博世界

现有的灌溉用水估算方法，受到数据可用性和模型结构的约束，在全国尺度和未来气候变化情景下适用性差。基于此，该研究团队开发了一个基于机器学习的新模型，通过整合一系列高精度水文要素卫星遥感产品(降水、蒸散、土壤水分和雪水当量)、气象驱动因子、经济统计数据和数值模型模拟，在数据驱动框架下估算全国尺度的灌溉用水。新模型在估算灌溉用水方面表现出较高的准确性。通过11个农田站点的独立观测验证，模拟数据与实地观测数据具有显著相关性，准确率达到90%以上。

博世界据了解，灌溉农业约占全球耕地面积的20%，贡献了40%以上的粮食产量。中国拥有全球最大面积的灌溉农田，占中国耕地面积的一半以上，灌溉用水对作物生长和产量至关重要，尤其是在水资源短缺的地区，频繁的干旱和极端气温可能加剧其影响。因此，在全球气候变化导致粮食安全日益受到挑战的背景下，准确估算灌溉用水变化对于制定最优的水资源分配政策的重要性日益凸显。

合作完成这项研究的单位还包括中国气象科学研究院和美国宾夕法尼亚大学等，该研究成果近日在美国地球物理学会(AGU)旗下期刊Earth’s Future(《未来地球》)上发表。

该研究团队进一步考虑了一系列气候和社会经济情景，将建立的机器学习框架与四个先进的地球系统模型结合，提供了未来70年中国灌溉用水的变化趋势和相关成本。研究发现，基于不同的温室气体排放情景，未来70年，约60%的省份的灌溉用水量都会增加，特别是西北和华北区域。对比20世纪80年代至2010年的数据，全国灌溉用水到2050年预计最高将增加17.1%，灌溉用水的增加带来每年新增成本最高达到39.1亿美元；到2100年预计最高将增加34.8%，每年新增成本最高达到65亿美元，研究结果突显了水资源可持续利用与管理的迫切性。

该项研究提出了一种有效估算当前和未来灌溉用水的方法，研究成果可以扩展到其他面临日益增长的灌溉需求的国家。该研究结果也可为农业用水政策制定和决策提供重要信息，有利于指导在气候变化和社会经济动态背景下进行水资源的可持续利用与管理。