AquaCrop-derived surrogate model for crop yield response to monthly irrigation deficit

背景：黄河上游流域面临梯级水电运行与大型灌区之间尖锐的水资源竞争。传统多目标水库调度因农业目标的过度简化线性表征，导致能量-粮食效益权衡关系失真；而基于过程的作物模型由于计算成本过高，无法直接嵌入需要长序列迭代优化的水库调度框架。目标：本研究旨在开发一种源自AquaCrop且计算高效的农业代理模型，能够准确刻画月度水分亏缺与作物产量非线性响应之间的映射关系，从而为水库调度框架提供精细化的农业损失函数。方法：以河套灌区的春小麦、春玉米和向日葵为研究对象，采用经本地校准的AquaCrop模型模拟全梯度亏缺灌溉情景下的产量响应。在此基础上，构建了以生长季标准化降水蒸散指数和月度灌溉亏缺比为驱动因子的高阶多项式岭回归代理模型。最后，采用涵盖泛化性能和决策一致性的离线双重验证框架对模型性能进行验证，并进一步量化了关键灌溉月份和产量损失阈值。结果与结论：代理模型在两个独立测试集上的全局决定系数均超过0.93，与样本最优AquaCrop方案相比，产量损失偏差中位数低于2%，且优于基准灌溉配水方案。然而，在重度水分胁迫条件下，预测精度显著下降，春玉米尤为明显。此外，与基于过程的模型相比，计算效率提升了五个数量级以上。在本地参数化的AquaCrop框架下，本研究确定春小麦对灌溉最敏感的月份为4月，春玉米为5月，向日葵为6月。与区间中值方案相比，代理模型推荐方案将物理可行的产量损失阈值推迟了6.7至14.7个百分点，Bootstrap 95%置信区间完全位于零以上。意义：本研究突出表明，源自AquaCrop的代理模型通过映射……弥合了作物建模与水库调度之间的差距。