统计方法在区域层面精准估算作物产量潜力及差距的不足与新方向探索

为准确获取作物产量潜力（yield potential）和产量差距（yield gaps）的空间信息，研究人员对比了四种已发表的统计方法和基于作物建模、当地气象及土壤数据的 “自下而上” 方法。结果显示统计方法无法准确捕捉产量潜力的空间变化，会导致相互矛盾的结果。该研究强调需结合有效验证的作物模型、当地数据等进行更可靠的评估。

　　精确的产量潜力和差距的空间信息对于确定作物生产潜力至关重要。虽然统计方法在区域到全球层面广泛用于估算这些参数，但缺乏对其性能的严格评估。在此，研究人员将基于时空最高平均农户产量的四种已发表统计方法的结果，与基于作物建模（crop modelling）以及美国主要雨养作物的当地气象和土壤数据的 “自下而上（bottom - up）” 方法的结果进行了对比。统计方法未能捕捉到受水分限制的产量潜力的空间变化，在不同地区始终低估或高估产量差距。统计方法还导致了相互矛盾的结果，不同方法估算的生产潜力相差近一倍。研究强调需要经过充分验证的作物模型，结合当地数据、可靠的空间框架和外推方法，以便在地方到区域尺度上提供更可靠的生产潜力评估。