量化不同空间尺度下涝渍对作物生产的影响

《Agricultural and Forest Meteorology》:Quantifying waterlogging effects on crop production at different spatial scales

【字体: 大 中 小 】 时间:2026年07月16日 来源:Agricultural and Forest Meteorology 6.6

编辑推荐:

  欧洲极端降雨事件的增加使得水涝(Waterlogging, WL)成为农业生产的威胁。土壤长期饱和阻断根系氧气供应,阻碍作物生长发育。水涝以异质性时空模式出现,导致量化由此产生的产量损失十分困难。本研究旨在借助遥感在田块亚尺度上检测水涝,并利用过程作物模型量化

  
欧洲极端降雨事件的增加使得水涝(Waterlogging, WL)成为农业生产的威胁。土壤长期饱和阻断根系氧气供应,阻碍作物生长发育。水涝以异质性时空模式出现,导致量化由此产生的产量损失十分困难。本研究旨在借助遥感在田块亚尺度上检测水涝,并利用过程作物模型量化相关的产量损失。研究人员使用基于Sentinel-1 SAR的分类框架(结合边缘—大津阈值法Edge–Otsu thresholding和对数累积量伽马马尔可夫随机场Log-cumulant Gamma Markov Random Field, LGM)在田块尺度检测水涝,同时使用Sentinel-2衍生的植被指数评估与水涝区域相关的植被响应。应用包含基于地形的降水调节器的过程作物模型MONICA模拟导致氧气胁迫的水涝条件,并量化相关的产量减少。分析在区域和田间尺度进行,评估了主要越冬作物的生物量减少,并模拟了冬小麦的过程产量减少。区域尺度分析显示,水涝区域的作物植被指数比非水涝区域低42%(小黑麦triticale)至61%(油菜oilseed rape),特别是在早期生长阶段。MONICA模型结果显示,在示例田块的水涝条件下,冬小麦平均产量下降22.6%。遥感和模拟的氧气胁迫均一致突显地形洼地是水涝影响的热点区域。在过程MONICA模拟中纳入基于地形的降水调节器,使模拟产量损失与卫星衍生的生物量减少在空间上具有强对应关系,从而强调了地形在控制水分积累和水涝影响方面的重要性。
研究背景方面,农业是全球粮食安全的基石,但不确定的农业环境条件威胁着稳定的作物生产。在欧洲,强降雨显著增加,可能导致土壤水涝(WL)状况。水涝指土壤孔隙充满水分且土壤氧水平低的情况,植物根部周围缺氧条件阻碍根细胞有氧呼吸,导致根系功能和养分吸收下降。除少数植物能通过形态调整应对厌氧环境外,大多数作物因根系功能减弱导致显著减产。随着降雨模式变化,水涝愈发频繁,已成为全球许多农业区减产因素,估计影响世界10%耕地和12%总耕作面积,在德国也日益成为减产因素。评估水涝对作物生产力的影响幅度仍具挑战,因其常与其他非生物和生物胁迫共存难以分离特定效应,且作物对水涝的敏感性因物种和发育阶段差异显著。尽管水涝威胁已被广泛认识,但早期研究仍集中于田间测量和小规模建模,过程作物模型虽能模拟水涝对作物生长和产量形成的影响,但多为点模型,难以应用于大农业景观的时空背景以捕捉水涝事件的动态和广泛性。相反,遥感(RS)方法尤其是合成孔径雷达(SAR)和多光谱数据可提供有价值工具,但利用RS数据识别水涝相比干旱或洪水制图发展不足。本研究通过分析遥感与过程作物模型结合来评估水涝对作物生产的影响以填补此空白。
研究人员开展了结合遥感与过程作物模型在不同空间尺度评估水涝对作物生产影响的研究,得出水涝检测框架与NDWI参考图一致性高,地形洼地为水涝影响热点,模拟冬小麦减产约22.6%且与遥感生物量减少空间对应强等结论,具有重要意义,强调了地形作用及遥感与过程模型结合的潜力,论文发表于《Agricultural and Forest Meteorology》。
关键技术方法方面,研究人员选用德国下萨克森州、勃兰登堡州和巴伐利亚州的四个站点(Bruchhausen-Vilsen、Hermersdorf、Palsweis、Beerfelde)及勃兰登堡州作为样本区域。遥感数据采用欧空局Sentinel-1 VV极化C波段SAR数据和Sentinel-2 Level-2A多光谱数据(2023年12月末至2024年6月)。水涝检测采用Edge–Otsu阈值法与对数累积量伽马马尔可夫随机场(LGM)的两步分类框架,辅以Canny边缘滤波与马尔可夫随机场去噪。植被响应评估采用归一化植被指数(NDVI)。过程模拟采用MONICA作物模型,集成氧气亏缺(OD)算法,并引入基于地形和亚田块黑麦产量的降水调节器(Precipitation modulator)以表征地形驱动的水分再分配,气象与土壤数据分别来自德国气象局(DWD)和德国土壤概图BüK200。
研究结果部分,3.1节检测潜在水涝区域,其中3.1.1节站点尺度遥感结果显示,BV站点2024年1月初水涝面积达0.08 km2峰值,随后随参考蒸散发(ETo)上升而减小,Sentinel-1分类结果与RGB影像对应紧密,NDWI可能低估水涝范围;其他独立站点结果类似。3.1.2节精度评估显示,SAR衍生水涝分类与NDWI参考图总体精度达88.08%,Cohen’s Kappa系数为0.75,水涝类精确率、召回率和F1分数分别为96.30%、84.95%和90.27%。3.1.3节站点尺度遥感与MONICA模拟对比显示,Hermersdorf站点遥感检测的水涝区与MONICA模拟的缺氧时间(Time under anoxia, TUA)高值区均集中于低洼地形,空间重叠良好。
3.2节水涝导致的作物损伤,其中3.2.1节站点尺度NDVI显示,各站点水涝区NDVI在强降雨后显著低于非水涝区且持续受抑,BF站点水涝区NDVI曾暂降至0以下反映地表积水。3.2.2节州级尺度NDVI显示,勃兰登堡州五种越冬作物水涝区NDVI均低于非水涝区,油菜相对降低约61%,大麦55%,冬小麦51%,黑麦48%,小黑麦42%,早期生长阶段差异尤为显著。
3.3节利用MONICA量化水饱和区产量减少显示,Hermersdorf站点冬小麦模拟产量在水涝条件下平均下降22.6%(由5777 kg ha?1降至4470 kg ha?1),低洼区因土壤饱和及氧气胁迫产量大幅降低,与非水涝条件下低洼区因水分充足产量较高的基线模拟形成鲜明对比,模拟水涝空间分布与遥感检测结果一致。
讨论部分总结,研究人员指出本研究框架结合遥感与过程作物模型评估跨尺度水涝影响,Sentinel-1 SAR结合Edge–Otsu与LGM分类与NDWI参考图一致性高(88%,κ=0.75),证实SAR检测水饱和状况的能力,混合分类改善了模糊像素处理。遥感水涝与作物模型模拟水涝的空间对应突显观测与过程模拟的互补性及地形通过降水调节器控制水分再分配的关键作用。模拟冬小麦减产约22%对应缺氧时间(TUA)7至13天,与实验报道的敏感期每日约2%减产幅度范围相符。NDVI动态表明营养生长早期和分蘖期对水涝敏感,作物响应差异(黑麦、油菜较高耐受性)符合氧气胁迫适应机制的生理证据。
结论部分翻译为:本研究提出了一个结合遥感与过程作物模型以评估不同空间尺度下水涝对作物生产影响的框架。结果揭示了水涝发生的清晰空间模式、相关的植被响应及模拟的产量减少。结果对水涝影响的空间动态提供了重要见解。结合Sentinel-1 SAR数据与混合Edge–Otsu和LGM分类方法显示与NDWI衍生参考图强一致性(88%,κ=0.75),支持了SAR数据检测水饱和状况的能力,与近期研究一致。本研究的一个关键方法学贡献是将Edge–Otsu阈值法与统计LGM框架新颖整合用于Sentinel-1基水涝检测。以往研究通常独立应用阈值法,而结合Edge–Otsu与LGM能改善模糊或混合像素的处理并增强水涝检测的空间一致性。此处开发的遥感水涝分类另一优势是Sentinel-1 SAR数据基本不受云和天气影响,更适合连续水涝监测,尤其在季节早期作物对水涝高度敏感时。而NDWI源自Sentinel-2影像,受云覆盖、云影和大气条件强烈影响,在极可能发生水涝的极端降雨事件期间会减少数据可用性。此外,遥感水涝与作物模型模拟水涝区的对应关系突显了观测与过程模拟的互补性,这一点近期研究日益强调。基于地形的降水调节器的整合实现了水涝影响的空间表征,证明了地形在控制作物建模中水分再分配的关键作用。高程与降水调节器的负相关表明低洼区作为水分积累区,与先前发现一致。这也与近期综述一致,即许多作物模型因缺乏侧向流和饱和动态而低估水涝影响。虽然在低洼区非水涝条件下增加水分可用性可导致较高模拟产量,但纳入水涝胁迫后因氧气限制导致显著产量损失。模拟冬小麦约22%的减产对应于全田7至13天的模拟水涝持续时间(TUA)。基于实验研究报道敏感生长期每日约2%的水涝产量损失,此持续时间范围对应预期减产约14%至26%。虽缺乏冬小麦亚田块产量观测未能验证绝对模拟结果,但本研究模拟产量响应的量级与已发表实验结果一致。此外,观察到的NDVI动态表明早期营养和分蘖阶段对水涝特别敏感,与先前强调水涝影响强依赖物候的发现一致。作物响应差异(如黑麦和油菜比较小表和小麦更高耐受性)也得到氧气胁迫适应机制生理证据支持。然而,解释这些发现应考虑若干重要局限性。首先,水涝检测验证依赖于NDWI、Sentinel-2影像和目视检查,均源自对类似表面条件敏感的遥感观测,引入一定循环性。但因观测水涝数据尤其超越控制实验的空间尺度几乎无法获取,使用遥感数据验证本研究分类方法是最佳可用选项。此外,遥感衍生水涝分类、NDVI减少与产量损失的关系应解释为关联而非因果。NDVI对多种胁迫敏感,包括养分限制、病虫害和压力及倒伏,且在高冠层密度下已知饱和,可能无法完全捕获密植被下的生理胁迫。因此,水涝发生与NDVI减少的空间对应可能反映共现胁迫信号而非直接因果关系。另外,低或负NDVI值可能反映与生物量减少无关的因素如地表水。故基于NDVI的解释应视为植被状况指示而非产量或直接水涝影响的直接度量。进一步获取地面真值观测或独立绘图水涝区将大幅提高水涝图可靠性和验证。其次,MONICA中用于表示亚田块水涝变异性的降水调节方法是源自单一田块的地形驱动水分再分配的简化且站点特异的代理。虽该方法改善了模拟水涝模式的空间分辨率,但未明确考虑侧向地下流或地下水动态。水涝空间模式的真实模拟强烈依赖极高分辨率土壤和降水信息,而这往往不可用。因此,该方法应视为田块尺度概念验证,其转移至其他地区的不确定性仍存在。MONICA中水涝胁迫的表征基于空气填充孔隙体积(Air-Filled Pore Volume, AFPV)和缺氧时间等简化指标,虽捕获氧气胁迫关键方面,但模型未明确模拟可能影响模拟产量损失幅度和空间分布的结构限制。第三,模拟产量减少未用独立观测验证。可用亚田块产量数据对应冬黑麦且已用于推导降水调节器,故不能直接与模拟冬小麦产量比较。模型性能通过定性空间一致性评估,即较低模拟产量出现在遥感分类为水涝的区域。此一致性表明模型捕获了地形驱动的水涝影响主导模式,但不构成产量损失幅度的正式验证。尽管存在这些局限,本研究展示了整合SAR基遥感数据与过程作物模型以评估农业景观水涝影响的强大潜力。提出的框架能够检测空间异质性水涝模式并将其与作物生长响应和模拟产量影响联系起来。结果进一步强调了高分辨率地形、土壤、降水和产量数据集对真实模拟空间水涝动态及相关作物影响的重要性。未来工作应聚焦于将明确的侧向水文过程、地下水动态和改进的环境数据集整合到作物建模框架中。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号