编辑推荐：
为解决多物种相互作用难以纳入模型及评估间作影响的问题，研究人员以芬兰田间实验数据校准 STICS 模型。结果表明校准对产量等预测有积极作用，但受环境影响大。该研究为农业生态系统模拟提供了新思路。
在全球努力实现净零碳平衡的大背景下，土壤作为最大的陆地碳库，其碳储量的变化对生态系统影响深远。农业中，增加植物多样性被视为改善土壤健康、提升生态系统碳分配的重要途径，间作（即在主要作物下种植其他物种）的应用备受关注。理论上，间作能增强经济作物的抗逆性、促进碳积累、保护土壤健康。然而，实际推广间作并准确评估其影响困难重重。一方面，作物模型虽能模拟作物生长动态，但在处理多物种相互作用时存在诸多不足，比如简化的辐射截留计算、难以有效表征物种间复杂的相互作用过程等。另一方面，校准作物模型面临着过参数化和等效性等难题，这些都限制了对间作系统的准确模拟和评估。
为了攻克这些难题，来自国外的研究人员开展了一项极具意义的研究。他们以芬兰的田间实验为基础，利用 STICS 土壤 - 作物模型（Scientific, Technical and Interdisciplinary simulator of soil - Crop System functioning），结合产量、绿色面积指数（GAI）和净生态系统交换（NEE）等观测数据，深入探究如何校准主要作物参数以反映间作物种的影响。研究结果显示，通过校准，在与校准数据相似的条件下，模型对产量等指标的预测性能有所提升。但同时，研究也发现主导参数值会随年份变化，这使得校准的效果难以在不同条件下稳定转化，限制了该方法的应用范围。此外，次要物种丰度的较大差异也给间作建模带来了挑战。这一研究成果发表在《European Journal of Agronomy》上，为农业生态系统模拟和间作实践提供了宝贵的参考。
研究人员开展研究时用到的主要关键技术方法如下：首先，在芬兰的 TWINWIN 实验田进行观测，该实验田设置了多种不同的间作组合和对照，为研究提供了丰富的数据基础。其次，运用 STICS 模型进行模拟，通过调整模型参数来拟合实际观测数据。最后，采用四维集合变分（4DEnVar）数据同化方法，优化模型参数，以提高模型的预测能力。
下面来详细介绍研究结果：
- 双实验确定校准参数：通过双实验（twin experiments），研究人员发现当同时校准八个经敏感性测试选择的参数时，参数收敛效果不佳。进一步研究确定了包含 adens、efcroiveg 和 vitircarb 的参数集，在校准中能稳定获取合成参数值。同时，研究还发现当使用 250 个及更少成员的集合时，先验分布不符合正态分布，最终选择 500 个成员的集合进行实际观测校准。
- TWINWIN 实验田校准结果：在 TWINWIN 实验田的校准中，自校准（Self - calibration，即针对每种间作组合单独校准）在 2020 年（校准数据集）的表现优于单作大麦校准。然而，在 2021 年（验证数据集），单作大麦校准的产量预测效果更好。总体而言，产量预测在多数情况下较为准确，但部分间作大麦地块的产量仍被低估。此外，校准对 NEE 的年估计值影响不显著，且 LAI 在早期生长季节的模拟存在困难。
在结论和讨论部分，研究表明 4DEnVar 数据同化技术在评估校准参数选择和数据输入方面具有重要价值，但也存在局限性，如参数校准数量受限、不同观测数据对参数值的约束存在冲突等。在间作校准与单作校准的对比中，间作校准能捕捉更多地块类型间的差异，但受环境条件影响大，仅在与校准条件相似时预测效果较好。同时，间作物种丰度的变化给建模带来挑战，影响了校准的可靠性。该研究为后续农业生态系统模拟研究指明了方向，强调了扩大观测范围、考虑氮循环等因素的重要性，对推动农业可持续发展和优化间作实践具有重要意义。
