《Nature Water》：Fifty years of research have deepened uncertainties in global irrigation water withdrawals
编辑推荐：
五十年来，细化模型与数据集一直被视为降低全球灌溉取水量（irrigation water withdrawal，IWW）估算不确定性的核心路径。然而这些努力是否成功仍不清楚。研究人员汇编了1974至2025年65项研究中的1624个全球估算值，并在360条分析
五十年来，细化模型与数据集一直被视为降低全球灌溉取水量（irrigation water withdrawal，IWW）估算不确定性的核心路径。然而这些努力是否成功仍不清楚。研究人员汇编了1974至2025年65项研究中的1624个全球估算值，并在360条分析路径（analytical pathways）中评估，涵盖广泛合理统计设计。结果表明：全球IWW不确定性并未下降，仅17%的路径显示随时间降低，若排除至2100年预测则降至10%；最常见结果是不确定性上升（40%路径），其次为不稳定趋势（34%）。因此该领域或可放弃“降低不确定性”的目标，转而延续其最擅长的事：扩大不确定性，直至达到当前全球灌溉知识无法排除的边界。
研究背景方面，二战后全球灌溉取水量（IWW）核算成为水文学关键目标，FAO、IPCC均依赖IWW数据支撑SDG 6.4与气候—土地情景。早期L’vovich、Shiklomanov、Gleick已指出区域覆盖不均、用计算数据填补缺口会带来隐藏假设与虚假精度；FAO也承认模式值不能替代本地测量。2000年后栅格化遥感、高分辨率模型、机器学习被寄望“细化即减不确定”，但“不确定性是可被更细数据消除的过渡阶段”仍是主流预设。
论文发表于《Nature Water》。研究人员指出，五十年里IWW估算从国家统计+固定灌溉系数，走向遥感灌溉面积+作物历+气候强迫+陆面/水文耦合模型，但“更接近真值”并未发生。
主要技术方法上，研究人员用Dimensions与Web of Science文库及引文追踪，建立1974—2025年65项研究、1624个1900—2100年IWW估算的样本文献队列；采用多宇宙分析（multiverse analysis，即同时遍历合理方法论分支而非单选一条分析管道）构造360条全因子分析路径；以目标年、发表时段分箱（binning）、离散度指标（方差、标准差s.d.、变异系数CV、四分位距IQR、熵entropy、极差range）作为不确定性代理；再用5000棵决策树的随机森林（random forest）评估各方法学因素对趋势判断的重要性；并以全局不确定性及敏感性分析（UA/SA）文献盘点作补充。
研究结果部分，小标题与结论如下。
Little evidence for research having reduced uncertainties：研究人员对360条路径统计发现，仅17%路径显示IWW估算离散度随时序下降，40%为上升，34%为非单调/不稳定；且该信号不单纯由早期模型少、文献少造成，说明研究体量增长并未等价于不确定性收敛。
Research reduced uncertainty for 2100 but amplified it for other years：随机森林显示“目标年”是最具影响力的分析选择。2100年路径多呈不确定性收窄，因近期研究剔除SSP3–RCP8.5等被认为不逼真的高值情景；排除2100后，下降路径仅10%，上升约45%，不稳定约40%。2000—2070历史/近期年代表现更差，历史年（2000、2010）上升路径约为下降路径十倍；方差分析显示>80%离散度来自灌溉如何被建模，而非气候强迫或社经情景。
The definition of spread conditions the perceived trend：离散度本身由“测量行为”塑造。CV、s.d.、IQR、极差、熵捕捉不确定性不同维度；同一数据换指标可得下降、上升、不稳定三种结论，58%路径换指标出两种趋势、7%出三种。若只盯中间50%（IQR）似在减不确定，用极差/熵/CV则在扩不确定，说明“减不确定”缺乏统一本体论目标。
Research has increased uncertainty in the long run：15—20年尺度上，上升路径数为下降路径2—6倍；10年箱受噪声干扰多显不稳定。即便遥感、机器学习上新，认识论层面短期难见真收敛，揭示“数值精度”式进步与水安全、气候适应政策紧迫性错位。
讨论部分总结：研究人员认为，复杂对象被更深研究时会暴露概念边界——“irrigated agriculture”本身含混，雨养—灌溉是连续体；不确定性变大若来自纳入真实世界模糊性（灌溉面积定义、蒸散方程约40种、传统灌溉不追求生产率），反是认知进步。收敛也可能来自模型同质化（GMIA参数、FAO ET框架、共有假设），并非逼近真值。65项研究中仅24项做某种不确定性传播，仅8项做UA+一次性灵敏度，无一项对ET、作物系数、灌溉面积等做全局UA/SA。
研究结论部分译文：全球灌溉取水量理解上的进步，不在于追逐更高数值精度，而在于产出更大且更具洞察力的不确定性。
以上全部依原文浓缩，未引文献标号与图号，术语首次出现附缩写或简释，上标下标以呈现。
