在印度南部巴拉塔普扎河流域中使用SWAT整合水文模拟与稻田产量预测

为何稻米与河流在此地重要

在印度南部的喀拉拉邦，稻米不仅仅是一餐食物——它在文化和日常生活中居于核心地位。不过该邦如今仅能生产大约五分之一的粮食自给。气候变化、季风时序变化以及地下水位下降正逐步压缩收成，帕拉卡德（Palakkad）地区受影响尤甚，人们常把它称为喀拉拉的“稻米碗”。本研究提出了一个具有重大后果的实际问题：我们能否利用对河流与降雨的计算机模拟来预测农民的稻谷产量，从而更明智地规划用水与耕作决策？

将田间联系到整个流域

该研究聚焦于巴拉塔普扎河流域内两大稻作区——帕拉卡德（Palakkad）和阿拉图尔（Alathur）。当地农户高度依赖马兰普扎哈（Malampuzha）水库储存的灌溉用水，该水库截留来自周边山地的季风雨水。作者并未将稻田孤立考察，而是把稻田视为更大水循环故事的终点：雨落山巅、雨水渗入土壤或在地表径流，沿溪流和渠道流动，最终到达稻田。为追踪这一从云到作物的链条，他们使用了知名的计算工具SWAT（土壤与水评估工具），该工具能模拟水在景观中的流动以及作物在不同条件下的生长情形。

计算机模型如何构建

为了让虚拟流域的行为贴近真实流域，研究团队首先汇集了区域的详细图景：用于描绘坡度与排水的数字高程图、显示稻作分布与土壤类型的土地利用和土壤图，以及长期的降雨、气温和河流流量记录。SWAT将流域划分为许多在土壤、土地覆盖和坡度上相似的小单元。对每个单元，模型追踪降雨、蒸散、径流以及稻株的用水量。马兰普扎哈水库被表示为主要灌溉来源，当模拟的土壤过于干燥时，水库会自动向田间释放水。由于缺乏详尽的田间作物生长观测，作者采用了SWAT内置的标准水稻生长参数，并在随后将结果与官方收获统计进行了比对。

用河流水量检验模型

在信赖任何产量预测之前，研究者先确认模型能否重现河流的真实表现。他们将1998至2017年间在关键测站库蒂普兰（Kuttipuram）处的模拟月径流与观测数据进行了比较。通过仔细调整一组关键参数——例如地下水响应速度、土壤渗透性以及形成地表径流的易感性——他们达到了水文学家所称的“良好”一致性。统计指标显示，模拟流量既把握住总体流量规模，也反映出河流的季节性涨落，大多数观测值落在模型不确定性范围内。这增加了对模型在流域中水流描绘足够现实以支持作物分析的信心。

模型关于稻米产量的结论

在河流行为得到验证后，团队转而分析收成。他们将SWAT模拟的2008–2017年年度稻米产量与帕拉卡德和阿拉图尔的报告产量进行了比较。结果令人鼓舞：在帕拉卡德，模型能较为紧密地追踪年际变化；在阿拉图尔，模型仍然捕捉到主要趋势，尽管部分峰谷并未完全对齐。总体上，模型略微高估了产量，作者将此归因于若干简化假设——例如每年采用相同的播种与收割日期、假定灌溉渠道效率完美等。尽管如此，测量与模拟数据均显示出该十年间产量令人担忧的下降趋势，与更热的季节和更不稳定的降雨相一致。

对农民与规划者的意义

对普通读者而言，关键结论很明确：流域上游发生的事情强烈影响下游的稻米收成，而现代计算模型现已能较好地捕捉这一联系，从而为决策提供依据。通过在一个框架内将降雨、河流流量、水库蓄水与稻田产量连接起来，该研究提供了一个用于规划放水、选择稻种及调整播种时序以应对气候变化的工具。尽管在作物细节和灌溉损失的现实性上尚有改进空间，这项工作表明，如果把喀拉拉的“稻米碗”视为一个有机的流域系统而非零散的田块，就能更智能地管理它。在变暖与水资源紧张的未来，这种综合视角对于保障餐桌上的稻米与农业生计至关重要。

引用: Karunanidhi, D., Nair, G.S., Subramani, T. et al. Integrating hydrological simulation and paddy yield prediction using SWAT in the Bharathapuzha River basin of South India. Sci Rep 16, 10797 (2026). https://doi.org/10.1038/s41598-026-45201-0

关键词: 稻米产量, 灌溉, 流域建模, 气候影响, 喀拉拉邦农业