作物产量并未在起源中心外显著提升：基于12种主要农作物的全球空间机器学习分析

这篇研究通过全球数据和空间机器学习分析12种主要农作物，挑战了长期认为作物在起源中心外因逃离病虫害而增产的假设（GCO）。结果表明无论距起源中心远近，产量、产量差距及农药需求指数均无显著差异，提示优先引进外来作物而非本土品种的策略需重新审视。研究强调应重视本土作物的抗逆性状研究，为可持续农业提供新视角。

　　

科学与社会
全球农业依赖少数作物物种，其稳定生产成为优先事项。传统观点认为作物在远离起源中心（GCO）时因逃离共进化害虫而增产，但本研究通过分析12种主要作物发现：产量、产量差距及农药需求在GCO内外无显著差异。这一发现质疑了长期依赖外来作物的合理性，呼吁加强本土品种抗逆性研究。

亮点
• 作物在GCO外增产的假设缺乏证据支持
• 研究整合全球产量数据与空间机器学习，控制已知产量驱动因素
• 八种作物在GCO内产量更高，仅四种（大麦、马铃薯、高粱、小麦）在GCO外略增

摘要
科学家长期假设作物在GCO外因逃离病虫害而增产，但这一假说缺乏全面验证。本研究通过协调全球产量、产量差距和农药使用数据库，应用机器学习分析发现：GCO内外产量无显著差异，且缩小产量差距所需的农药量相似。结果提示需重新评估“远离GCO增产”的传统认知。

引言
农业演化包含驯化与扩散两个过程。尽管社会受益于外来作物，但过度依赖可能引发危机（如19世纪爱尔兰马铃薯饥荒）。绿色革命依赖高产品种与密集型投入，但未能解决全球粮食安全问题。敌害逃逸假说（ERH）认为作物在GCO外因逃离专性害虫而增产，但本研究通过全球尺度分析发现该假说缺乏支持。

结果

1. 产量分析：八种作物在GCO内产量更高，仅大麦、马铃薯等四种在GCO外增产（增幅14.9%-25.4%）。随机森林模型显示GCO预测重要性低于农药和气候因子。
2. 产量效率：仅三种作物（大麦、马铃薯、小麦）在GCO外效率更高，其余无显著差异。农药施用是效率最关键的预测因子。
3. 农药效率指数：GCO内外农药需求无显著差异，仅马铃薯在GCO外需求略低（5.87%）。

不确定性分析
通过模拟1000个随机GCO中心，证实真实GCO的产量-距离斜率无统计学意义。功效分析显示模型可检测到0.1%-200%的产量差异，验证了结果的稳健性。

讨论
全球贸易与气候变化加速了病虫害扩散，导致作物难以长期“逃离”GCO内的专性害虫。本土微生物共生体（如丛枝菌根真菌AMF）的丢失可能抵消敌害逃逸的潜在收益。研究强调本土作物遗传潜力（如磷高效基因）和微生物互作的重要性，为育种策略提供新方向。

方法

1. 数据来源：整合EarthStat产量、CHELSA气候、SoilGrids土壤等全球数据集，空间分辨率～11 km²。
2. 模型构建：采用空间随机森林（500棵树），变量重要性分析显示农药与气候主导产量变异（R²=0.68-0.98）。
3. 指标计算：
   • 产量效率=实际产量/气候潜力产量
   • 农药指数=1/(1+标准化农药投入/产量效率)

局限性与展望
数据缺失（如病虫害分布）和GCO边界不确定性可能影响结果。未来需结合物种分布模型和微生物组数据，深化对本土适应机制的理解。

资源与致谢
数据与代码已公开于Dryad，研究受荷兰科研组织（NWO）和英国自然环境研究理事会（NERC）资助。

作者贡献
J.D.S.主导撰写，E.T.K.负责概念设计与资金获取，团队采用ChatGPT辅助代码修订但对内容全责。