近日，中国农业科学院农田灌溉研究所作物需水过程与调控团队搭建改进SWAP机理模型与基于H2OAutoML的数据驱动模型对比评估体系，实现新疆膜下滴灌棉田多场景土壤盐分分布精准模拟。相关成果发表于《农业水管理（Agricultural Water Management）》。

盐分模拟可为新疆干旱区膜下滴灌棉田积盐问题提供预判手段，但常规SWAP机理模型难以刻画地膜覆盖下水盐运动规律，纯数据驱动机器学习模型则存在长期预测稳定性较差的短板。

团队针对传统SWAP机理模型缺失地膜覆盖表征模块的短板引入修正因子，又依托H2O AutoML自动化建模平台完成机器学习模型自动训练、超参寻优与集成融合。研究以南疆田间试验小区观测数据构建统一数据集开展对比评估，结果表明，长期时序趋势模拟中，改进SWAP模型对深层盐分迁移过程刻画更为精准。空间泛化模拟场景下，基于H2O AutoML的数据驱动模型适配不同地块土壤本底差异能力突出，0–80cm土层盐分模拟误差降幅近50%，而剖面垂直重建场景中，该模型通过递归纵向信息链弱化表层特征向下衰减效应，60–80cm深层盐分模拟误差降低约20%，全土层剖面整体模拟精度维持较高水平。两类模型各有所长、优势互补，可为干旱区棉田盐害风险预判、精准水盐调控提供机理与数据驱动融合的配套技术路径。

成果获得中国农科院科技创新工程项目支持。

原文链接：

https://doi.org/10.1016/j.agwat.2026.110591