河北栾城农田生态系统国家野外科学观测研究站
新闻公告栾城站张玉翠研究组在华北平原农田蒸散预测与归因研究方面取得重要进展
作者: 栾城站 更新时间: 2026-06-15
华北平原作为我国核心粮食产区，其典型的冬小麦-夏玉米轮作系统正面临着严重的水资源短缺挑战。准确预测农田实际蒸散可以为实现精准灌溉和优化农业水资源管理提供重要的科技支撑，对于保障粮食安全与水安全具有重要意义。传统的物理模型在估算蒸散发时往往对阻力等难以获取的参数高度敏感，而新兴的机器学习模型虽然预测精度高，但受限于“黑匣子”属性，难以揭示不同气候背景下的蒸散发驱动机制。此外，模型在不同气候条件和地理位置的空间可泛化性也一直是制约其广泛应用的瓶颈。中国科学院遗传与发育生物学研究所农业资源研究中心张玉翠研究组，以华北平原典型轮作农田为研究对象，提出了一种融合水热年型识别与可解释机器学习的蒸散发动态预测框架。研究团队基于长期气象与涡度相关观测数据，将水热气候背景划分为6种年型（冷/暖/平温年及丰/枯/平水年），系统评估了6种机器学习模型在不同气候背景下的表现。研究发现，CatBoost模型在全局数据集及多数年型下表现最优。从数据驱动视角定量解析气象因子的贡献与影响发现，太阳辐射在所有年型中的贡献度均大于27.75%，且当其日总量高于18.3 MJ/m2时会导致蒸散量呈指数型增加，温度类因子的影响驱动作用次之。研究还利用全球9个FLUXNET农田站点对模型框架进行了独立验证，其表现出良好的空间泛化能力。该研究为气候差异下数据驱动模型的动态适配与优化提供了理论支撑，也为区域精准灌溉策略的制定提供了可靠工具。
上述研究成果以“Dynamic Prediction and Attribution of Farmland Evapotranspiration Across Year Types”为题，发表于本领域主流期刊Agricultural Water Management 上。中心博士生孙浩楠为论文第一作者，张玉翠研究员为通讯作者。该研究得到了河北省现代农业科技创新专项（252N7001D）、河北省自然科学基金（D2025503001, D2025503014）以及国家自然科学基金（U25A201976）的共同资助。
论文链接：https://doi.org/10.1016/j.agwat.2026.110413
