《Agricultural Water Management》：Environmental drivers and machine-learning analysis of grapevine sap flow on hilly slopes in Southwest China
编辑推荐：
摘要翻译：政府间气候变化专门委员会（IPCC）第六次评估报告指出，全球净温室气体排放量较2010年增加12%，较1990年增加54%，极端气候事件的频率和强度显著增加。全球气候变化导致干旱事件持续时间延长、发生频率增加，并改变了陆地水文过程，增强了土壤-植物连
摘要翻译：政府间气候变化专门委员会（IPCC）第六次评估报告指出，全球净温室气体排放量较2010年增加12%，较1990年增加54%，极端气候事件的频率和强度显著增加。全球气候变化导致干旱事件持续时间延长、发生频率增加，并改变了陆地水文过程，增强了土壤-植物连续体内的蒸散作用，从而增加了作物需水量。在此背景下，优化灌溉调度需要深入理解作物水分运输对大气强迫和根区条件的响应。西南地区是典型的气候敏感和生态脆弱区，降雨时空分布不均，季节性干旱频发，研究该地区果树水分运输的大气和土壤协同调控机制具有重要意义。葡萄是中国重要的经济果树，重庆地区葡萄种植面积迅速扩展，但针对西南丘陵坡地特殊地形气候条件下葡萄水分利用特征及其环境调控机制的系统研究仍较缺乏。植物蒸腾是土壤-植物-大气连续体（SPAC）中水分运输和能量转化的核心环节，树干液流是蒸腾强度的直接指标，可通过热扩散法等热学方法连续无损监测。准确预测植被液流对于水资源管理和精准灌溉至关重要，传统经验模型和能量平衡模型在藤本尺度上的应用受到限制，而机器学习算法因其处理高维数据和非线性交互的能力显示出巨大潜力。本研究以中国西南丘陵坡地葡萄为对象，旨在（1）量化年、月、日尺度的葡萄树干液流动态；（2）识别关键环境驱动因子及其直接和间接影响路径；（3）评估随机森林（RF）和极限梯度提升（XGBoost）模型在预测日树干液流中的表现。研究结果表明，2023–2024年生长季内，68.33%–88.29%的年树干液流集中在4–9月；通径分析显示光合有效辐射（PAR）是主导正驱动因子，高饱和水汽压差（VPD）是关键限制因子；纳入土壤变量后，RF和XGBoost模型测试集R2分别从0.804–0.808提升至0.888–0.891，表明根区信息提供了超越气象因子的补充预测价值。
论文解读
**一、研究背景与科学问题**
全球气候变化导致极端气候事件频发，干旱事件的持续时间与发生频率显著增加，陆地水文循环过程随之改变。在此背景下，作物水分需求不断攀升，优化灌溉调度亟需深入理解作物水分运输对大气强迫和根区条件的响应机制。西南地区是典型的气候敏感和生态脆弱区，虽受亚热带湿润季风气候影响，降雨总量较为充沛，但时空分布极不均匀，季节性干旱和水土流失问题突出。近年来，重庆地区葡萄栽培面积迅速扩展，成为中国西南地区重要的鲜食葡萄产区之一。然而，由于西南丘陵坡地独特的地形地貌和气候条件，葡萄水分利用特征及其对环境因子的响应可能与中国北方传统产区存在显著差异，相关系统研究却十分有限，这是开展本研究的核心出发点。
**二、研究内容与结论概述**
研究人员于2023–2024年在重庆市南岸区迎龙镇（29°31′N，106°42′E）开展田间试验，以十年生‘阳光玫瑰’葡萄（_Vitis labrusca_ × _vinifera_ ‘Shine Muscat’）为试材，系统监测了树干液流、气象要素和土壤水热参数。研究得出以下主要结论：（1）葡萄树干液流呈明显单峰季节变化，年总液流量与树干胸径（DBH）正相关；（2）68.33%–88.29%的年树干液流集中于4–9月生长季，日液流量35.61%–57.35%集中在10:00–15:00；（3）通径分析揭示光合有效辐射（PAR）是主导正驱动因子，高饱和水汽压差（VPD）是最关键的负限制因子；（4）随机森林（RF）和极限梯度提升（XGBoost）模型均能高精度预测树干液流，纳入土壤变量后测试集决定系数（R2）从0.804–0.808提升至0.888–0.891。论文发表在《Agricultural Water Management》。
**三、主要技术方法**
该研究采用的关键技术方法包括：（1）基于Granier热扩散原理的RR-TDP针式热扩散传感器监测树干液流，获取10分钟间隔的液流密度数据；（2）自动气象站和土壤多参数传感器同步采集空气温度（Ta）、相对湿度（RH）、PAR、VPD及10–60 cm深度的土壤温度（ST）、土壤水分（SM）、土壤电导率（EC）和土壤水势（SP）；（3）通径分析（Path Analysis）分解环境因子对液流的直接与间接效应；（4）RF和XGBoost两种机器学习算法结合网格搜索（Grid Search）和5折交叉验证进行超参数优化与模型构建；（5）采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和纳什效率系数（NSE）评估模型性能。
**四、研究结果**
**（一）环境因子时间变化特征**
2023–2024年研究区气象因子呈现显著季节和日尺度周期波动。年均气温分别为18.92℃和19.72℃，高温期集中在8–9月；2024年年均VPD（0.525 kPa）和日最大VPD（3.082 kPa）均显著高于2023年（0.396 kPa和1.762 kPa），7–9月差异尤为突出。土壤温度在10–60 cm深度均呈明显季节变化，浅层土壤对大气条件的响应更快；SM随深度增加而增大，8–9月各深度SM显著下降，表明生长季后期土壤水分持续消耗；SP40总体低于SP20，指示40 cm土层存在更强土壤水吸力，深层土壤水对维持葡萄水分吸收具有重要作用。
**（二）不同时间尺度树干液流特征**
年尺度上，2023年三个样地（a1、a2、a3，平均胸径分别为6.10 cm、6.84 cm、7.96 cm）的单株年耗水量分别为189.79 mm、351.03 mm和368.40 mm，2024年分别为184.67 mm、387.56 mm和393.49 mm，水分消耗量与胸径呈正相关。月尺度上，液流呈单峰曲线，水分消耗集中于生长季，6–7月耗水量最大，4–9月液流总量占全年68.33%–88.29%。日尺度上，液流一般于6:00开始上升，10:00左右出现第一峰值，14:00–15:00出现第二峰值，呈双峰型模式，峰值在果实坐果期和膨大期（5–7月）最高。
**（三）环境因子对液流的影响**
相关分析表明，Ta、PAR、VPD与液流呈显著正相关，RH呈显著负相关，其中Ta相关系数最高（a1为0.839，a2为0.722，a3为0.701）。除EC40外，土壤因子与液流均呈显著正相关，浅层土壤因子与液流的关联强于深层。日尺度滞后回环分析揭示，液流对环境因子的响应并非简单线性关系，呈滞后回环特征：6:30–11:30期间液流对PAR响应最敏感（相关系数达0.85），11:40–16:30期间高VPD（2–5 kPa）条件下液流响应趋于饱和，16:40–20:30液流随光温减弱而逐步下降。2024年8–9月极端高温干旱条件下，液流与气象因子的相关趋于零，反映高VPD诱导气孔关闭导致液流与气象因子脱耦。
**（四）通径分析**
基于生长季（4–9月）数据构建的通径模型拟合度良好（卡方/自由度<3，拟合优度指数>0.9，调整拟合优度指数>0.9，近似均方根误差<0.08），7个环境因子共同解释液流变异的68.2%。PAR对液流的直接通径系数最大（0.698），VPD呈负直接效应，土壤因子的直接控制效应显著弱于气象因子。总效应排序为PAR（0.668）> VPD（?0.662）> EC（0.25）> SM（0.243）> Ta（0.172）> ST（?0.152）> SP（0.053），确认PAR为最关键正驱动因子，VPD为最重要负限制因子。
**（五）机器学习模型预测**
RF和XGBoost模型训练集R2均超过0.99（分别为0.995和0.996），测试集R2均超过0.85，训练集与测试集性能差距小，表明模型泛化能力良好。XGBoost的均方误差、RMSE和MAE较RF分别降低3.04%、1.53%和6.98%，NSE提升0.38%，整体表现略优。当剔除土壤变量后，两模型测试集R2分别降至0.804（RF）和0.808（XGBoost），表明土壤因子提供了超越气象因素的互补预测信息。特征重要性分析显示，两模型中Ta均排名第一（RF：0.219，XGBoost：0.249），ST和VPD分别在不同模型中占据第二重要位置。
**五、讨论与结论**
研究表明，葡萄树干液流主要受辐射和大气蒸发需求调控，土壤条件提供补充预测信息。高VPD（约2 kPa以上）是限制液流的关键因子，即使灌溉充足的条件下，高大气蒸发需求仍可通过气孔调节限制液流。这一发现对灌溉管理具有直接指导意义：在高温期应同时关注根区水分状况和大气蒸发需求，通过早晚灌溉结合通风、遮荫或蒸发冷却等措施降低过高的大气蒸发需求。该研究为西南丘陵地区葡萄园环境信息驱动的精准灌溉管理提供了位点特异性科学依据。研究也存在一定局限：未区分物候阶段对液流的影响，未纳入冠层结构特征，模型区域推广性尚需验证。未来研究应整合物候信息、冠层性状、地形变量和遥感数据，以提升模型的迁移能力，实现从单株到果园乃至区域尺度的液流估算尺度上推。
