《Agricultural Water Management》：Uncertainty-aware irrigation scheduling based on probabilistic site-specific soil moisture predictions with SWIM2: A case study in Flanders
编辑推荐：
本研究聚焦于精准农业中的灌溉决策优化难题。针对现有决策支持系统多基于确定性预测、难以量化不确定性的局限，研究人员开发并评估了一套基于概率性、场地特异性土壤水分预报的实时灌溉决策支持系统（DSS）。该系统核心是SWIM2框架，它通过贝叶斯反演模型整合原位传感器数据和土壤样本，生成概率性的10天土壤水分预报。研究结果表明，该不确定性感知框架在预测触发灌溉阈值的水分胁迫时具有高检测率和准确性，并能够评估不同灌溉策略下的水分利用效率（WUEc），为支持数据驱动的、场地特异性灌溉策略提供了实践范例，有助于提升农业水管理。
在农业水资源日益紧张的今天，如何“聪明”地灌溉成为了一个关键问题。全球灌溉面积在过去50年里扩张了70%，水资源消耗翻倍，而这往往发生在本就缺水的地区。与此同时，气候变化导致生长季干旱发生得更频繁、持续时间更长，作物对水分的需求有增无减。以比利时的法兰德斯地区为例，尽管其45%的国土是农业用地，但仅有不足1%的可灌溉土地被实际灌溉。对于高价值的蔬菜作物（如韭葱），不进行补充灌溉会导致显著的干旱胁迫，影响产量和品质。尽管基于物联网和无线传感器网络的灌溉决策支持系统日益增多，但大多数现有模型和系统是确定性的，难以量化模型参数、观测数据以及至关重要的天气预报所带来的不确定性。将预测不确定性转化为可操作的灌溉建议，从而支持基于风险的决策，是当前面临的核心挑战。
为了应对这一挑战，一项发表在《Agricultural Water Management》上的研究为我们提供了一种新的思路。由Marit G.A. Hendrickx等人领衔的研究团队，开发并评估了一套名为SWIM2（Sensor Wielded Inverse Modeling of a Soil Water Irrigation Model）的实时决策支持系统。这项研究的核心在于，它不再给出一个单一的、“肯定”的土壤水分预测值，而是通过一套概率性的建模框架，告诉农民未来几天土壤“很可能”会变干到什么程度，以及作物“有多大几率”会面临水分胁迫。这就像为灌溉决策装上了一副“风险透视镜”，让决策者能够在了解不确定性的前提下，做出更稳健、更符合自身风险偏好的选择。
研究人员开展这项研究，主要依赖于几个关键的技术方法。首先，他们在比利时两个地点的不同田块（分别种植比利时菊苣和韭葱）设置了包含土壤水分传感器和人工取样的灌溉实验，构建了详实的田间数据集。其次，他们建立了一个基于FAO-56方法的单层“桶”模型作为土壤水平衡模型，用以模拟根区的土壤水分动态。最为关键的是，他们采用了DREAM(ZS)这一贝叶斯反演建模算法，将传感器实时数据和周期性土壤样本及其不确定性整合到土壤水平衡模型中，从而估计出模型参数的概率分布，生成了概率性的土壤水分预测。最后，他们将这个模型参数集合与欧洲中期天气预报中心提供的确定性及概率性天气预报集合相结合，生成了包含参数和天气双重不确定性的10天土壤水分预报集合，并基于此开发了灌溉决策逻辑。
2.4.2. 整合模型参数与天气预报集合
为了高效地结合模型参数的不确定性和天气预报的不确定性，研究人员采用了分层随机抽样方法从反演得到的模型参数后验分布中选取了1200个参数集，构成了模型参数集合P。他们构建了多种预测情景：将参数集合P与天气预报的控制预报wCF结合，得到预测集合Θ(wCF, P)；将参数集合P与包含51个成员的完整天气预报集合W结合，得到包含61200个成员的“全集合”预测Θ(W, P)；此外，还设置了使用观测天气数据和零降雨保守情景的参考集合。通过方差分解分析，他们量化了在短期和较长期预报中，模型参数不确定性与天气预报不确定性对土壤水分预测总方差的相对贡献。结果表明，在短期（1-3天）预测中，预测的不确定性主要来源于模型参数；而随着预报时间的延长（4-10天），天气预报的不确定性逐渐成为主导因素。这说明，要实现可靠的土壤水分预报，必须同时考虑这两种不确定性来源。
2.5.1. 灌溉决策制定
研究团队开发了一个简单的决策支持系统，将概率性的土壤水分预测转化为可操作的灌溉建议。系统核心是计算作物水分胁迫概率Pstress，即预测集合中土壤水分低于临界胁迫阈值θcrit的成员比例。他们设定了一个决策阈值C=0.3（即30%），当未来至少连续两天有30%或以上的预测成员显示将发生水分胁迫时，系统就会建议灌溉。这个阈值代表了一种中等保守、厌恶风险的策略，实际中可根据水资源状况、灌溉成本等因素灵活调整。评估显示，无论是使用确定性天气预报还是概率性天气预报，基于SWIM2的DSS在预测触发灌溉的日期上都表现出高检测率和准确性，概率性天气预报的加入在较长预见期提供了略好的可靠性。
2.5.2. 模拟灌溉处理
为了展示SWIM2框架在评估灌溉策略方面的潜力，研究人员利用在参考处理（100%灌溉）上校准好的模型，模拟了不同灌溉处理（100%、50%、0%灌溉）下的土壤水分、实际蒸散量（ETa）和作物响应。模型在未安装传感器的独立处理上的模拟结果与实测土壤水分样本吻合良好，证明了参数估计在不同灌溉制度间的可迁移性。通过对模拟结果的分析，他们计算了作物水分利用效率、灌溉水生产力和作物水分生产力等指标。结果表明，在2022年干旱的生长季，灌溉显著提高了韭葱的产量和水分生产力。模拟分析清晰地展示了如何利用校准后的模型来评估和比较不同灌溉策略对作物生产力和水资源利用效率的影响，为优化灌溉管理提供了定量工具。
本研究成功开发并评估了一个基于不确定性感知的、场地特异性灌溉决策支持系统。SWIM2框架通过贝叶斯反演建模，整合了现场传感器、土壤样本和天气预报，能够生成概率性的土壤水分预测，并量化模型参数和天气预报输入带来的不确定性。研究表明，该框架在实时预测土壤水分和触发灌溉的水分胁迫方面是可靠且准确的。短期预测的不确定性主要受模型参数支配，而中长期预测的不确定性则更多地来自天气预报。将概率性天气预报与模型参数集合结合，能够提供更全面的不确定性表征，支持更稳健的决策。研究还证明，基于该校准模型，可以模拟和评估不同灌溉策略对作物水分利用效率和生产力的影响。
这项工作的意义在于，它展示了概率性、集合建模框架在支持数据驱动的、场地特异性灌溉策略中的实际应用和优势。与传统的确定性方法相比，这种不确定性感知的方法为灌溉决策者提供了风险评估工具，使他们能够根据水资源可用性、经济成本和风险偏好做出更明智的选择。这对于在气候变化和资源约束背景下，提高农业水管理效率和可持续性具有重要的实践价值。
