500米栅格水稻灌溉时空优化：协同提升水分生产率与减排甲烷

《Agriculture》：Spatio-Temporal Optimization of Rice Irrigation at Raster Scale: Synergies Between Water Productivity and Methane Emission Reduction Lijuan Wang, Haiyan Li, Yingshan Chen, Hongda Lian, Yan Sha and Wenhao Dong

本文针对区域水稻灌溉中协调水分生产力与甲烷减排的挑战，提出了一个高分辨率栅格化建模与优化框架。研究耦合了GIS-DSSAT和GIS-DNDC模型，利用随机森林(Random Forest)建立灌溉-产量-甲烷(CH4)的非线性响应曲面，并通过多目标优化算法(NSGA-II)为三江平原40余万个栅格生成最优灌溉方案。结果显示，优化方案在减少总灌水量10.3%和单位产量CH4排放9.6%的同时，将水分生产率提升了21.8%，为区域水资源优化和低碳稻作策略提供了关键的决策支持。

　　

1. 引言

水稻是全球超半数人口的主粮，中国作为最大的水稻生产与消费国，其水稻收获面积占全球18.5%。然而，水稻生产高度依赖灌溉，其耗水量占中国农业总用水量的65%以上，是小麦、玉米等主粮作物的2-3倍。因此，优化水稻灌溉用水对实现高效生产至关重要。同时，稻田是重要的人为甲烷(CH₄)排放源，贡献了全球10-13%的排放量，而中国稻田的CH₄排放量占全球总量的21.9%。在CH₄占稻田温室气体(GHG)排放高达94%的背景下，优化灌溉制度以协同提升水分生产率(WP)和减少CH₄排放，对于保障粮食安全、应对气候变化及实现2060年碳中和目标具有紧迫意义。

既有研究在水稻灌溉优化方面已取得进展，但多集中于试验田块或粗分辨率区域尺度，缺乏能够同时处理精细空间异质性和最优灌溉时机的高分辨率、一体化优化框架。水稻生长和CH₄排放对土壤质地、有机质含量等空间变异因子高度敏感，这要求灌溉策略必须具备站点特异性。因此，本研究旨在开发一个基于物理过程、高分辨率栅格驱动的灌溉优化框架，以在区域尺度上提高水分利用效率并减缓甲烷排放。

2. 材料与方法

2.1. 研究区域概况

研究区为位于中国黑龙江省东北部的三江平原。该区属温带湿润、半湿润大陆性季风气候，年均气温1-4°C，年均降雨量约384-886毫米。土壤肥沃，有机质含量通常在3%-5%之间。至2022年，三江平原水稻种植面积约110万公顷，占其耕地面积的29%，是研究水稻灌溉优化的理想区域。

2.2. 数据与方法

研究使用的数据包括气象、土壤、作物及田间管理数据。气象数据来源于中国气象数据服务中心，土壤数据取自Harmonized World Soil Database version 2.0 (HWSD v2.0)。灌溉决策基于一个关键的耗水阈值参数δ。

2.3. 作物生长过程的分布式模拟

研究采用GIS-DSSAT模型来模拟区域水稻生长的空间分布。DSSAT模型是一个基于过程的作物生长模拟工具。模拟采用了适应三江平原寒地的粳稻品种，并为每个500米×500米栅格模拟了从0毫米开始、以5毫米递增的共计99种灌溉情景，以全面捕捉水稻从水分胁迫到渍水的完整生理响应谱。模拟结果外推至区域尺度，为分析产量对灌溉水的响应提供了基础数据。2/d); KCAN: Canopy extinction coefficient; LAI: Leaf area index of crops; CARBO: Actual daily dry matter production simulated by the crop growth model; PRFT: Temperature stress factor; SWDF: Soil water deficit factor; NDEF: Nitrogen deficit factor; P and I: Precipitation and irrigation amount, respectively; R and D: Surface runoff and deep percolation, respectively; ET: Crop evapotranspiration.">

2.4. 作物甲烷排放的分布式模拟

研究采用GIS-DNDC模型来模拟区域水稻生长期间的CH₄排放空间分布。DNDC模型是一个基于过程的土壤环境模拟工具，包含气候与土壤、作物生长、土壤有机质分解等多个子模块，能够模拟环境条件、植物生长与土壤化学动态间的复杂相互作用。研究同样将区域数据栅格化，并模拟了不同灌溉情景下CH₄的产生、氧化和传输过程，为建立CH₄排放与灌溉水量之间的关系提供了关键数据集。

2.5. 模型校准与验证

模型通过参数调整和模型评估两步进行校准与验证。DSSAT模型使用黑龙江省统计年鉴的实际值进行验证，DNDC模型使用来自37个灌区的数据进行验证。验证结果表明模型性能良好：用于产量模拟的DSSAT模型，其归一化均方根误差(nRMSE)为5.08%，决定系数(R²)为0.87；用于CH₄排放模拟的DNDC模型，nRMSE为12.64%，R²为0.83。耦合模型框架在区域尺度的模拟结果与独立统计数据吻合良好。

3. 结果与讨论

研究揭示了灌溉水量、产量与CH₄排放之间呈现二次非线性关系。基于此，研究构建了时空灌溉优化模型，并应用NSGA-II算法为三江平原的408,264个响应单元（栅格）求解了帕累托最优解集，从而得到了区域水稻种植的优化灌溉方案。

与当地常规灌溉实践（通常为每季15-20次淹灌）相比，优化灌溉方案包含7-14次灌溉事件，其中12次灌溉占42%的情况，灌溉时段为年内的第137天至256天。该优化方案实现了多重效益：

1. 1.
   节水：总灌溉水量减少了10.3%。
2. 2.
   减排：单位产量CH₄排放降低了9.6%。
3. 3.
   增效：水分生产率(WP)显著提升了21.8%。

这些结果表明，通过高分辨率时空优化，可以在不牺牲产量的情况下，有效协调水稻生产中的水资源高效利用与温室气体减排目标。该研究建立的框架能够捕捉田间尺度空间异质性，为制定站点特异性的灌溉管理策略提供了强大工具，对于推动区域农业水资源优化配置和发展“节水减碳”的稻作模式具有重要价值。