GCB:观测约束的农业生态系统模型反演揭示大陆尺度冬小麦性状的变异

中文标题：观测约束的农业生态系统模型反演揭示大陆尺度冬小麦性状的变异

英文期刊：Global Change Biology (2026)

通讯作者：Zhenyu Zhang (zhangzhy@illinois.edu), Kaiyu Guan (kaiyug@illinois.edu)

第一单位：伊利诺伊大学厄巴纳-香槟分校，可持续农业生态系统中心 (Agroecosystem Sustainability Center, University of Illinois Urbana-Champaign, USA)

研究摘要

理解作物性状变异性如何塑造“基因型×环境×管理”（G×E×M）的相互作用，是预测气候变化下农业表现的关键。传统大陆尺度作物模型常依赖空间均匀参数，难以表征适应性变异。本研究将机理农业生态系统模型（Ecosys）与深度学习赋能的模型-数据融合（MDF）反演相结合，直接从观测中推断美国冬小麦空间显式的生理控制（性状代理）。通过2008-2022年间卫星衍生的光合作用（GPP）和县级产量记录对约1000个冬小麦生产县的模拟进行约束，反演恢复了成熟度组、繁殖能力、收获指数和根冠分配的连贯模式。优化后的模拟高度重现了观测到的碳吸收和产量变异性，并揭示了与主要冬小麦市场类别地理分布相一致的生理特征。研究进一步解释了类别和区域特定的气候敏感性（如暖冬降低晚熟品种春化成功率，高水汽压亏缺导致雨养硬红冬小麦大幅减产），为诊断农业生态系统的适应性多样性和气候脆弱性提供了可扩展的、具有生理基础的框架。

科学问题

观测约束的反演能否在异质环境中恢复具有生物学意义且生理上可解释的作物性状？这些涌现的性状能否解释区域特定的气候响应，从而为气候变化下作物表现的生理基础提供见解？

研究亮点

l计算突破：结合机理模型（Ecosys）与深度学习代理模型（LSTM），克服了大陆尺度直接参数反演的巨大计算瓶颈。

l双重约束：同时利用卫星GPP（约束冠层碳动态）和县级产量（约束最终生殖输出）进行多目标优化，确保了模型在过程真实性和大尺度适用性上的统一。

l生理可解释性：反演出的性状（如根冠比、收获指数）并非纯统计拟合，而是与已知的冬小麦品种分类（硬红冬小麦HRW、软红冬小麦SRW、软白小麦SW）和区域适应策略高度吻合。

研究方法

l机理模型驱动：使用过程驱动的 Ecosys 模型模拟冬小麦生长、碳通量和产量形成。

l深度学习代理模型：构建长短期记忆网络（LSTM）模拟 Ecosys 的输出，以极低的计算成本实现海量参数空间的探索。

l模型-数据融合 (MDF) 反演：将 LSTM 代理模型与非支配排序遗传算法 II (NSGA-II) 结合，对每个县的5个关键品种相关参数（潜在Rubisco羧化能力、植物成熟度组、每节最大结实位点数、光周期敏感性、气候适应区）进行多目标优化，最小化卫星GPP和县级产量的归一化均方根误差（NRMSE）。

l观测数据：使用 SLOPE 卫星衍生的每日总初级生产力 (GPP) 和 USDA NASS 县级产量记录 (2008-2022) 作为核心约束条件。

主要结果

l模型性能优异：优化后的模拟在县级尺度上高度吻合观测（>90%的县产量误差在±20%以内，GPP空间相关性 r=0.76–0.88，物候偏差<2周），显著优于使用单一“平均品种”参数的传统基线模型。

l性状呈现连贯的空间格局：反演出的性状呈现出符合农学规律的地理梯度。例如，成熟度组呈现明显的纬度趋势（南部早熟，北部晚熟）；半干旱大平原的硬红冬小麦（HRW）表现出较低的收获指数和较高的根冠比，反映了应对水分和热胁迫的碳分配策略。

l揭示差异化的气候脆弱性：较暖的冬季导致晚熟品种（主要在HRW地区）春化不完全，造成产量下降；生长季较高的水汽压亏缺（VPD）对雨养HRW地区的产量抑制作用最强，而灌溉管理能显著缓解这种水分限制带来的产量损失。

研究启示

本研究创新性地将机理农业生态系统模型与深度学习代理模型相结合，通过卫星和产量观测数据的双重约束，成功反演了美国大陆尺度冬小麦品种性状的空间变异，精准揭示了不同小麦类别对气候变化的差异化生理响应与脆弱性。类似于数据同化，但是用LSTM代理模型取代了作物模型，方法上很有新意。

精美配图

图1

图2

图3

图4

图5

论文链接：https://onlinelibrary.wiley.com/doi/10.1111/gcb.70936