《Agricultural Water Management》：AquaLeach approach: Field-scale irrigation assessment using satellite-derived products while accounting for salinity leaching fraction in arid and semi-arid irrigation schemes of Kenya
编辑推荐：
干旱和半干旱地区的灌溉水管理日益受到水资源短缺和土壤盐碱化的挑战。量化灌溉水在作物利用与淋洗之间的分配仍然至关重要，但常因缺乏田间测量而受阻。本研究提出了AquaLeach模型，这是一个基于卫星的框架，将用于灌溉估算的基于土壤水分（SM）的反演方法与淋洗分数（
干旱和半干旱地区的灌溉水管理日益受到水资源短缺和土壤盐碱化的挑战。量化灌溉水在作物利用与淋洗之间的分配仍然至关重要，但常因缺乏田间测量而受阻。本研究提出了AquaLeach模型，这是一个基于卫星的框架，将用于灌溉估算的基于土壤水分（SM）的反演方法与淋洗分数（LF）模块相结合，以评估应用于盐分淋洗的部分水。该模型在肯尼亚两个大型灌溉方案（Perkerra和Tana）中实施，使用了来自FAO WaPOR平台的多年度（2018–2023）遥感数据。基准灌溉记录和源自土壤及水盐度数据的参考淋洗需求（LR）用于验证目的。AquaLeach再现了灌溉事件的量级，在Perkerra和Tana的平均百分比误差分别为?9.3%和?18.6%。平均LF值在Perkerra为0.12至0.20，在Tana为0.33至0.49，尽管绝对量值存在差异，但显示出与基于LR的参考估计（范围0.03–0.10）一致的时间变异性。这些结果证明了AquaLeach仅使用基于卫星的输入提供田间尺度、多季节的灌溉性能和盐分控制评估的能力。该框架提供了一种可扩展和可转移的工具，用于推进盐分影响环境中的灌溉监测并支持气候适应性农业水管理。
**论文解读：AquaLeach模型在肯尼亚干旱与半干旱灌区灌溉评估与盐分淋洗分析中的应用**
**1. 研究背景与问题**
土壤盐碱化是全球农业面临的主要挑战，尤其在干旱与半干旱地区，灌溉是作物生产的基础。据FAO全球盐碱土壤地图（2024年），全球约10.7%的土地（超过1.381百万公顷）受盐碱化影响。在撒哈拉以南非洲，盐碱土壤约占区域总面积的3.64%，而肯尼亚约41.35%的土地受盐碱化威胁。不当的灌溉实践和气候变化（降水模式改变、温度升高、蒸发增强）加剧了这一问题，导致作物水分吸收和养分利用受阻，最终引致减产。随着到2050年全球灌溉需求预计覆盖超过一半的耕作面积，亟需建立可持续的、适应气候变化的农业水管理实践。理解并缓解土壤盐碱化已成为广泛研究焦点。灌溉过程中，盐分随水进入土壤，并在作物蒸散发作用下于根区累积。为控制盐分，部分灌溉水必须下渗至根区以下，携带溶解盐分，这一比例定义为淋洗分数（LF：实际应用于盐分淋洗的灌溉水占比）。相关概念淋洗需求（LR：在给定灌溉水盐度下为维持作物耐盐阈值所需的最小季节性LF）源于稳态盐分平衡。尽管现有稳态模型（如Ayers和Westcot的方程）和瞬态模型（如HYDRUS、SWAP）可模拟盐分动态，但需要大量本地数据校准，难以在数据稀缺地区灵活表征时空变异性。卫星遥感的发展，尤其是Brocca等人（2018）提出的基于土壤水分（SM）反演方法，实现了从卫星土壤水分数据量化灌溉量。然而，现有框架往往孤立运行，未能充分整合遥感与田间数据及气候预测，且全球灌溉管理实践监测不足，尤其在小农系统中。因此，亟需一个可扩展、仅依赖卫星输入的框架，同时评估灌溉用水与盐分淋洗动态。
**2. 研究方法与关键技术**
研究人员为开展本研究主要采用了以下关键技术方法：首先，基于土壤水分反演方法（SM-based inversion approach），通过分析根区土壤水分动态和土壤水均衡，利用FAO WaPOR平台提供的多年度（2018–2023）遥感数据（实际蒸散发与截留AETI、相对土壤湿度、CHIRPS降水），校准了土壤持水能力Z*、排水参数a和b、调整因子F等参数，以估算灌溉用水量（IWU）。其次，开发了淋洗分数（LF）模型，基于灌溉量（IWU）与实际蒸散发（AETI）的关系（AW=ET/(1-LF)）直接计算每像素每时段内可能用于盐分淋洗的水量比例。为验证灌溉估算，研究人员编译了基于肯尼亚国家灌溉管理局提供的泵送水量（考虑55%~70%田间到达效率）的基准灌溉记录；为评估LF的量级一致性，利用土壤电导率（EC1:1转化为ECe）和灌溉水电导率（ECw）数据计算了参考淋洗需求（LR）。研究区域为肯尼亚两个大型灌区：Perkerra（面积约2347 ha，重力自流沟灌，主要种植玉米）和Tana（面积约5111 ha，柴油抽水沟灌，主要种植多种作物）。所有遥感数据（WaPOR）的空间分辨率为Perkerra 300 m、Tana 20 m，降水数据（CHIRPS）重采样至相应分辨率。
**3. 研究结果**
**3.1 基于SM反演的灌溉估算及统计评估**
SM反演模型成功再现了Perkerra和Tana灌区2018–2023年间灌溉事件的量级。季节性灌溉总量的空间分布显示出明显的内部异质性：Perkerra呈现东西梯度，东部区块累积深度更高；Tana在上游和下游区块间呈现强烈对比。月灌溉量箱线图（图4）捕捉到显著的季节内变异性（Perkerra中位数15–60 mm，Tana <10 mm至>100 mm）。年度灌溉估算与基准值的比较（图5a）显示强烈对应，大多数点落在±30%一致带内。相对误差分析（图5b）表明，Perkerra年度偏差大多低于20%，Tana低于40%。AquaLeach在Perkerra和Tana分别平均低估灌溉量–9.3%和–18.6%，验证了基于卫星的灌溉估算与田间基准的一致性。
**3.2 基于灌溉估算的LF估算及与田间LR的比较**
Perkerra灌区季节性LF范围为0.09–0.20（2018–2023年），表明约12%–20%的IWU被淋洗到根区以下。年际变异中等，空间模式稳定，中央区块LF低，东部和东南部较高。这些量级与基于田间盐度数据的LR值（0.03–0.10）处于同一量级，支持了AquaLeach估算的内部一致性。相反，Tana灌区LF显著更高，范围为0.33–0.49，暗示33%–49%的灌溉水被损失至根区以下，超过Perkerra的两倍。空间分布高度异质，与Tana更复杂的管网和老化基础设施一致。两灌区的LF对比表明：Perkerra表现出相对高效的水利用和有限的年际变异；Tana则显示高LF和显著空间异质性，反映出系统性低效。
**4. 总结讨论与结论**
讨论部分指出，AquaLeach框架成功捕捉了灌溉事件的量级和空间异质性，其性能与先前基于SM反演方法的研究一致（如Brocca等2018，Jalilvand等2019）。然而，存在若干不确定性来源：WaPOR和CHIRPS的粗空间分辨率（300 m和5 km）可能平滑短期变异；不同站点空间分辨率的差异（Perkerra 300 m、Tana 20 m）限制逐像素直接比较；AETI和IWU的误差非线性传播到LF估算中，尤其在低LF条件下放大了相对不确定性。因此，LF估算应主要解读为空间格局和年际对比，而非绝对量值。基准LR数据基于EC1:1转换（固定因子1.96）可能引入偏差，且LR代表理论需求而非实测LF，因此仅用作间接参考。尽管如此，AquaLeach显示出强内部一致性，在数据缺乏的干旱半干旱系统中具有作为低成本、可转移工具的潜力，可集成至WaPOR或国家灌溉咨询系统，支持近实时灌溉性能监测和盐分风险识别。
结论部分翻译：AquaLeach模型建立了一个一致的基于卫星的框架，用于联合评估地表灌溉系统中的灌溉和淋洗动态。在肯尼亚两个主要灌区的应用中，该模型成功再现了灌溉用水量的时空变异性，并生成了多季节的LF实际估计。与基准灌溉数据的比较显示在±30%范围内一致，而LF结果通过土壤和水盐度数据衍生的LR作为间接参考基准进行解读，尽管LF与LR存在概念差异，仍允许定性地评估淋洗行为的年际演变。这些结果证实了AquaLeach方法仅利用卫星输入即可量化应用于作物蒸散发和盐分淋洗之间的灌溉水分配。然而，算法依赖于土壤水分、降水和AETI数据，每个都受固有不确定性影响，以及校准参数代表最佳拟合解。映射LF空间梯度（包括持续低LF区域）的能力为识别更高盐分积累风险区域提供了实用代理，与数据缺乏系统中灌溉当局的操作需求一致。总体而言，AquaLeach为干旱与半干旱农业系统的灌溉性能评估和盐分管理提供了可转移的实用工具，未来发展方向包括整合更高分辨率的土壤盐度和作物生产力数据集，以进一步增强其应用并对可持续农业水管理的相关性。
