基于统计学习方法的物种间生长特征差异驱动禾豆间作产量研究

为解决禾豆间作系统中产量形成的驱动机制问题，研究人员采用机器学习与混合效应模型相结合的新方法，分析6年田间试验数据，揭示生物量积累速率、最大叶面积指数和伸长速率等生长特征差异是影响间作产量的关键因素，为可持续农业系统设计提供理论依据。

　　

在全球农业可持续发展面临挑战的背景下，如何通过作物多样化提高资源利用效率成为关键科学问题。禾豆间作作为一种经典的多样化种植模式，虽已被证明能提高土地生产力，但其产量形成机制仍不明确，特别是物种间相互作用如何影响系统生产力这一核心问题亟待解决。传统研究多局限于单一实验或线性模型分析，难以捕捉复杂农艺系统中的非线性关系和环境变异效应。

法国农业科学研究院（INRAE）的研究团队创新性地将机器学习与生态学理论相结合，开发了混合效应随机森林（MERF）算法，系统分析了2006-2013年在法国西南部开展的6个田间试验数据。研究聚焦硬粒小麦与蚕豆/豌豆两种间作系统，通过提取生物量积累速率、最大叶面积指数（LAI）和株高伸长速率等动态生长参数，构建了包含16个解释变量的预测模型。论文发表在《European Journal of Agronomy》，为理解间作系统产量形成机制提供了新视角。

关键技术方法包括：1）基于10次多重插补处理缺失数据；2）采用Boruta算法进行变量选择；3）开发MERF模型整合随机森林与线性混合模型优势；4）通过交叉验证评估模型性能。所有田间试验均测量了谷物产量、株高动态、地上部生物量和最大LAI等指标，氮营养状态通过开花期氮营养指数（NNI）评估。

研究结果揭示：

1. 模型评估：MERF模型预测精度显著优于传统线性混合模型（RMSE=0.44 vs 0.87 t·ha^-1），且变量选择将解释变量从16个精简至4-7个关键特征。

2. 关键驱动因素：物种间差异比单作-间作差异更重要，特别是生物量积累速率差异（解释力排名第一）、最大LAI差异（第二）和株高差异（第三）。小麦产量与这些差异呈正相关（平均r=0.66），而豆科作物呈负相关，证实竞争主导系统动态。

3. 对称性关系：同一性状差异对两种作物的影响强度相似但方向相反，表明系统存在"零和博弈"特征，难以同时优化双物种产量。

4. 尺度依赖性：年际分析显示降水差异（如2013年增加80%）显著影响株高相关关系的稳定性，而氮肥通过改变物种平衡（NNI>0.6时小麦获益）调节竞争强度。

讨论部分强调了三重理论突破：方法学上创建了可处理生态复杂性的MERF框架；机制上证实竞争（而非互补）主导禾豆间作系统；应用上提出"功能组"育种策略优于单作性状选择。研究结果对设计可持续种植系统具有直接指导价值，特别是通过调控关键生长特征差异（如延迟小麦伸长起始时间）可能优化系统表现。该研究也为生态理论与农业实践的深度融合提供了范例，未来可扩展至更多作物组合和地理环境验证模型的普适性。