量化仍具挑战性。基于物理的模型与遥感估算提供互补视角，却因概念与数据框架差异而时有分歧。本研究作为概念验证，评估了WATNEEDS模拟的灌溉需求与SM-Inversion遥感IWU之间的差异与协同效应，表明二者整合可推进对灌溉过程的理解，并支持模型与卫星方法的相互改进。WATNEEDS与遥感产品呈现一致的季节性与空间模式，验证了方法的整体有效性，其差异主要反映生物物理灌溉需求与实际灌溉供水的区别。相关性随区域与产品而异，灌溉面积较大区域相关性更高，碎片化区域则较低。研究结果揭示，结合两种方法有望更全面地理解灌溉动态，弥合生物物理需水与人类用水之间的鸿沟。主要局限在于耕地与灌溉面积静态信息的使用，阻碍了时间变化与种植日历适应性调整的捕捉——这一问题也可通过生物物理过程模型与地球观测的融合部分解决。未来研究应聚焦模型输入与卫星数据集的标准化，以构建灌溉监测与评估的综合框架。总体而言，本研究是将基于物理的模型与遥感估算整合为区域至全球尺度灌溉与农业用水评估工具的第一步。