Three-way debate – measurements, pedotransfer functions, and inverse modeling – input strategy for soil hydraulic parameters in wheat simulations
Jonas Trenz · Emir Memic · Dennis Gekeler 等 4 人
比较测量、传递函数和反演建模获取土壤水力参数对小麦模拟的影响。
使用DSSAT模型，结合Saxton和Rawls PTF、贝叶斯和网格搜索反演优
反演优化显著降低nRMSE至≤10%，提高小麦生长和产量预测精度。
可探索利用作物生长数据反演土壤参数在其他作物和区域的应用，或开发更高效的优化算法。
研究评估不同土壤水力参数获取方式对小麦模拟的影响，方法严谨，数据详实，对精准农业有参考价值。
土壤水力参数的准确表征对于农业生态系统模型中土壤-植物-水分动态的模拟至关重要。水力参数，特别是田间持水量和永久萎蔫点，控制着土壤水平衡，并界定了植物可利用水的范围。本研究通过在农业技术转让决策支持系统（DSSAT）中比较模拟的土壤水分动态、小麦生长和产量与观测数据，评估了土壤水力参数的影响。为此，采用了来自德国南部的一项详细的3年田间数据集（2022年、2023年和2025年），该数据集的独特之处在于将小麦生长与多个深度土壤含水量和基质势的密集逐日记录相结合。在DSSAT框架内，使用Saxton和Rawls土壤传递函数（PTFs）推导了永久萎蔫点和田间持水量；随后，利用持水曲线和土壤水分模拟，将这些估计值与实验室测量和传感器数据进行了对比评估。特别是，Saxton PTF在土壤水分模拟中引入了较高的不确定性，因此被选为逆建模方法的起点，采用贝叶斯和网格搜索算法优化田间持水量和永久萎蔫点。在优化过程中，以土壤含水量、小麦生长和生物量数据作为目标变量，显著降低了两种优化算法的归一化均方根误差（nRMSE）。整体模型性能显著提升，表现为nRMSE从Saxton PTF的20%降至贝叶斯算法以籽粒重量为目标时的≤10%，以及网格搜索算法以地上生物量为目标时的≤10%，从而提高了小麦生长和产量预测的准确性。本研究对实测、估算和校准参数如何影响土壤水平衡进行了现实评估，证明植物响应数据可作为优化田间持水量和永久萎蔫点的有效目标变量。