基于无人机观测的精准灌溉调度：模型结构研究

《Environmental Modelling & Software》：Towards precision irrigation scheduling from UAV-based observations: Model structure

　　

利用无人机（UAV）近地表观测进行根区土壤水分（RZSM）估算需要至少包含两层且复杂度最低的模型，然而这一设计常被忽视。为弥补此不足，研究人员开发了一系列从两层到多层配置的土壤水分模型。关键过程包括垂向土壤水分再分布、蒸散发、排水和入渗，被逐步优化并系统评估。研究发现，采用基于Buckingham-Darcy方程的垂向通量和水胁迫调整蒸散发方案（R-FLX-ET）的两层模型为最优配置，以有限复杂度实现了高精度。该模型在小时尺度上对RZSM的纳什效率系数（NSE）可达0.92，对近地表土壤水分达0.81，均方根误差（RMSE）低于0.03 cm³ cm^-3，优于单层模型和Aqua Crop模型。数值稳定性分析及四个监测站的验证确认了模型的稳健性。RUP-FLX-ET为无人机辅助精准灌溉应用提供了计算高效的框架。

灌溉用水对全球作物生产至关重要，占消耗性用水量的近90%。面对全球人口增长导致的水资源短缺，提高灌溉效率愈发迫切。精准灌溉通过在最佳时间和地点输送所需水量，可较传统灌溉方式提高15-35%的水分利用效率。灌溉调度分为土壤水分法和植株状态法两类，后者虽可能更精确，但植株水分胁迫的测量困难且存在时滞性；前者则可直接提供需水量预报，减少气象因素影响。根区土壤水分（RZSM）直接调控植物养分与水分吸收，是保障农业生产力的关键。农场尺度的RZSM可通过原位直接测量或水量平衡建模估算，但前者受土壤异质性和成本制约，后者虽能直接估算空间变异，却易受简化物理过程、土壤水力参数估计偏差及气象数据不准等影响。

利用近地表土壤 moisture信息进行模型参数校准或状态更新是提升模拟精度的有效途径，该方法已应用于卫星数据。然而，公开卫星土壤湿度产品空间分辨率粗，缺乏适配的高分辨率模型，制约了其在农场尺度的应用。微型无人机（UAV）搭载微波辐射计可提供亚田块尺度的近地表土壤水分高分辨率影像，但需要与之耦合的适宜土壤水分模型以实现根区水分估算。现有灌溉软件多采用简化的"桶"模型，将根系深度内土壤视为单一土层，忽略土壤水分再分布及水分储存与蒸散发的反馈关系。而陆面模型（LSM）虽能提供全剖面详细信息，但算法复杂、输入要求高且计算效率低，难以在农场尺度实施。因此，兼顾必要精度与模型简化的研究亟待开展，特别是在结合无人机近地表观测量进行数据同化或参数校准的应用背景下。

基于上述背景，Cao Meng等研究人员在《Environmental Modelling》上发表了题为"Towards precision irrigation scheduling from UAV-based observations: Model structure"的研究论文，旨在从单层桶模型框架出发，系统探索最小复杂度下的适宜土壤水分模型结构，包含至少两个土层且足够简化以用于实际应用。该研究通过渐进式优化垂向土壤水分再分布、蒸散发、深层排水和入渗等关键分量，评估各分量对模拟精度的贡献，并构建多层模型分析土壤层数与离散化的影响。研究具有重要的理论与实践意义，为无人机近地表土壤水分信息的同化或校准提供了理想的模型基础，支持精准灌溉中的水量平衡建模与灌溉决策。

为开展研究，研究人员用到的关键技术方法包括水量平衡建模、Buckingham-Darcy方程用于垂向水通量计算、van Genuchten土壤水分特征曲线、Penman-Monteith方程计算蒸散发、改进的水胁迫系数调整蒸散发方案、Horton入渗方程、复杂系统进化（SCE-崛A）算法进行模型参数优化、以及Morris方法进行参数敏感性分析。研究对象为澳大利亚维多利亚州吉普斯兰地区Newry的一个约400米直径的中心枢轴灌溉农场，利用了该场地6个土壤水分监测站及配套气象站的观测数据，其中用于主要分析的是土壤性质相对均一的站6数据，并在其他站点进行验证。

研究结果表明：

**两层模型建立与分量评估：** 以单层桶模型（SL）为基线构建两层模型系列。对照模型R-FLX引入Buckingham-Darcy方程计算层间垂向水分通量，考虑了基于土壤基质势梯度的双向水分运动，替代了原"桶"模型中仅超田间持水量才产生渗漏的简化处理。该模型在小时尺度上对近地表和根区土壤水分的模拟能力显著优于SL模型，验证期NSE由负值转为正值，体现了显式化土壤梯度过程的重要性。基础R-FLX模型日尺度下近地表相关系数²达0.8788、RMSE为0.0369 cm³/cm³，根区则为0.9343和0.0273 cm³/cm³；小时尺度下近地表NSE为0.8344、相关系数²为0.9139。

**蒸散发方案改进：** 在R-FLX基础上引入水胁迫调整蒸散发形成R-FLX-ET模型。该方案采用分层作物系数（上层蒸发系数²，各层蒸腾系数²²）和两层土壤水分胁迫因子（²）调整参考蒸散发，实现了蒸发与蒸腾的区分及土壤水分胁迫的层特异性刻画。改进后日尺度和小时尺度下的根层NSE分别提升至0.9054和0.9152，偏倚由0.0092降至0.0024 cm³/cm³，验证了土壤水分-蒸散发耦合关系表征及分层作物系数设定的必要性。

**排水与入渗处理验证：** R-FLX-ET-DRN采用Buc123456789。78987654321