旱区农业新疆研究院 “一事一议” 支持战略人才项目系列成果一

在新疆自治区“一事一议”支持战略人才项目（批准号：XJHQNY-2025-3）等资助下，旱区农业新疆研究院孙世坤教授课题组面向西北干旱区河西走廊滴灌农田春玉米“生长过程难以近实时、可解释地精准模拟”的实际需求，构建了“无人机多模态遥感—作物模型—序贯同化”一体化技术框架。研究成果以“Improvement of crop growth simulations under different drip irrigation models by jointly assimilating UAV multimodal data into crop models”为题，于2025年9月16日在线发表在国际学术期刊《Agricultural and Forest Meteorology》杂志上，论文链接：https://doi.org/10.1016/j.agrformet.2025.110870。

作物模型能够刻画作物发育、光合积累、干物质分配与土壤水分平衡等关键生理生态过程，但在实际推广中常受土壤与管理的空间异质性影响，导致模拟不确定性增大。无人机遥感具有高分辨率与高机动性优势，能够快速获取冠层光谱与热红外信息。然而，无人机监测多依赖经验或统计学习模型，缺乏过程机理描述。数据同化技术，尤其是集成卡尔曼滤波（EnKF），可在模型正演过程中动态吸收观测数据，降低不确定性并提高模拟精度，已在作物产量估算、水足迹评估和干旱监测中展现出潜力。但在覆膜滴灌等干旱区典型管理模式下，UAV同化研究仍然不足，不同滴灌模式间的系统比较也较为缺失。因此，如何把无人机观测优势与作物模型的机理优势在同一框架中耦合，并服务滴灌条件下的作物生长监测与管理，是当前精细农业中的关键问题。

针对这一难题，研究团队提出一个无人机多模态数据与WOFOST模型耦合的EnKF同化框架，在甘肃武威民勤开展田间试验，设置地表滴灌（SDI）、覆膜滴灌（FDI）与浅埋滴灌（SBDI）三种模式，并配置100%/80%/60%灌溉梯度。团队使用无人机多光谱与热红外数据，基于植被指数与冠层温度构建BP神经网络反演框架，反演叶面积指数（LAI）与0–60 cm平均土壤含水量（SM），其中LAI与SM反演精度最高R²达到0.85。随后，采用EFAST方法对WOFOST模型50个参数开展敏感性分析，筛选并率定关键敏感参数，并将LAI、SM作为同化观测量，利用集合卡尔曼滤波（EnKF）开展三种序贯同化方案：仅同化LAI、仅同化SM、LAI+SM联合同化。

结果表明，LAI与SM联合同化整体优于单变量同化，可同时提升LAI、SM及产量模拟精度；单独同化LAI对LAI与产量改进更明显，而单独同化SM主要改善SM，对LAI和产量提升有限。不同滴灌模式对同化响应存在差异：在LAI与SM模拟方面，浅埋滴灌（SBDI）整体表现更优；在产量估算方面，地表滴灌（SDI）改进幅度更突出。研究进一步从覆膜影响土壤蒸发与地表热状况、改变生育进程等机理角度解释了不同模式下模拟偏差来源，为滴灌农田“观测—模型—决策”的一体化精细管理提供了可复用的技术路线。

该成果为干旱区滴灌体系下的作物生长监测、产量预报与灌溉管理提供了可解释、可推广的技术框架：一方面以无人机多模态数据实现关键状态量的高精度获取，另一方面通过EnKF序贯同化持续校正作物模型状态，有助于在管理措施差异显著的田间条件下提升模拟可靠性，为精准灌溉与节水增产提供技术支撑。