应用一种新的土壤数据聚合方法,以在流域规模上预测灌用水需求

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 计算建模 计算建模

背景情况:

• 土壤数据的不确定性影响了格式作物生长模拟,这对气候变化适应至关重要.
• 现有的土壤数据聚合 (SDA) 方法,如主要土壤类型 (MS) 和所有土壤类型 (AW-All),在计算效率和模拟可靠性之间进行了权衡.

研究的目的:

• 引入和评估SDA的聚类面积加权平均 (CAW) 方法,旨在在作物生长模拟中平衡效率和可靠性.
• 评估不同SDA方法 (CAW,MS,AW-All) 对灌水需求 (IR) 模拟所带来的不确定性.

主要方法:

• 通过随机森林分析确定了主要的土壤特性,以执行CAW方法的集群分析.
• 使用CROPGRO模型对韩国在2000年代和2040年代进行了网格模拟,比较了30米和1公里分辨率的土壤数据.
• 通过计算模拟输出在细分和粗分辨率之间的绝对差异 (AD) 来量化SDA方法的不确定性.

主要成果:

• 在使用四种或更多种土壤组时,CAW方法显示了与AW-All方法 (p > 0.05) 相似的不确定性指标.
• 在CAW中,AD超过10mm的部位年份比例为7%,明显低于MS方法的20%.
• 在灌用水需求模拟中,CAW方法的可靠性提高,不确定性降低.

结论:

• 该CAW方法为区域规模的作物模拟提供了一个可扩展和可靠的替代方案,增强作物模型的实用性.
• 这种方法通过减少土壤数据的不确定性来改善灌规划和制定气候变化适应战略.