揭秘阿肯色州水稻总初级生产力：模型校准下的量化解析与意义探寻

为探究阿肯色州水稻总初级生产力（GPP）空间变异及预测因子，研究人员利用植被光合作用模型（VPM）展开研究。结果显示该模型在站点尺度表现良好，州尺度上 GPP 有空间差异，且 GPP 与产量相关。这为理解水稻碳动态等提供依据。

　　在农业生产的大舞台上，水稻一直扮演着至关重要的角色。阿肯色州作为美国的水稻生产大州，其水稻产业每年为当地经济贡献高达 17 亿美元，占美国水稻总产量的 47.5%。然而，在这片广袤的稻田背后，却隐藏着许多科学谜题亟待解开。

总初级生产力（GPP，即陆地植物在生态系统尺度上的光合碳吸收量），对于理解区域生态系统和农业差异起着关键作用。它不仅有助于预测作物产量，还能探究作物对气候变化的响应，以及确定影响站点碳动态的因素。但令人遗憾的是，阿肯色州水稻 GPP 的空间变异情况及其预测因子，长期以来一直不为人知。这种知识上的空白，严重限制了人们对该地区水稻生态系统碳平衡的全面理解，也阻碍了农业生产策略的优化制定。

为了填补这些空白，来自国外的研究人员开启了一项极具意义的研究之旅。他们的研究成果发表在《Agricultural and Forest Meteorology》上，为我们揭开了阿肯色州水稻 GPP 的神秘面纱。

研究人员运用了卫星植被光合作用模型（VPM），结合多种数据对阿肯色州水稻 GPP 展开研究。主要技术方法包括：利用涡度相关（EC）技术获取 16 个站点季节的原位数据，用于模型验证；借助卫星数据，如 MODIS 的 8 天合成图像获取植被反射率信息，进而计算增强植被指数（EVI）和土地表面水指数（LSWI）；使用美国国家环境预测中心（NCEP）气候预测系统（CFS）版本 2 的气象数据，经过处理用于模型计算。

在研究结果方面：

• 站点尺度模型性能：对比 VPM_site（使用站点气象数据）和 VPM_spatial（使用网格化气象数据）与 GPP_EC发现，二者在生长季节 GPP 的时间模式上大致相符，但峰值出现时间有差异。整体上 VPM_site略优于 VPM_spatial，VPM_site的 R² = 0.60，平均绝对误差（MAE） = 3.54 g C m^?2 day^?1，均方根误差（RMSE） = 4.83 g C m^?2 day^?1 。
• 州尺度 GPP 估计：通过 VPM_spatial模型发现，阿肯色州 34.2°N - 34.6°N 之间的水稻田 GPP_{cum_mean}较高。在不同生态区中，大平原区（Grand Prairie）的 GPP_{cum_mean}最高，为 1950 ± 295 g C m^?2 year^?1 。进一步分析 VPM 输入变量与 GPP 的关系，发现 EVI_mean是影响 GPP_cum空间变异的最重要因素，解释了 68% 的变异。
• 年度变化与产量关系：2008 - 2020 年，阿肯色州水稻 GPP_{cum_arkansas}呈上升趋势，但不显著；而产量_Arkansas显著增加。在县尺度上，GPP_{cum_county}与水稻产量_county呈正相关（R² = 0.16） ，且种植面积越大，二者相关性越强。

研究结论与讨论部分指出，该研究成功绘制了阿肯色州水稻 GPP_{cum_mean}地图，揭示了其空间分布和年际变化规律。EVI 对 GPP 的主导影响，为进一步研究 EVI 与农艺变量的关系指明了方向。县尺度上 GPP 与产量的关系受种植面积影响，这为精准农业提供了重要参考。此外，产量的显著增加而 GPP 无显著变化，表明农艺措施对产量的影响更大。同时，研究也存在一些不确定性，如模型对峰值时间的捕捉不够准确，卫星数据存在混合像素效应等。但总体而言，该研究为阿肯色州水稻生态系统的碳动态研究和农业生产优化提供了重要依据，有助于推动自然气候解决方案和温室气体预算核算等相关领域的发展。