编辑推荐：
当前作物生长模型（CGMs）中比叶面积（SLA）被简化处理，忽略其动态变化。研究人员开展将动态 SLA 和叶面积指数（LAI）纳入作物模型的研究。结果显示该方法提升了模型对 LAI 等的估算精度，为作物模拟与观测融合提供新方案。
在农业生产的大舞台上，作物生长模型（CGMs）就像一位 “智慧军师”，帮助人们模拟作物生长、预估粮食产量，还能分析各种环境压力对作物的影响。其中，世界粮食研究（WOFOST）模型更是凭借着对天气、土壤和作物数据的巧妙运用，生动地展现出作物的实时生长过程。可如今，气候变化和新型灌溉策略让水稻生长的土壤水分环境变得复杂无比，频繁的短时干旱成了水稻增产路上的 “拦路虎”。在这样的情况下，原本的作物生长模型渐渐暴露出问题。
比叶面积（SLA）作为衡量作物生长状况和叶片生理结构的关键指标，在作物模型中起着举足轻重的作用，它影响着叶面积指数（LAI）和地上生物量的推算。SLA 就像是植物的 “资源权衡指示器”，较高的 SLA 意味着植物能用较少的干物质投入捕获更多辐射，但同时也增加了叶片构建成本。不同的作物品种、叶片功能和生长阶段，SLA 都会有所变化，而且它对环境变化的响应在短期和长期尺度上也不一样，关乎着植物的适应和生存能力。然而，由于观测数据的限制，很多模型为了简化计算，把 SLA 当成固定参数或经验函数处理。在 WOFOST 模型里，SLA 是依据发育阶段（DVS），通过预定义的表格参数（SLATB）来计算的，完全忽略了 SLA 会随着环境变化而改变的特性。这样一来，作物生长模拟就难以准确区分生殖进程的特征，还会低估作物在应对干旱等胁迫时的适应意义。
为了攻克这些难题，武汉大学水资源工程与管理国家重点实验室灌溉排水实验站的研究人员挺身而出，开展了一项意义重大的研究。他们试图将动态 SLA 和 LAI 同时融入作物模型，为农业生产的精准预测和管理带来新的曙光。最终，他们的研究成果发表在了《Agricultural Systems》上。
研究人员在这项研究中运用了多种关键技术方法。首先，利用双分支神经网络处理双视角数字图像，以此提取叶片的特定特征。然后，他们提出了一种创新方法，将 SLA 动态函数（SDF）引入 WOFOST 模型，把 SLA 从固定序列转变为可更新变量。同时，基于集合卡尔曼滤波开发了数据同化框架，实现 SLA 和 LAI 观测数据的同步融入。
设计水处理实验
在 2021 年和 2022 年，研究人员在武汉大学的实验站进行了干旱控制实验。他们把水稻种在特制的花盆里，花盆直径 20cm、深 25.5cm，底部不透水，每个花盆装着 6.4kg 风干土，土壤容重为 1.2g?cm-3 。在这两年里，他们精准调控着水稻面临的水分胁迫程度，为后续研究不同干旱条件下作物的生长情况奠定基础。
输入参数与模拟运行
研究采用 PCSE（python - crop - simulation - environment, 5.4）库中发布的 python 版本运行 WOFOST 模型。这个模型每天都会模拟各种生态生理过程，运行时需要输入大量数据，像每日天气数据、土壤属性，还有作物在物候、光合作用、同化物分配等方面的特定参数。在模拟过程中，模型会密切追踪 LAI、生物量等作物变量的变化。
比叶面积（SLA）变化分析
研究发现，在不同的干旱条件下，SLA 呈现出明显的变化规律。和正常情况相比，干旱时 SLA 显著升高，尤其是在开花后的生殖生长阶段。以 2021 年的数据为例，水稻进入生殖生长阶段后，SLA 从 0.0015ha?kg-1 急剧下降到约 0.0002ha?kg-1 ，而受干旱影响的水稻 SLA 下降幅度更为平缓。
双分支模型融合图像信息
双分支卷积神经网络（DB_CNN）用于融合图像信息。不过在 2022 年，由于 DB_CNN 对新纳入数据集的微调效果不佳，导致数据同化框架的准确性有所下降。从相关指标来看，2021 年 TWSO 的平均估计准确率（R2 ）为 0.91，到 2022 年降至 0.81，均方根误差（RMSE）则相对增加了 131%，而且该模型在 2022 年对储存器官产量出现了明显的高估。
综合两年不同干旱处理的实验结果，研究人员发现，将 SDF 融入 WOFOST 模型，并同化 SLA 和 LAI 观测数据，能显著提高模型对 LAI、地上生物量和谷物产量的估算精度。与原始模型相比，优化后的模型表现更优（R2 = 0.85，RMSE = 1310.05kg·ha-1 ）。这充分证明了 SLA 在捕捉叶片结构属性方面的独特作用，它和 LAI 在数据同化中相互补充，共同提升了模型的性能。
这项研究成果意义非凡。研究人员提出的 WOFOST - SDF 模型，为作物生长模拟与观测的融合提供了简洁高效的解决方案。它强调了在作物建模中考虑动态叶片特征的重要性，有助于更好地把握作物对干旱等环境胁迫的响应，为农业生产中的精准决策、水资源合理利用和粮食产量预估提供了强有力的支持，推动了农业科学的发展，让人们在应对气候变化和保障粮食安全的道路上迈出了坚实的一步。
