耦合AquaCrop-Richards模型：通过基于物理的土壤水动力学改进作物产量预测

《Irrigation and Drainage》：A Coupled AquaCrop–Richards Model for Improved Crop Yield Prediction Through Physically Based Soil Water Dynamics

　　

作物建模对于农业水管理至关重要，但通常依赖于简化的水量平衡常规方法，这些方法限制了对土壤水分动态的表征。为解决这一限制，研究人员开发了一个耦合模型，该模型将一维理查兹方程（使用有限差分法求解）集成到联合国粮农组织（FAO）的AquaCrop中。该耦合模型利用美国东南部田间实验获得的土壤水分、冠层覆盖度、地上生物量和籽棉产量数据进行了校准和验证。与每小时田间土壤水分测量值相比，AquaCrop–Richards模型在整个生长季的三个土壤深度上实现了平均均方根误差（RMSE）为0.023 m3 m?3。模型对冠层覆盖度、生物量和产量的性能与观测值相比，RMSE值分别为12.18%、1.77 t ha?1和0.96 t ha?1。在充分灌溉条件下，两个模型产生的产量估计值在统计上无法区分。然而，在雨养条件下，AquaCrop模拟的产量比AquaCrop–Richards高15.5%。分析表明，AquaCrop产生快速的阶梯式排水，导致根区含水量比耦合模型低33%–37%。这种降低的土壤水分触发了较早的水分胁迫，从而导致产量高估。这些结果表明，AquaCrop-Richards改善了土壤水分表征，并且在水分限制条件下表现稳健。

**论文解读**

**研究背景、问题与意义**
水资源短缺是威胁全球粮食安全的紧迫挑战。联合国粮农组织（FAO）预测，到2050年全球粮食产量需增加约50%，而农业用水量需增加约30%。基于过程的作物模型是优化农业水管理的关键工具，其中FAO的AquaCrop模型因其聚焦水分驱动的作物产量模拟而被广泛使用。然而，AquaCrop的土壤水平衡模块采用简化的“翻斗式”（cascade）方法，该方法忽略毛细上升、基质势梯度驱动的向上再分布以及低于田间持水量的连续深层渗漏，仅模拟浅层地下水条件下的向上流动。这种简化导致在真实条件下模拟土壤含水量、生物量和产量的精度受限。已有研究表明，AquaCrop在质地土壤中模拟水分含量的准确性降低，在中度至重度水分胁迫下生物量和产量预测的准确性也降低。为解决这一局限，研究人员将物理机制更强的理查兹方程（Richards equation）与AquaCrop耦合，以实现更真实的土壤-水动力学模拟。该研究旨在开发一个开源、基于Python的耦合模型AquaCrop-Richards，并利用美国东南部棉花田间数据验证其性能，为农业水管理提供更可靠的工具。论文发表于《Irrigation and Drainage》。

**主要关键技术方法**
研究人员采用以下关键技术方法：
1. 将一维理查兹方程（1-D Richards equation，描述非饱和土壤水分运动的基本控制方程）通过隐式有限差分法和改进的Picard迭代（Modified Picard iteration，最小化质量平衡误差的迭代解法）求解，嵌入AquaCrop-OSPy（AquaCrop的Python实现版本）。
2. 用基于土壤水分的Horton入渗方程（Horton infiltration equation，计算入渗能力的经验公式）替代原先的SCS-CN（土壤保持服务曲线数法）方法，并集成Feddes型根系吸水模型（Feddes-type root water uptake model，基于土壤水势的根系吸水胁迫函数）、Jarvis补偿机制（Jarvis compensation mechanism，根系在湿润区域补偿干旱区域吸水的机制）和Vrugt根分布函数（Vrugt root distribution function，描述根系沿土壤剖面分布的函数）。
3. 使用Anderson加速（Anderson acceleration，加快固定点迭代收敛的准牛顿外推技术）提高求解效率。
4. 模型校准与验证基于2019–2021年美国佐治亚大学Stripling灌溉研究园（SIRP）的棉花田间实验数据，包括土壤水分、冠层覆盖度、地上生物量和籽棉产量，土壤参数通过Rosetta 3土壤转换函数（PTF，pedotransfer function）估算。

**研究结果**
**3.1 参数化与校准**
通过敏感性分析识别出对土壤水分和产量最敏感的参数，包括出苗时间、根长、Horton方程参数及Vrugt方程参数；采用网格搜索确定校准值。校准场（2019年）与验证场（2021年）使用相同参数。

**3.2 土壤水分模拟**
在15 cm、30 cm和46 cm深度，AquaCrop-Richards成功再现了土壤含水量的动态变化。校准场15 cm深度RMSE=0.03 m3 m?3，R2=0.52，d=0.77，PBIAS=-2.21%，P因子=92.04%，r因子=0.68；验证场性能相似（15 cm RMSE=0.03 m3 m?3，R2=0.77，PBIAS=-7.34%）。模型在30 cm和46 cm深度表现良好，但近表面峰值含水量略有低估，归因于PTF估算的土壤参数平滑了饱和区响应。总体RMSE（0.02–0.04 m3 m?3）优于文献报道的DSSAT-HYDRUS-1D结果（0.05–0.08 m3 m?3）。

**3.3 冠层覆盖度、生物量和产量模拟**
**3.3.1 与田间观测的验证**
在充分灌溉条件下，冠层覆盖度RMSE为8%–17%，生物量RMSE为0.54–2.47 t/ha，产量RMSE为0.96 t/ha（全部14个样地）或0.50 t/ha（排除4个低产异常值后）。配对t检验显示AquaCrop与AquaCrop-Richards的产量估计无显著差异（p=0.20）。模型性能与先前研究（Qiao等，2016；Masasi等，2020）一致。

**3.3.2 水分限制条件下的模型间比较**
在雨养条件下，AquaCrop模拟的产量比AquaCrop-Richards高15.53%，主要原因是标准AquaCrop模拟的根区含水量（RZWC）低33%–37%，导致更早的水分胁迫，进而触发收获指数（HI）的有利增加（HI比耦合模型高9%–21%）。AquaCrop产生快速阶梯式排水，深层渗漏累积量比耦合模型高67%–85%，而AquaCrop-Richards模拟了逐渐的基质流，保留了更多土壤水分。这表明标准AquaCrop在水分限制环境下可能高估产量。

**3.4 数值稳定性和计算时间**
AquaCrop-Richards平均运行时间为597秒（每季），标准AquaCrop为1.56秒。显式回退方案使用率仅0.01%，最大质量平衡误差为-0.0001 mm，数值稳定性良好。Anderson加速度使平均时间略减（597 vs. 608秒），回退率略降。

**讨论与结论**
讨论部分指出，AquaCrop-Richards通过物理基础的水流模拟改善了根系层水分动态表征，尤其在水分限制条件下避免了过早的水分胁迫预测，从而防止不必要灌溉。其局限性包括：计算成本增加、依赖均匀基质流假设、入渗采用经验Horton方程、仅针对棉花砂土验证。未来应扩展至双重渗透模型以考虑优先流，并在更多土壤和作物系统中验证。
**翻译研究结论**：本研究展示了一个新的耦合AquaCrop-Richards模型，该模型将基于物理的理查兹方程与基于FAO的AquaCrop模型集成。研究人员替换了标准AquaCrop的经验翻斗式土壤水平衡。模型利用美国东南部棉花实验的田间数据进行校准和验证。此外，研究提供了两种建模方法内部机制和分歧的详细比较分析。在水分充足（灌溉）条件下，耦合模型表现出稳健性能。校准和验证结果表明，AquaCrop-Richards成功再现了观测的土壤水分动态、冠层覆盖度发展和生物量积累，精度与标准AquaCrop模型及先前文献相当。棉花产量的统计分析显示，在充分灌溉下两模型无显著差异（p>0.05），确认集成数值求解器不改变模型在水分非限制条件下的预测能力。然而，在水分子限制场景下观察到显著分歧。标准AquaCrop模型模拟了快速阶梯式深层渗漏，导致根区含水量（RZWC）比耦合模型低33%–37%，从而引发较早的水分胁迫；而AquaCrop-Richards模拟了逐渐的基质流，保留了更高的土壤水分。这种水文差异导致产量估计显著不同（15.53%），主要由标准模型对轻度胁迫的反应驱动，该反应触发了收获指数（HI）的有利增加。这些发现表明，在水分限制环境中产量估计并非直接，且对水力学公式的选择高度敏感。实际应用中，使用耦合AquaCrop-Richards模型可防止过早预测水分胁迫，使田间管理者更有效地优化灌溉调度，避免不必要的水分施用。计算上，该集成对研究应用可行，平均运行时间从约1.5秒增至每季597秒，但求解器保持出色的数值稳定性，质量平衡误差可忽略（⁵ mm）。然而，增加的计算成本及当前严格依赖均匀基质流假设是该工作的主要限制。另一个限制是使用Horton方程（经验方法），使该方法并非完全基于物理。此外，验证和评估仅针对砂土棉花进行。总之，这一新的耦合AquaCrop-Richards模型为分析土壤-植物-水分相互作用提供了物理稳健的替代方案，特别是在需要精确估计基质流和垂向通量时。更广泛地，这种改进的精度为政策制定者和农业规划者提供了更可靠的区域产量预测、干旱风险评估和可持续水资源分配策略工具。未来工作应侧重于通过双重渗透公式扩展模型，以捕捉结构土壤中的优先流，从而弥合基于物理的基质流与田间观测排水动态之间的差距。此外，应进一步在更多土壤类型和种植系统中验证和评估模型。最终，在作物模型中利用基于物理的水力学过程对于在日益加剧的水资源短缺下实现更精准的农业水管理和优化灌溉调度至关重要。