使用称重微渗器和机器学习模型估算半干旱地区洋葱作物蒸散量与作物系数

为什么洋葱和用水问题很重要

洋葱是厨房的常备食材，也是伊朗的重要作物，但在每一滴水都弥足珍贵的地区，它对水的需求很高。农民和水资源管理者需要准确了解洋葱田向大气散失了多少水，以便合理灌溉、避免浪费并保障产量。本研究将精确的现场测量与现代计算模型相结合，更好地理解伊朗半干旱地区洋葱的用水情况。

测量洋葱田的失水量

植物失水主要有两种途径：来自土壤表面的蒸发和通过叶片的蒸腾。合称为蒸散量。为高精度追踪蒸散，研究者使用了埋入地下的大型称重容器，容器中种植洋葱并装填土壤。通过记录重量随时间的变化，并跟踪降雨、灌溉与排水，他们可以精确得出每天系统损失的水量。在两个生长季中，第一年洋葱的用水约为447毫米，第二年约为432毫米，第二年较凉的天气导致用水略有减少。

区分植物需水与土壤蒸发

水分不仅被洋葱根系吸收，行间裸土也会直接蒸发。为将二者区分开，团队在主称重单元内放置了小型土柱，称为微渗器。这些小样本每天称重，以显示仅来自土壤表面的蒸发量。将其从总失水中扣除后，即可估算实际通过洋葱植株的蒸腾量。结果表明，大约三分之一的总失水来自土壤表面，其余来自植物蒸腾。他们还跟踪了这些比例随季节的变化：当植株较小、叶面积有限时，土壤蒸发占比更高。

指导灌溉的简单指标

农民与顾问常依赖作物系数——将当地气象条件与特定作物用水联系起来的简单因子。本研究计算了适用于伊朗半干旱条件下洋葱的单一与双因子作物系数。单一系数将洋葱的总用水量与标准草参考蒸散量相联系，双因子则在叶片与裸土之间划分影响。综合来看，平均系数在季初约为0.41，生长高峰期约为0.68，末期约为0.51。基于叶片的部分比一些其他国家报道的数值要低，反映出当地洋葱品种叶面积和植株高度较为有限，以及较凉的冬季减缓了其生长。

教计算机预测用水

由于大型称重装置成本高且稀缺，研究者还测试了是否可以用常见的气象与作物观测数据让计算机模型估算洋葱用水。他们用两年数据训练了五种机器学习模型，输入包括气温、湿度、风速、日照、叶面积和株高。模型学习拟合实测的失水并在未见过的数据上进行测试。两种基于树的方法——随机森林和决策树——给出了最准确的预测，随后是神经网络和支持向量回归。更简单的线性方法LASSO回归准确性较低，表明洋葱用水对天气与生长的响应具有复杂的非线性特征。

驱动洋葱用水的因素

通过解析表现最佳的模型，团队识别出最重要的输入变量。植株尺寸指标，如叶面积和株高，排名最高，其次是来自太阳的净辐射和风速。相比之下，空气湿度在该半干旱环境中作用较小。这意味着要可靠预测用水，不仅需要天气数据，还应了解作物的绿叶面积在某一时刻的情况。

对农民的意义

对于干旱地区的种植者和规划者，这项工作提供了两项关键工具。首先，它给出了将标准气象数据与洋葱用水联系起来的本地验证系数，有助于制定更合理的灌溉计划。其次，它表明在有基本气象与作物生长数据的前提下，训练良好的机器学习模型可以替代昂贵的田间仪器。两者结合，有助于在保持洋葱产量的同时更高效地利用有限水资源。

引用: Shirazi, S.H.M., Razzaghi, F. & Sepaskhah, A.R. Estimation of onion crop evapotranspiration and crop coefficients using weighing lysimeters and machine learning models in semi-arid region. Sci Rep 16, 16166 (2026). https://doi.org/10.1038/s41598-026-43887-w

关键词: 洋葱灌溉, 蒸散量, 半干旱农业, 作物系数, 机器学习模型