资源约束下农业水-能-粮-碳系统的动态贝叶斯建模与优化：来自华北平原的证据

《Agricultural Water Management》：Dynamic Bayesian modeling and optimization of agricultural water–energy–food–carbon systems under resource constraints: Evidence from the North China Plain

　　

向低碳农田系统的转型需要对水资源、能源、粮食生产和碳排放进行协同管理。华北平原（North China Plain, NCP）作为中国耕作强度最高的区域之一，在上述目标间面临尤为强烈的权衡。研究人员开发了一种结构耦合的动态贝叶斯网络–贝叶斯神经网络（Dynamic Bayesian Network–Bayesian Neural Network, DBN–BNN）框架，用以评估2001至2020年492个县域的水–能–粮–碳（Water–Energy–Food–Carbon, WEFC）系统。其中DBN表征时间依赖关系，而基于蒙特卡洛丢弃（Monte Carlo dropout）的近似贝叶斯神经网络捕捉非线性响应与预测不确定性。该框架被用于评价WEFC协调度、识别主导的协调与去协调因子，并通过扰动分析推导县域特定的管理路径。WEFC协调度呈现上升–下降–回升模式并表现出显著空间异质性，平均分值在北京为0.75、在山东为1.21（0–3标度）。地下水状况、灌溉面积与生态系统水分利用效率是县域差异的主要驱动因子。在综合调整情景下，相对于2020年，农田碳排放减少1.17×108 kg CO2-eq（8.1%），而粮食产量增加1.47×1010 kg（9.8%）。识别出的路径具有强烈区位特异性：110个县优先改进水分利用效率，184个县对灌溉结构重组响应良好，310个县需恢复地下水。在同时面临灌溉与地下水约束的县，改善依赖于基础设施修复、节水技术与地表水替代而非额外抽取地下水。该研究通过引入一种捕捉非线性动态与不确定性传播的混合概率框架，并为适应性水–能管理提供精细尺度、具政策相关性的见解，从而推进了WEFC纽带关系研究。研究发现对全球面临类似资源–环境权衡的高强度耕作区具有可转移启示。

研究背景方面，水–能–粮–碳（WEFC）纽带关系为理解资源利用、农业生产力与环境可持续性交互提供了基础框架。水资源与能源构成农业生产的主要资源投入，共同决定灌溉表现、机械化作业、化肥生产并最终影响农业碳排放。全球灌溉耕地以约20%的耕地面积贡献近40%的粮食产出，但灌溉占全球淡水取用量约70%、消耗性用水近90%，并通过灌溉相关能耗每年产生约2.16亿吨CO₂。华北平原（NCP）生产中国逾30%粮食，同时遭遇严重地下水超采、高强度灌溉及粮食安全和碳减排双重压力，是检验多资源约束下WEFC协调与优化路径的典型区域。既有研究多依赖静态分析，难以刻画水、能、粮、碳交互随环境与管理干预演变的动态协调；现有方法通常孤立强调依赖表示、非线性预测或优化，缺乏在统一概率框架内同时捕捉时间依赖、非线性响应、预测不确定性与县域尺度空间显式优化的能力。为此，研究人员构建混合动态贝叶斯网络–贝叶斯神经网络（DBN–BNN）框架，旨在量化NCP县域WEFC协调时空演化、识别主导驱动与时效依赖、并通过扰动分析推演空间显式优化路径。

关键技术方法方面，研究人员以2001–2020年NCP五省492个县域为样本队列，整合统计年鉴与栅格数据集并在县域边界内做分区统计聚合。构建涵盖水（作物水分利用效率WUE、水足迹WF、地下水位GW、SPEI）、能（复种指数MCI、柴油投入、单位面积氮肥N_Fert、机械化率MR、灌溉面积占比Irri_area）、粮（单产Yield、净初级生产力NPP）、碳（单位耕地碳排放CO₂）的四维指标系；农业碳排放采用清单法由县级活动数据乘排放因子核算。方法核心为五年的滑动窗口将观测配对的t时刻输入与t+1响应，先以动态贝叶斯网络（DBN）定义两切片时间依赖骨架（t端父节点为WEFC指标，t+1端子节点为Yield、Capacity、CO₂），再用基于蒙特卡洛丢弃的贝叶斯神经网络（BNN）在该骨架下近似条件非线性转移并量化预测不确定性；协调度由DBN后验中高产、高生产能力、低CO₂三态概率之和得（0–3标度），优化路径通过单因子扰动模拟识别。

研究结果方面，理论框架部分阐明WEFC四子系统经资源投入与生产流程互联，存在反馈、阈值效应与空间异质非线性，县域因地下水、气候、设施与实践差异而对同种措施响应不同。研究区与数据部分界定NCP 492县（京、津、冀、豫、鲁），占国土4.89%却产逾30%粮食，地下水支撑灌溉致超采与高碳排。碳排放核算部分列明化肥、农药、农膜、柴油、灌溉等七源排放因子与县级分配法。DBN–BNN框架部分表明WF与MR因预测贡献弱被剔除，DBN不直接做连续数值预测而供BNN训练用配对样本与依赖结构。协调度演化结果显示WEFC协调呈上升–下降–回升且空间异质，北京均分0.75、山东1.21；地下水条件、灌溉面积与生态系统WUE为县域分异主因。扰动优化结果显示综合调整情景比2020年减碳1.17×10⁸ kg CO₂-eq（8.1%）、增产1.47×10¹⁰ kg（9.8%）；110县重节水效、184县宜灌溉重组、310县需地下水恢复，双约束县靠设施修复与地表水替代而非超采。

讨论与结论部分指出，已有WEFC研究在县域动态协调与统一概率框架集成上存在两大缺口，本研究的DBN–BNN通过顺序耦合将动态系统评价与不确定性感知优化链接，提供了精细尺度决策工具。结论表明：NCP县域WEFC协调具明显时空异质与回升特征；地下水、灌溉面积与生态WUE为关键协调/去协调因子；综合情景可实现减碳与增产并存；优化路径强区位依赖，双约束区须以基础设施修复、节水技术、地表水替代替代地下水超采。该混合概率框架可迁移至全球类似高强度耕作区，为适应性水–能管理与低碳转型提供政策相关支撑。论文发表于《Agricultural Water Management》。