综述：灌溉农业中用于联合估算补给、作物需水及抽水的土壤 - 作物水文建模方法综述

《Journal of Hydrology》：Soil-crop hydrology modelling approaches for conjunctively estimating recharge, crop demand and pumping in irrigated agriculture: a review

　　

•评估了 16 个用于作物、土壤水文和灌溉模拟的模型。
•13 个模型模拟水分胁迫；只有 7 个模型还能表示盐分胁迫。
•只有 4 个模型使用作物胁迫因子触发灌溉。
•只有 2 项研究将模拟抽水与计量数据进行了比较。
•13 个案例研究中只有 1 个将径流与野外数据进行了协调。

引言
全球对农业生产的需求不断增加，导致从不断减少的淡水水资源中提取灌溉水的速度加快（De Graaf 等人，2019 年，Qureshi 等人，2013b）。为了满足这些需求，需要对农业地区的表层和地下淡水进行管理，这需要可靠地估算入渗、地下水补给、抽水速率、地表径流、作物需水和灌溉实践。然而，实现地表水和地下水平衡准确核算所需的监测数据往往存在缺口。例如，水提取的计量往往缺乏，特别是地下水，然而抽水速率是管理人类对含水层施加胁迫的重要输入（Cheng 等人，2009）。更普遍的是，需要刻画抽水和补给的空间和时间变异性，以建立地下水模型并制定区域地下水管理策略（Knowling 等人，2015）。

降雨和灌溉对地下水的补给是灌溉区水资源研究的关键变量，通常使用土壤 - 作物水文模型来确定。在本综述中，土壤 - 作物水文模型指的是垂直解析（通常为 1D）模型，模拟土壤剖面内的水平衡过程，并与作物水分吸收和生长过程耦合（例如，Sun 等人，2015，Ventrella 等人，2019）。虽然模拟通常发生在 1D，但使用 GIS 派生输入的空间分布应用能够实现区域尺度的作物水分吸收、补给和灌溉需求估算，以及相关的抽水速率（例如，Morgan 等人，2015，St?ckle 等人，2014；Winchell 等人，2010）。

土壤 - 作物水文模型允许基于气象数据、植被参数、土壤水力特性以及灌溉和土地利用实践的输入，将降雨划分为蒸散发、径流、地表入渗和补给（Keese 等人，2005）。在水位影响土壤含水量的情况下，也可能需要纳入地下水条件。此外，土壤 - 作物水文模型还被用于估算作物需水以及满足作物需求所需的土壤含水量短缺（Ahmad 等人，2002，Deines 等人，2021，Hyndman 等人，2017）。因此，这些模型可用于估算灌溉需求。除了上述生物物理要素外，灌溉应用的模拟通常需要表示农业实践，包括触发灌溉，即响应土壤含水量消耗、土壤盐分增加和/或识别出的作物需求而向土壤加水（例如，Brisson 等人，2009，Neitsch 等人，2011）。土壤 - 作物水文模型模拟的补给和其他通量的估算需要独立证实（例如，Okrah 等人，2023，Ordens 等人，2014，Von Freyberg 等人，2015）。这与 Scanlon 等人（2002）和 Becke 等人（2024）的建议一致，他们强调了鉴于常用方法的高不确定性，使用多种技术估算补给的重要性。

土壤 - 作物水文模型中采用的代表土壤类型、气象胁迫、土地利用、农业实践和下边界排水条件的参数在 1D 模型模拟之间有所不同，以便捕捉研究区域的空间变异性。代表感兴趣区域内离散区域的单个模拟随后被组合，由此产生的通量被聚合以表示区域尺度下的条件（例如，Reading 等人，2019）。这产生了在管理区域上整合或达到地下水和/或地表水建模所需空间分辨率的土壤 - 作物水量平衡。将 1D 模型中的作物需求和灌溉速率转换为水提取速率需要向上推至作物种植区，考虑抽水井的位置、地表水引水或取水点，以及每个井、河流取水点或渠道取水供应灌溉水的土地面积。通过这种方法获得的抽水速率对于表征地下水和地表水胁迫的空间分布很重要，这些通常是水资源管理调查的目标，也是地下水和地表水模型的重要输入（Yang 等人，2010）。

目前的研究以前对土壤 - 作物水文模型的综述为基础，专注于在集水区尺度上结合估算作物水分吸收、灌溉需求、抽水速率和补给速率的 1D 建模方法。之前的综述包括 Connolly (1998) 的工作，他从土壤结构特性及其对土壤 - 作物系统中水文过程（水平衡成分）的影响方面总结了土壤 - 作物模型中的功能。Connolly (1998) 得出结论，需要进行开发以将点尺度模型扩展为更好地捕捉集水区尺度的空间变异性，以及其他与土壤水力特性表示相关的建议。Kanda 等人 (2018) 回顾了耦合水文和作物模型的方法，展示了将作物模型纳入水文模拟以实现水资源保护、可持续性和农业绩效改进的潜在益处。Tenreiro 等人 (2020) 还回顾了七个作物模型和五个水文模型，以评估它们在局部（农场）尺度模拟土壤水分运动空间变异性的能力。Tenreiro 等人 (2020) 得出结论，有机会改进专注于作物的模型和水文模型，以纳入局部尺度的空间变化，这似乎对土壤水分行为有显著影响。Vereecken 等人 (2016) 分析了土壤建模在量化生态系统服务中的作用。他们发现，即使是纳入根系水分吸收和作物生长的先进土壤模型，在准确捕捉土壤水分运动和养分可用性的时空动态及其与植物根系的相互作用方面仍面临相当大的挑战。

Wang 和 Smith (2004) 回顾了植物生长和水分吸收的建模方法，表明需要更详细地考虑根系分布和对土壤条件的响应。Dhakar 等人 (2018) 总结了各种作物模型如何纳入作物水分胁迫并模拟其对不同生长参数和产量的影响。他们得出结论，作物模型往往过度简化作物水分胁迫及其影响，导致模拟生长和产量存在不确定性，特别是在水分受限条件下。Uniyal 和 Dietrich (2021) 回顾了可应用于区域尺度灌溉需求估算的土壤 - 作物水文建模工具。他们分析了 14 个土壤 - 作物水文模型中的灌溉调度功能，并对土壤水分运动和植物生长方法进行了基本比较。Uniyal 和 Dietrich (2021) 得出结论，土壤 - 作物水文模型在优化灌溉管理方面具有巨大潜力。他们还指出了关键局限性，包括对水稻等重要作物的支持不足、对农林业系统表示有限，以及节水策略（如亏缺灌溉、水重复利用和先进技术 创新）的整合不足。后者的例子包括使用遥感技术在集水区尺度进行每日实时灌溉预报，以及应用气象预报提供可靠的土壤湿度预测。

以往对土壤 - 作物水文模型的综述均未评估联合估算补给、作物需水和取水（包括在表面水源和地下水源之间划分灌溉需求）的建模方法。土壤 - 作物水文模型的这些应用对于捕捉灌溉实践、土壤和含水层动态以及集水区其他水平衡成分（如径流和作物用水）之间的复杂相互作用至关重要，这是可持续水资源管理的基本考虑因素。

本综述旨在评估现有应用于联合估算补给和灌溉供水速率（即导致地表水和地下水提取估算）的土壤 - 作物水文建模工具的关键模型功能和概念要素。本综述包括 8 个案例研究，以评估这些工具如何在各种现实情境中应用。本综述的结果预计将为农业地区的水文调查提供信息，其中土壤水文、作物用水、灌溉实践和补给的联合模拟对于通知水资源管理决策是必要的。以此方式，本综述建立在 Dhakar 等人，2018，Tenreiro 等人，2020，Uniyal 和 Dietrich，2021，以及 Wang 和 Smith (2004) 的先前文章之上，这些文章从相关但不同的角度探索了土壤 - 作物水文模型。

章节摘要
降雨划分、作物需求、土壤水分运动和灌溉的概念模型
用于估算补给和灌溉施用速率的土壤 - 作物水文模型需要核算众多地表和地下水文过程。这些包括几个相互连接的物理组件，如植被冠层、地表、根区、非饱和区和通常的水位。模型对这些组件进行参数化，并应用水平衡和通量方程将降雨和灌溉输入划分为蒸发（来自土壤和

与地下水补给和抽水联合估算相关的模型功能
遵循降雨划分的概念模型，土壤 - 作物水文模型提供了一个数值框架，用于量化水平衡的各个组成部分及其与灌溉管理的相互作用。地下水补给和灌溉水提取估算的可靠性取决于对关键水文和作物过程的表示，包括径流产生、入渗和土壤水分再分布、根系水分吸收和蒸散发、作物

地下水抽水和补给的联合估算：建模案例研究
本节回顾了 13 个案例研究，其中使用第 3 节描述的模型，将灌溉需求和/或地下水提取情景与深层排水或补给一起进行了评估。表 6 总结了所选案例研究中的模型应用。

表 6 中总结的 13 个案例研究构成了 4.1 节在已评审案例研究中将灌溉需求分配给地下水和地表水源、4.2 节模型模拟的校准和验证讨论的基础。

结论
本综述表明，土壤 - 作物水文模型在表示控制径流产生、土壤水分运动、根系水分吸收、作物生长、灌溉调度和边界条件的关键过程方面存在显著差异，导致在不同水文地质和管理设置下模拟的灌溉需求和补给存在差异。已评审的模型在如何表示盐分胁迫、氮限制、灌溉触发等方面也存在显著差异，

关于稿件准备过程中生成式 AI 和 AI 辅助技术的声明。
在本工作的准备过程中，作者使用了 ChatGPT (GPT-5.5) 来辅助语言润色、提高清晰度和检查可读性。使用此工具后，作者根据需要彻底审查和编辑了内容，并对已发表文章的准确性和完整性承担全部责任。

CRediT 作者贡献声明
E.M.G.P. Hemachandra：写作 - 原稿，可视化，方法论，调查。L.P. Reading：写作 - 审查与编辑，监督。A.D. Werner：写作 - 审查与编辑，监督，项目管理，资金获取，概念化。P. Egodawatta：写作 - 审查与编辑，监督。

未引用的参考文献
Abedinpour 等人，2012，Blum，2010，Brisson 等人，2003，Brouwer 和 Heibloem，1986，Cichota 等人，2021，Clausnitzer 和 Hopmans，1994，Connolly 等人，2002，Connor 和 Fereres，1999，Dabach 等人，2013，Farthing 和 Ogden，2017，Ferrer-Alegre 和 Stockle，1999，联合国粮食及农业组织 (FAO)。，2012，Galeandro 等人，2014，Gassman 等人，2009，Gowing 和 Ejieji，2001，Guo 等人，2023，Hansen 等人，2012，Hartmann 等人，2018，Hosseini 和 Bailey，2022，

竞争利益声明
作者声明以下可能被视为潜在竞争利益的财务利益/个人关系：E.M.G.P. Hemachandra 报告获得了 Lower Burdekin Water 的财务支持。E.M.G.P. Hemachandra 报告获得了澳大利亚研究委员会链接项目（项目编号 LP210100430）的财务支持。如果有其他作者，他们声明没有已知的竞争财务利益或个人关系可能已经

致谢
这项工作得到了 Lower Burdekin Water 和澳大利亚研究委员会链接项目（项目编号 LP210100430）的支持。E.M.G.P. Hemachandra 还得到了昆士兰科技大学（QUT）研究生研究奖的支持。我们感谢 John Hutson 博士就 LEACHM 代码提供的宝贵见解和有益讨论。

E.M.G.P. Hemachandra|L.P. Reading|A.D. Werner|P. Egodawatta