SoilWaterNow: Soil water nowcasting for mapping plant available water (PAW) across paddocks for improved on-farm decision-making
本文介绍了悉尼土壤水-能平衡（SWEB）模型，这是一个可扩展的框架，通过整合卫星、气候和土壤数据，生成澳大利亚谷物种植园高分辨率的每日根区土壤水分和植物可用水估算，从而实现及时的、数据驱动的作物管理决策。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在澳大利亚谷物带广袤而阳光曝晒的田野里，收成的命运往往取决于一种肉眼看不见的资源：土壤中所含的水分。对于农民而言，了解地下还剩多少水分，就如同了解天气预报一样至关重要。这些储存在植物根系所及土层中的水分，就像一个蓄水池，在降雨间隙维持着作物的生长。然而，植物可利用的水分量是一个微妙的平衡。它取决于降雨量、土壤的持水能力，以及植物自身通过被称为“蒸腾作用”的过程所吸收和流失的水分。这种流失发生在水分从土壤表面蒸发以及植物通过叶片释放水蒸气时。理解这种平衡非常困难，因为地面并非均匀一致；同一块农田可能既有紧紧锁住水分的重粘土块，也有让水分迅速流失的沙质块，从而形成一个复杂的干湿斑块马赛克，而传统的测量方法往往会忽略这一点。
为了破解这个谜题，悉尼大学的研究人员开发了一种名为“悉尼土壤水-能平衡模型”（Sydney Soil Water-Energy Balance model）的新型数字化工具。该系统充当了一个复杂的计算器，将土地的卫星图像与天气数据和土壤图结合起来，从而创建出整个农场土壤水分的详细实时图像。该模型并非依赖埋在地下、可能仅能反映一小处情况的单一传感器，而是利用高分辨率卫星观测来观察作物冠层的热度或凉爽程度。由于缺水的植物往往比水分充足的植物更热，模型可以据此推断出作物实际消耗了多少水。随后，它将这些信息与土壤的物理模拟联系起来，追踪降雨如何渗透、水分如何在不同土层中移动以及有多少水分流失到了排水层。其结果是一张显示植物可用水量且分辨率为30米的地图，这一尺度足以观察到单个围场内的变化。
研究人员在澳大利亚多样化的谷物种植区（从干旱的西部到较湿润的东南部）对该模型进行了测试，将其预测结果与来自数十个独立监测网络的数据进行了对比。这些网络涵盖了从实验田中的深层土壤探针到测量大面积水分的宇宙射线传感器等各种设备。结果显示，该模型的表现具有显著的一致性，能够准确预测各种气候和土壤类型下的土壤水分水平。在许多地区，模型的估算值与实际测量值之间的差异非常微小，且模型正确识别了景观中干湿区域的分布模式。这一成功表明，将地表温度数据与土壤物理学相结合的方法，是一种无需在每个田间安装昂贵传感器的监测水分状态的稳健方式。
这项工作的实用价值在于它能够为农民提供一种“即时预报”（nowcast）——即当前土壤水分状况的快照，可用于做出即时决策。通过清晰了解作物可利用的水分量，农民可以估算在当前条件下该田块可能产出的谷物产量。这种信息允许进行更精准的管理，例如决定是否添加额外的肥料以促进生长，或者如果水分供应不足以支撑更大规模的作物，则减少投入。通过将复杂的卫星数据和天气模式转化为简单的、可操作的土壤水分图，这一工具帮助农民应对多变季节带来的不确定性，确保其决策是基于对脚下隐藏之水的清晰理解。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。