《Agricultural Systems》：Combining a crop growth model and a machine learning algorithm to estimate regional water-saving potential for field crops
编辑推荐：
区域水-saving潜力评估、AquaCrop模型、差分进化算法、机器学习、环境因子影响
刘宇琪|李成豪|吴玉珍|魏航志|陈一帆|王长喜|王阳|Jirka ?im?nek|廖仁宽
中国农业大学土地科学与技术学院，农业水资源高效利用国家重点实验室，华北耕地保护重点实验室，北京 100193，中华人民共和国
摘要
背景
全球水资源短缺对可持续发展构成了挑战，尤其是在干旱和半干旱地区，农业消耗了大部分可用的淡水。在区域尺度上准确评估节水潜力对于合理分配水资源至关重要。然而，由于环境因素的空间复杂性，从田间尺度上升到区域尺度的建模仍然是一个重大挑战。
目标
本研究通过将基于过程的作物生长模型与机器学习相结合，开发了一个框架来估算区域农业节水潜力。以极度干旱的吐鲁番-哈密盆地为例，我们量化了主要田间作物的节水潜力，并分析了各种灌溉优化方案的有效性。
方法
我们使用140个田间站点对AquaCrop模型进行了参数化，模拟了六种主要作物（葡萄、棉花、哈密瓜、向日葵、玉米和小麦）在不同总可用水量（TAW）阈值下的产量和水分利用响应。应用差分进化（DE）多目标优化算法来优化灌溉阈值，以在保持产量的同时最小化水分消耗。随后，我们使用CatBoost机器学习模型和来自Google Earth Engine的环境协变量，将田间尺度的节水潜力提升到区域尺度。
结果与结论
针对冠层覆盖（CC）和产量观测的本地验证表明，该模型在主要作物（小麦、玉米、向日葵、棉花、葡萄和哈密瓜）上的表现稳健，季节内的均方根误差（RMSE）值范围分别为CC的5.8%至23.8%，产量的0.06吨/公顷至0.52吨/公顷。根据这些校准后的模型，AquaCrop模拟显示节水潜力存在显著差异：地表灌溉的葡萄表现出最高的平均节水潜力（2967.5立方米/公顷），而微灌的棉花表现出最低的潜力（15.9立方米/公顷）。CatBoost模型在区域估算方面取得了较高的预测准确性（R2 = 0.89，MAE = 222.60立方米/公顷）。特征重要性分析确定作物类型、灌溉方法、温度和露点温度是节水潜力的主要驱动因素。我们得出结论，在当前灌溉条件下优化灌溉阈值可以节省1.075×10^8立方米的水资源。如果全面采用微灌技术，这一数字可增加到1.827×10^8立方米。
意义
本研究强调了将作物建模与机器学习相结合，有效弥合了田间实验与区域尺度水资源评估之间的差距。我们的结果表明，在干旱地区，升级灌溉系统和优化灌溉调度比改变现有的种植模式是更可行的节水策略。这些发现为水资源短缺地区的可持续水资源管理提供了数据驱动的指导。
引言
水资源短缺已成为一个严重的全球性挑战，显著影响了可持续发展。随着人口增长和气候变化，水资源供需失衡的问题日益加剧（Scanlon等人，2023；Sun等人，2024；Wang等人，2025）。在干旱和半干旱地区，灌溉农业对于维持全球粮食安全至关重要，因为它支持高生态系统的生产力（Wang等人，2022；Jiang等人，2024）。作为最大的水资源消耗部门，农业对全球水资源安全和粮食生产有着重大影响，灌溉占可用水资源的90%（Hoekstra和Mekonnen，2012；Hoover等人，2023）。尽管灌溉面积仅占农田的24%，但它贡献了全球约40%的粮食生产（Wang等人，2022）。特别是在降水量稀少、蒸发量高的干旱和半干旱地区，农业生产严重依赖灌溉，这使得水资源的可用性成为区域发展的主要限制因素（Grafton等人，2018；He等人，2021）。预测显示，到2050年全球人口将达到97亿，至少需要增加70%的粮食生产（Van Dijk等人，2021）。此外，最近的研究指出，在过去三十年中，北半球的干旱地区水资源短缺问题日益严重，这凸显了这些农业用地有效水资源管理策略的紧迫性（Jiao等人，2021）。因此，准确评估区域节水潜力对于制定稳健的水资源保护政策、优化资源配置和确保粮食安全至关重要（Zhang等人，2025a）。
目前，有多种策略用于提高农业生产中的灌溉效率（Lv等人，2024）。一种方法是改进灌溉设备并采用微灌技术，如滴灌和喷灌系统。与传统地表灌溉相比，这些技术能够实现更精确的水分分配，从而显著提高水分利用效率（Kapoor等人，2022；Mandal等人，2019）。另一种方法是利用实时信息（包括气候数据、土壤湿度水平和作物水分需求）来优化灌溉策略（Yue等人，2024）。精准灌溉技术，包括智能灌溉系统、土壤湿度传感器和天气预报工具，能够实现实时监测和调整灌溉量，以避免过度或不足灌溉（Bwambale等人，2022；Fontanet等人，2022；Halli等人，2024）。了解不同地区作物对不同灌溉制度的响应对于优化农业用水至关重要。
虽然田间实验提供了宝贵的直接观测数据，但它们通常耗时且成本高昂（Wu等人，2023）。因此，作物模拟模型为分析不同灌溉策略下的作物表现提供了更有效的替代方案。AquaCrop模型以其广泛的适用性、较低的数据输入要求和用户友好的界面而著称，特别适合多目标灌溉优化。最近的研究成功使用AquaCrop确定了最佳灌溉量，并为不同水文条件制定了适当的灌溉策略，突显了其在适应性水资源管理中的价值（Zhu等人，2024；Bian等人，2025；Garofalo等人，2025）。AquaCrop能够评估灌溉计划并主要在田间尺度上评估节水潜力。然而，将这些点尺度结果提升到区域尺度仍然具有挑战性，限制了其在大规模实际应用中的可行性，尤其是在制定更广泛的区域灌溉策略和量化大规模节水效果方面。
传统上，区域尺度建模依赖于空间插值技术。虽然这些方法有用，但它们往往无法充分捕捉土壤、气候和地形等环境协变量的变化，可能影响区域估计的准确性（Maynard和Levi，2017）。最近的研究证明了将机器学习与多目标优化相结合在农业资源管理中的有效性。例如，先进的算法已成功应用于优化水资源和土壤资源并提高作物生产效率（Seyedmohammadi等人，2018，Seyedmohammadi等人，2023，Seyedmohammadi等人，2024）。当机器学习方法与环境协变量结合使用时，可以为将点尺度建模结果扩展到区域尺度提供稳健的替代方案（Belkhiri等人，2020；Yanto等人，2022；Bel-Lahbib等人，2023；Li和Heap，2011）。尽管取得了这些进展，但仍存在研究空白。大多数当前的区域尺度研究要么依赖于缺乏生理机制的纯统计机器学习模型，要么专注于无法直接外推以提供区域决策支持的点尺度机制模拟。具体来说，目前缺乏一种基于环境协变量将点尺度多目标优化结果提升到区域尺度的综合方法。
在本研究中，我们使用140个田间站点的数据对盆地内的六种主要作物进行了AquaCrop模型的参数化。然后，我们使用差分进化（DE）算法对灌溉策略进行了多目标优化。最后，为了解决提升尺度的问题，我们使用CatBoost模型将这些140个田间尺度的优化结果外推到区域尺度，结合了基于环境协变量的方法进行全面的区域建模和制图。通过整合环境协变量，这种方法能够实现对整个盆地节水潜力的稳健映射和快速统计汇总。该框架允许评估三种不同的优化方案，为农业水资源分配提供可行的科学支持。
研究区域描述
研究区域描述
吐鲁番-哈密盆地位于北纬40°52′21″–45°5′49″和东经87°21′51″–96°23′10″之间。该盆地以极端干旱为特征，年平均蒸发量超过2712毫米，年平均降水量仅为47.5毫米（Bai等人，2024）。这种恶劣的气候和严重的农业水资源短缺严重限制了该地区的农业发展，凸显了高效灌溉规划的必要性。本研究重点关注了六种主要作物：葡萄、棉花……
田间尺度上的节水潜力估算
为了确保田间尺度模拟的可靠性，首先对AquaCrop模型进行了六种作物的验证。如图S2和S3所示，模拟的冠层覆盖（CC）和产量与田间观测结果吻合良好。季节内的RMSE值范围分别为CC的5.8%至23.8%，产量的0.06吨/公顷至0.52吨/公顷，证实了该模型准确捕捉作物生长动态的能力。土壤湿度阈值是影响作物产量和灌溉的关键因素
区域节水潜力估算中的特征重要性分析
先前的研究强调，识别关键影响因素和理解作物对这些变量的响应是准确建模和优化的先决条件（Navidi等人，2022；Eskandari等人，2023）。在本研究中，通过在140个点进行的AquaCrop模拟确定了作物类型、灌溉方法、温度（Temp）、海拔（Elevation）和露点温度（TempDew）是影响区域节水估算模型的五个最关键特征
结论
本研究通过整合AquaCrop模型、优化算法和机器学习技术，提供了一个系统化的框架来估算区域节水潜力。在吐鲁番-哈密盆地，地表灌溉的葡萄表现出最高的平均节水潜力，为2967.5立方米/公顷，而微灌的棉花表现出最低的潜力，为15.9立方米/公顷。温度、海拔和露点温度等环境协变量成为影响节水潜力的关键因素
CRediT作者贡献声明
刘宇琪：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，软件，方法论，调查，正式分析，数据管理。
李成豪：撰写 – 原始草稿，可视化，软件，调查。
吴玉珍：撰写 – 原始草稿，软件，调查。
魏航志：撰写 – 原始草稿，可视化，调查。
陈一帆：撰写 – 原始草稿，可视化，调查。
王长喜：撰写 – 原始草稿，验证，调查。
致谢
本工作得到了国家第三次新疆综合科学考察项目（2022xjkk1103-3）的支持。
