水稻临界氮稀释曲线的再评估：基因型×环境×管理互作下的不确定性分析与通用模型构建

本研究针对水稻临界氮(Nc)稀释曲线在基因型×环境×管理(G×E×M)互作下的不确定性问题，通过整合61组田间试验数据，采用贝叶斯理论构建了普适性Nc曲线模型。结果表明参数A1 和A2 显著受G×E×M影响，新曲线较既往研究更可靠。该成果为精准氮素管理提供了理论依据，对优化水稻生产模型和遥感监测具有重要意义。

　　

水稻作为全球近半数人口的主粮，其产量提升与氮素管理密切相关。临界氮浓度(Nc)稀释曲线是评估作物氮素状况的关键工具，其典型表达式Nc=A₁
·W^-A₂

中，参数A₁
代表初始氮浓度，A₂
反映稀释速率。然而既往研究存在两大瓶颈：一是现有10余条水稻Nc曲线在G×E×M条件下差异显著，如热带水稻曲线(Nc=5.2W^?0.52
)与东北粳稻曲线(Nc=2.77W^?0.34
)参数相差近倍；二是传统构建方法依赖人工筛选临界点，忽略拟合误差传导。这种不确定性可能导致氮肥决策失误，造成资源浪费或减产风险。

为破解这一难题，江苏省农业科学院等机构的研究团队在《Field Crops Research》发表论文，首次系统评估了水稻Nc曲线的G×E×M响应机制。研究创新性地采用贝叶斯层次模型，直接基于原始生物量(W)和氮浓度数据，规避了传统方法的临界点筛选偏差。通过整合61组田间试验数据（涵盖不同品种、种植区和施氮水平），量化了曲线参数的后验分布特征，并解析了驱动参数变异的关键因子。

关键技术方法包括：1) 多数据库文献检索获取全球水稻Nc相关田间试验数据；2) 贝叶斯层次模型拟合Nc曲线参数；3) 线性-平台函数关联生物量与氮浓度；4) 后验分布分析评估参数不确定性；5) 驱动因子分析揭示G×E×M影响机制。

【文献搜索】
系统检索中英文数据库获取符合标准的田间试验数据，排除温室/盆栽等非自然生长环境研究，确保数据生态效度。

【水稻Nc曲线的不确定性】
参数A₁
和A₂
的中位数变异范围分别达1.84–5.43和0.15–0.61，其中A₂
变异系数更高，表明稀释速率对G×E×M更敏感。粳稻较籼稻具有显著较低的A₁
值，反映基因型对初始氮浓度的调控作用。

【Nc曲线的驱动因素】
生长季有效积温(AGDD)与A₁
呈负相关，而营养生长期光照强度正向影响A₂
。施氮管理通过改变最大生物量(DM_max
)和最高氮浓度(N_max
)间接调控曲线形态。

【讨论与结论】
研究首次证实水稻Nc曲线存在显著的G×E×M适应性分化：1) 高温环境导致A₁
降低，可能与碳同化物分配改变有关；2) 高光强加速A₂
上升，反映冠层结构对氮稀释的调控；3) 新构建的品种特异性曲线较既往"通用曲线"误差降低31%。该成果为氮营养指数(NNI)诊断提供了精准框架，通过整合遥感反演技术，可实现区域尺度水稻氮素动态监测。研究建立的贝叶斯建模范式，为其他作物Nc曲线研究提供了方法论参考。

论文最后强调，未来应建立覆盖更多品种和产区的Nc参数数据库，并开发基于机器学习的动态预测模型。这一突破性进展不仅推动作物氮素生理研究从经验描述向机制解析转变，更为智慧农业背景下的精准施肥提供了理论基石。