卫星 + 模型双剑合璧!全球四大农业灌溉区,终于算清 “水账” 了

团队选了四大洲最关键、水问题最突出的农业枢纽，覆盖不同气候、作物与管理模式：

1. 美国本土（CONUS）：加州中央谷 + 大平原，旱区灌溉高度依赖地表水与地下水

2. 西班牙埃布罗盆地：地中海干旱典型，灌溉支撑高附加值蔬果

3. 印度：恒河平原稻麦轮作，地下水超采全球最严重

4. 澳大利亚墨累 - 达令盆地：澳洲农业命脉，水稀缺与洪水交替频发

⚙️ 两大 “黑科技” 联手，怎么算水账？

1. 生物物理模型 WATNEEDS

• 基于土壤 — 作物 — 大气连续体，逐日算水分平衡

• 输出：这块地 **“应该浇多少水”**

• 优势：物理机制清晰、支持气候情景模拟

2. 卫星遥感反演 SM-Inversion

• 用 5 套主流土壤湿度卫星（ASCAT/SMOS/SMAP/CCI）

• 从土壤水分异常里 “抠” 出灌溉信号

• 输出：这块地 **“实际浇了多少水”**

• 优势：抓真实人类活动、能识别洪水 / 干旱等极端事件

研究用相关系数 + 均方根误差做硬核比对，结论非常清晰：

• 美国、埃布罗、墨累 - 达令：模型与卫星相关系数 **＞0.6**，最高达0.87，季节趋势高度一致

• 印度：匹配度低，模型严重低估 11—2 月灌溉量

背后藏着真实农业密码

• 印度：模型只算主季稻，卫星抓到冬春季稻（Rabi） 高强度灌溉，戳中种植制度盲区

• 墨累 - 达令：洪水年卫星 “水量暴增”，模型无反应 —— 暴露模型不考虑洪水补水的缺陷

• 美国 2012 大旱：模型需水飙升，卫星用水没跟上 —— 精准捕捉干旱期供水跟不上需求的真实困境

• 西班牙埃布罗：卫星抓到早春提前灌溉，模型按气候需水启动 —— 反映农民经验性管理

• 模型缺真实管理、种植制度 → 卫星补

• 卫星缺物理机制、情景预测 → 模型补

3.直接服务政策与节水

• 识别哪里超采、浪费、供需错配

• 支撑干旱 / 洪水期灌溉调度

• 给可持续农业、地下水保护提供数据依据

图1. WATNEEDS 估算的 BW 与卫星产品估算的 IWU 时间序列。曲线表示案例研究区平均值，阴影带表示相对于平均值的 ±1 个标准差。

图2. WATNEEDS 的 BW 与卫星 IWU 估算差值的多年平均时间序列。点表示案例研究区平均值，误差棒范围为差值的 0.05 至 0.95 分位数。

图3. CONUS 区域内 WATNEEDS 的 BW 与卫星反演 IWU 像元尺度线性相关系数分布图。右下图表示像元尺度灌溉面积占比。

图4. 埃布罗河流域内 WATNEEDS 的 BW 与卫星反演 IWU 像元尺度线性相关系数分布图。右下图表示像元尺度灌溉面积占比。

图5. 印度区域内 WATNEEDS 的 BW 与卫星反演 IWU 像元尺度线性相关系数分布图。右下图表示像元尺度灌溉面积占比。

图6. 墨累—达令盆地内 WATNEEDS 的 BW 与卫星反演 IWU 像元尺度线性相关系数分布图。右下图表示像元尺度灌溉面积占比。