引言
水、能源与粮食是全球可持续发展的基石,三者之间紧密耦合的相互作用被形式化为"水-能源-粮食"纽带(WEF nexus),为应对全球资源约束和跨部门冲突提供了核心框架(Han et al., 2026; Iqbal et al., 2026; Variani et al., 2023)。黄河流域作为我国北方粮食生产与能源开发的关键战略区域(Wang et al., 2022),面临严峻的缺水形势:仅拥有全国3%的水资源,却承载着全国13%的耕地和12%的人口(Zhang et al., 2025a)。黄河上中游流域贡献了全流域60%以上的天然径流,是WEF纽带内冲突最为集中的区域。其核心矛盾在于大型梯级水电站(对国家西电东送战略至关重要)与超大型灌区(我国北方商品粮生产的骨干)之间的用水竞争(Si et al., 2019)。季节性灌溉从干流大规模取水在某些地区直接将水电潜力削减高达50%(Liu et al., 2019),同时加剧了下游风险,包括径流持续下降乃至断流风险(Tian et al., 2019)。河套灌区等大型灌溉区高度依赖黄河引水进行农业生产(Xiong et al., 2025),其用水由上游梯级水库统一调度管理。灌区的固定引水时段要求水库优先保障灌溉供水,从而限制了水库灵活调节出库流量和蓄水动态的能力,制约了水电发电潜力。因此,梯级水库多目标最优调度是缓解水电与灌溉用水冲突的根本途径,而农业目标的准确刻画则是实现均衡权衡的基础前提。
在现有的多目标水库最优调度框架中,农业目标的过度简化表征始终是长期存在的局限。首先,大多数框架将农业目标简化为亏水率指标(Hu et al., 2026; Tang et al., 2025; Wu and Chen, 2013),其隐含假设是作物产量与供水满足率之间存在线性正相关。然而,大量研究已证实作物产量对水分胁迫的响应具有固有的非线性特征(Cui et al., 2019; Guo et al., 2024; Leng and Hall, 2019)。这种线性简化往往掩盖了节水潜力,并系统性地误算了实际的减产风险。其次,作物在不同生长阶段对水分亏缺的敏感性差异显著(Jiao et al., 2024; Zhang et al., 2021a, Zhang et al., 2021b; Zhu et al., 2021)。多数研究以生长期内亏水率均匀分布为核心优化目标(Li et al., 2019; Nourani et al., 2020; Zhang et al., 2025b)。在缺水条件下,此类框架无法优先保障关键生长阶段的供水,最终导致不可逆的产量损失。尽管已有研究尝试划分关键与非关键农业生长期,并利用层次分析法(AHP)确定各生长阶段的灌溉优先级(Jin et al., 2026),但此类方法通常较为主观且缺乏科学验证。在传统亏水率范式之外,部分研究将农业目标定义为作物利润最大化,利用联合国粮食及农业组织(FAO)作物水分生产函数进行量化(Yu et al., 2024; Zhang et al., 2023)。然而,此类方法仍依赖线性假设,无法捕捉作物对水分胁迫的非线性响应特征。同时,分生长阶段敏感参数与梯级水库运营中常用的月度决策周期之间存在时间尺度不匹配的问题。此外,多数核心参数缺乏本地化率定,依赖经验值。这种表征失真导致运营模型在评估灌溉供水与水电效益权衡时产生系统性偏差,使得难以通过优化供水时机来减轻减产风险,也阻碍了在保障粮食安全的前提下释放农业节水潜力和水电潜力。因此,准确量化作物水分响应并将其嵌入运营模型是解决这一困境的核心所在。
作物产量-水分关系的定量建模已从早期的经验统计模型发展到现代过程机理模型(Liu and Song, 2020)。经验模型(如Stewart-Jensen模型)因其简单性和计算便捷性而广泛应用于田间尺度(Li et al., 2022c; Wei et al., 2015),但缺乏物理基础且跨区域和气候场景的可迁移性较差。随着作物生理研究的深入以及对作物生长与水分胁迫相互作用认识的加深,以AquaCrop和DSSAT为代表的机理模型逐渐兴起(Ahmed et al., 2024)。其中,AquaCrop模型以水分驱动过程为核心(El Chami and Daccache, 2015; Li et al., 2024b),所需参数相对较少且模拟精度令人满意,是当前作物产量模拟与灌溉优化的主流模型(Davarpanah and Ahmadi, 2021; Li et al., 2026)。Peng等(2025)证明,将AquaCrop与水库调度模型耦合能够实现灌溉供水与作物产量响应的动态关联,极大提高了农业目标表征的精度。然而,此类机理模型固有的复杂结构、大量输入参数和低计算效率构成了瓶颈。由于梯级水库优化依赖于长序列、高频率的迭代计算,直接集成机理模型会引入不可接受的计算负担,使大规模优化难以实现。虽然基于机器学习代理模型已被越来越多地视为缓解此瓶颈的关键策略(Kumari and Pathania, 2026),但仍缺乏能够同时兼顾作物水分-产量响应机理特征与高计算效率、并有效嵌入水库运营模型的代理模型。
本研究通过开发一种基于AquaCrop、计算高效的农业代理建模框架来填补上述空白,重点关注河套灌区的小春小麦、春玉米和向日葵。首先,我们确定了各作物的最小总需水阈值以满足充分灌溉条件,并利用扩展傅里叶振幅敏感性检验(EFAST)和SCE-UA算法对AquaCrop模型进行率定。随后,采用多轮拉丁超立方抽样法构建全面覆盖0–100%灌溉亏水率梯度的样本情景集,并通过经验证的AquaCrop模拟获得不同情景下的产量损失率响应数据集。在此基础上,我们以生长季标准化降水蒸散指数(SPEI)和作物整个生长期的月度灌溉亏水率为两类核心输入变量,建立了代理模型,并利用多情景单因素扰动分析量化了不同月份灌溉的重要性。本研究进一步建立了涵盖泛化精度与决策稳健性的二维验证框架,并引入Gompertz曲线量化作物产量损失率对总灌溉亏水率的非线性响应模式。