基于WOFOST模型重构的中国大白菜生长动态模拟与养分管理优化研究

为解决中国大白菜(Brassica rapa L. ssp. Pekinensis)生产中过量施肥导致的生态问题，西南大学资源与环境学院的研究团队通过重构WOFOST模型，开发了首个针对中国大白菜的WOFOST-Chinese cabbage模型。该研究基于2019-2021年田间试验数据，实现了对生物量(rRMSE=0.13)、叶面积指数(LAI,rRMSE=0.34)和养分吸收(rRMSE=0.15)的精准模拟，为优化施肥管理提供了新工具，同时为叶菜类作物模型比较研究建立了基准。

　　

在全球气候变化和粮食安全双重挑战下，蔬菜作为营养密集型作物的重要性日益凸显。中国作为世界最大的蔬菜生产国，大白菜占据全国蔬菜种植面积的14%，但其浅根系特性导致养分利用效率低下，农民为追求高产往往过度施肥，引发土壤酸化、盐渍化等环境问题。传统作物模型如WOFOST主要针对谷物设计，缺乏对叶菜类作物的适用性，特别是难以模拟其独特的形态结构和养分动态。

西南大学长江流域农业绿色发展交叉学科研究中心的研究团队在《Agricultural Systems》发表研究，通过重构WOFOST模型框架，首次建立了针对中国大白菜的WOFOST-Chinese cabbage模型。这项创新性工作结合了为期三年的田间实验（2019-2021）与图像分析技术，解决了叶菜类作物建模中的关键难题。

研究团队采用多学科交叉方法，主要运用了四种关键技术：1) 基于ImageJ软件的叶面积图像分析技术，实现功能叶与非功能叶的精确区分；2) 温度总和(TSUM)算法重构，将大白菜生育期重新划分为移栽、莲座、包心等5个发育阶段(DVS)；3) 春化效应模型优化，针对大白菜种子春化特性调整温度响应机制；4) 动态分配系数校准，通过器官特异性生物量和养分数据建立分配函数。

研究结果部分显示：

1. 模型校准验证：利用2021年最优施肥(OIF)数据校准的模型，对地上部总生物量(TAGP)的模拟rRMSE仅0.13，叶面积指数(LAI)rRMSE为0.34，氮吸收rRMSE为0.15，验证了模型在潜在生长条件下的可靠性。

2. 形态阶段划分：将传统BBCH尺度转化为模型可识别的5个发育阶段(DVS)，成功捕捉从莲座期(DVS=0.11)到抽薹期(DVS=1)的动态过程。

3. 养分模拟性能：模型对氮(N)、磷(P)、钾(K)的吸收分配表现出色，其中地上部氮吸收(N_AB)的R²达0.99，但根部养分存在高估现象。

4. 敏感性分析：发现最大光合能力(AMAX)和叶片转化效率(CVL)是影响生物量预测的最敏感参数，而养分胁迫系数(NLUE_NPK)主导低肥条件下的模拟精度。

在讨论部分，作者指出该模型的三大创新价值：首先，建立的参数体系填补了WOFOST在叶菜类作物应用的空白；其次，开发的图像辅助分配方法为其他结球蔬菜建模提供了范式；最后，整合的养分模块首次实现了大白菜品质(硝酸盐含量)与环境影响的协同评估。尽管模型在包心期功能叶区分和低肥条件下性能有待提升，但通过引入动态干物质重分配算法和养分胁迫响应机制，未来可扩展应用于气候变化情景分析。这项研究不仅为长江流域大白菜绿色生产提供决策工具，更推动了AgMIP等国际模型比较计划中蔬菜模型的多元化发展。