答辩博士：OTIENO EDWIN AMISI
指导老师：丁启朔教授
论文题目：秸秆还田下垄沟灌溉水稻中解耦水-能源-环境权衡的模块化框架
答辩委员会：
主席：
康敏教授/博导 南京农业大学
委员：
张保华教授/博导南京农业大学
薛金林教授/博导南京农业大学
倪超教授/博导南京林业大学
李旭教授/博导东南大学
鲁植雄教授/博导 南京农业大学
答辩秘书：
陈昊宇南京农业大学
答辩时间：2026年05月29日14:30
答辩地点：滨江校区12#B442
论文简介：
秸秆还田对于维持土壤肥力和长期生产力至关重要，然而传统的淹水稻作制度下秸秆还田加剧甲烷排放，并使水、能源和养分之间的耦合管理变得更加复杂。因此探讨在中国长三角地区的水稻旱直播与全量秸秆还田相结合，同时探究合理的土壤水管理策略是重要的发展方向。针对这一需求，本研究提出的全量秸秆还田水稻旱直播配合垄沟灌溉的新技术模式（DDR-SR-FR）并针对该模式开展系统性研究。所做工作 内容如下：
1.用于缓解秸秆还田下直播水稻土壤缺氧与径流问题的模块化可变流量灌溉系统研究
从传统的水稻田移栽耕作向机械化条播、配合旋耕秸秆混入及垄沟灌溉的转变，已被证明是减少甲烷排放、同时优化资源利用与生产力的关键策略。然而，该技术也带来了其他挑战，例如垄沟径流和土壤侵蚀，这些会导致垄/床土壤质量退化、肥料流失以及农业生态污染物的输移。因此，本研究探索了模块化可变通量灌溉（VFI）框架作为决策支持工具，通过控制秸秆还田后垄沟灌溉水稻的土壤缺氧及由此引发的径流，来缓解上述问题。该方法将Hydrus 2D/3D与开环最优控制器相结合，根据特定的土壤含水量、可变通量和垄沟水深来调节水泵运行。实验验证和田间案例研究在中国南京市八百桥开展，该地采用了旋耕秸秆混入和垄沟布局，同时进行了旱直播和水力参数实验。Hydrus 2D/3D模型的性能指标显示，其对侧向湿润速率和土壤含水量的模拟可靠，R²分别为0.79和0.89，对应的RMSE值分别为7.90%和7.60%，MRE值分别为1.85米/天和0.07立方厘米/立方厘米。模块化VFI框架被证明是有效的，表明最优灌溉方案由三个不同的供水阶段组成。在每个循环中，水泵间歇运行，每次持续约2.66小时。VFI使抽水能耗成本降低了33%，同时缓解了土壤缺氧和垄沟径流，因此具有减少稻麦轮作系统中秸秆还田与垄沟耕作农业生态影响的潜力。尽管由于杂草严重，旱直播下的水稻产量比连续淹水灌溉降低了9.56%，但模块化VFI系统为推广秸秆还田和实施支持最优水分利用与可持续生产力的实用解决方案提供了宝贵的见解。
2.用于优化覆膜直播水稻能源-水足迹的模块化GEP-FE-MPC系统研究
集约化的稻麦轮作系统通过秸秆还田和水稻田移栽水稻加剧了温室气体排放。尽管将旋耕秸秆还田与垄沟灌溉的旱地直播稻相结合在减排方面显示出潜力，但指导此类实践的决策支持工具仍不完善。这样的工具对于优化能源与水足迹、CH₄排放风险以及尾水回用至关重要。此外，将这些优化措施与节水实践相结合的机理基础尚不明确。因此，本研究提出了一种模块化基因表达编程-有限元建模（Hydrus 2D/3D）-闭环模型预测控制（MPC）框架。该系统旨在优化秸秆还田及不同田间条件（包括裸土、可生物降解地膜覆盖以及尾水回收与回用）下旱地直播稻的能源成本和水资源利用。2023和2024年生长季，在中国南京八百桥开展了实验验证、数据收集和田间案例研究。这些活动包括旋耕秸秆还田、垄沟布局、旱直播稻种植、土壤水力参数实验、尾水回收与回用以及相关的农艺管理。GEP对垄沟蓄水深度的预测结果如下：R²为0.86，MAE为1.56厘米，RMSE为2.20厘米。GEP-Hydrus 2D/3D框架（闭环代理模型耦合策略）在模拟过程中有效地实现了水力参数和边界通量的连续重校准。Hydrus 2D/3D模拟的湿润速率和土壤含水量在裸土和可生物降解地膜覆盖垄台上的R²分别为0.79和0.89，以及0.80和0.90。预测控制和尾水回用对能源和水消耗的影响具有统计学显著性（p< 0.05）。将地膜覆盖与模块化GEP-FE-MPC框架相结合，累计用水量减少了38.0%。当与尾水回用一起应用时，该系统抵消了高达34.9 %的淡水需求。在裸土垄沟条件下，不采用和采用尾水回用时，控制器分别实现了高达32.8%和41.9%的能源成本节约。与传统的干湿交替灌溉相比，可生物降解地膜覆盖使能源节约分别提高了53.7 %和62.7 %。本研究提供了实用策略，可优化能源成本并缓解土壤缺氧和尾水相关的污染风险，从而减少稻麦轮作系统的环境足迹。
3.基于模块化人工智能驱动的数字影随助手，用于优化缺氧-好氧转换以增强直播水稻的碳固存研究
旋耕秸秆还田结合旱地直播稻及垄沟系统，为替代传统水稻田移栽水稻以减少CH₄排放提供了一种有前景的方案。然而，减少二氧化碳排放和垄沟径流的策略仍然具有挑战性。此外，一个主要的技术空白在于，缺乏能够将数据、模拟和研究结果转化为实用农事指导，并将其整合到当地耕作实践中的技术，特别是通过自适应反馈机制来增强碳封存效果。为解决这些不足，本研究提出了模块化人工智能驱动的数字孪生及农户助手系统。AI驱动的数字孪生通过集成模糊逻辑控制器、模块化人工神经网络集成模型以及Hydrus 2D/3D构建而成。基于AI的农户助手则通过训练一个定制的生成式预训练变换器模型来创建，这是一种新兴的人机交互界面，使用了来自实际田间作业、数字孪生模拟及研究成果的大量数据集。2023和2024年夏季，在中国南京八百桥开展了实验验证和田间案例研究。这些工作包括旋耕秸秆还田、垄沟布局、可生物降解地膜覆盖、旱直播、土壤水力参数实验，以及模块化AI驱动的数字孪生与助手系统的部署。结果表明，自适应混合模拟退火粒子群算法在FLC优化中表现出高性能，Ackley值为2.0×10⁻⁴，Griewank值为2.5×10⁻⁴。不同的激活函数（ReLU、Leaky-ReLU和指数线性单元）以及通过贝叶斯算法进行的超参数优化，提高了模块化ANN开发中的学习率和自适应性。ANN集成模型改进了地表水流变量的预测，模块1和模块2的R²值分别达到0.87和0.94，MAE分别为0.11厘米和0.036厘米。Hydrus 2D/3D模拟的湿润速率和土壤含水量的R²值分别为0.89和0.91，MRE分别为7.99%和7.20%。根据李克特量表评分，GPT模型的整体性能得分为93.62 ± 0.71。基于AI的助手系统能够将科学发现和模拟结果有效地转化为针对具体地点的、可操作的简明指导提供给农民，同时向研究人员提供反馈。总体而言，所提出的框架为设计基于AI的决策支持工具提供了一种新方法，以优化秸秆还田和地膜覆盖条件下垄沟灌溉水稻中减少CO₂通量和径流风险的条件。
4.基于模块化仿生与人工智能的决策支持，用于解耦秸秆还田下直播水稻中的水-能-环境权衡关系研究
在稻麦轮作系统中，秸秆还田与水分管理相结合的策略在减少温室气体排放方面表现出不同程度的效果。然而，在直播稻垄沟灌溉过程中，实现机械化浅层混入秸秆层与饱和下层土壤水分再分布区域之间的功能性解耦仍然具有挑战性。这一局限性降低了甲烷（CH₄）减排措施的有效性。此外，用于优化淡水需求、径流循环利用和能源成本，同时同步优化温室气体（CH₄、CO₂和N₂O）权衡条件的决策支持工具仍不完善。另外，能够将数据、模拟和研究成果解释并转化为农民层面的决策，从而加强对稻麦轮作系统环境权衡管理的稳健框架，目前仍缺乏明确的界定。因此，本研究提出了一种分层仿生土壤剖面，并将耦合的GEP-ANN集成模型与Hydrus 2D/3D及基于AI的MPC框架相结合。研究结合了前期实验数据以及2023和2024年水稻生长季进行的模型验证。结果表明，加权的GEP-ANN集成模型优于单一模型，实现了最高的预测精度，R²为0.89，误差指标最低（MAE = 0.09厘米；RMSE = 0.12厘米）。Hydrus 2D/3D模拟的湿润速率和土壤水分动态的R²值分别为0.80和0.89。耦合的GEP-ANN集成模型与Hydrus 2D/3D系统通过引入动态、自适应且对田间条件响应的建模架构，提供了显著的附加价值，优于土壤-水分动态建模中常用的传统固定参数方法。针对减少CH₄产生而设计的仿生土壤分层方案，其优化的秸秆混入深度、犁底层厚度和深松深度分别为6.50厘米、4.80厘米和20.0厘米。基于AI的模块化MPC框架实现了95.71 ± 0.68的总体性能评分，将模拟输出转化为面向农民的可操作指导，同时生成最优控制信号以维持温室气体排放的权衡区间。尽管仿生分层使灌溉需求增加了9.9 %，但其与可生物降解地膜覆盖和径流循环利用相结合，显著抵消了淡水使用量，并降低了23.14 %的能源成本。总体而言，本研究建立了一个综合框架，将秸秆还田策略、优化的水-能源动态、环境足迹缓解以及面向农户的决策支持工具联系起来，适用于垄沟灌溉的直播稻。
论文创新点：
i)设计了模块化变流量灌溉系统：集成Hydrus 2D/3D与开环最优控制器，用于调控秸秆还田条件下沟灌直播水稻系统中的土壤缺氧与地表径流，从而降低农业生态相关污染风险。
ii)研发出模块化GEP-FE-MPC系统：集成基因表达式编程（Gene Expression Programming, GEP）、Hydrus 2D/3D与闭环模型预测控制（MPC），用于优化秸秆还田和可降解地膜覆盖条件下直播水稻系统的能源利用与尾水回收。
iii)创新了模块化AI驱动数字阴影助手（Digital Shadow-Assistant）：集成模糊逻辑控制、模块化人工神经网络（ANN）集成模型、Hydrus 2D/3D以及生成式预训练变换器（GPT），用于优化缺氧–好氧转换过程，以增强直播水稻系统中的碳固存能力。
iv)构建了模块化仿生与AI驱动框架：集成GEP-ANN-Hydrus 2D/3D系统、土壤分层结构、模型预测控制（MPC）与GPT模型，用于优化径流回收与地膜覆盖条件下沟灌直播水稻系统中的水–能–环境权衡关系。
