《Agronomy》：Method-Based Multi-Objective Parameter Co-Calibration of Dryland Wheat Yield and Protein Content
编辑推荐：
水分和氮素供应共同影响旱地小麦产量和籽粒蛋白质形成；作物模型模拟这两种因素协同效应的能力取决于关键参数的准确性。然而，模型参数数量众多且相互作用复杂，使得参数筛选和校准面临挑战。在本研究中，研究人员利用2015—2019年甘肃省定西市安定区旱地小麦的年度产量记
水分和氮素供应共同影响旱地小麦产量和籽粒蛋白质形成；作物模型模拟这两种因素协同效应的能力取决于关键参数的准确性。然而，模型参数数量众多且相互作用复杂，使得参数筛选和校准面临挑战。在本研究中，研究人员利用2015—2019年甘肃省定西市安定区旱地小麦的年度产量记录以及同期采集自安定区凤翔镇安家沟村的田间观测数据（籽粒蛋白质含量）对模型进行了校准。随后，研究人员使用同一研究区域两个生长季（2020—2021年）的独立数据对模型进行了验证。基于下一代农业生产系统模拟器（APSIM NG），并以水氮响应为基础，研究人员构建了以产量和籽粒蛋白质含量为校准目标的多目标参数校准框架。采用扩展傅里叶幅度敏感性检验（EFAST）筛选模型关键参数，并比较分析了DREAM–zs算法、Nelder–Mead单纯形算法和多目标霜冰优化算法（MORIME）在校准这些参数方面的性能。三种算法均降低了产量的模拟误差；对于籽粒蛋白质含量，Nelder–Mead和MORIME算法降低了模拟误差，而DREAM-zs则未实现降低。Nelder–Mead和MORIME算法的模拟精度总体相近，但MORIME产生了一组表征产量与籽粒蛋白质含量模拟精度之间权衡关系的Pareto解集；因此，研究人员选择其参数解进行独立验证。验证结果表明，产量的均方根误差（RMSE）从248.45 kg·hm?2降至213.90 kg·hm?2，归一化均方根误差（NRMSE）从12.60%降至10.85%；籽粒蛋白质含量的RMSE从0.280%降至0.250%，NRMSE从1.86%降至1.66%。此外，引入并行计算使MORIME的运行时间减少了82.99%。该研究表明，采用并行计算的MORIME算法可为作物模型参数的多目标高效优化提供方法论支持。
论文解读
一、研究背景与问题
在全球粮食安全日益受到资源约束和气候变异性加剧的背景下，提升作物生产力与抗逆性已成为现代农业面临的核心挑战。作物模型作为现代农业决策支持的重要工具，能够定量模拟不同环境和管理条件下作物的生长发育与产量形成过程。然而，在旱地农业生态系统中，小麦生产力往往同时受到水分和氮素的双重限制，水氮交互作用显著影响氮素吸收与再分配、水分利用效率以及籽粒产量和品质。现有小麦模型在氮素吸收与分配的模拟上往往过于简化，对水氮交互过程中根系结构与功能的动态变化考虑不足，这限制了模型在复杂农田环境中的适应性和预测可靠性。
作物模型参数数量众多且相互作用复杂，传统的试错法校准方式耗时且主观，难以适用于高维参数系统。因此，参数校准成为提升模型准确性和适用性的关键环节。目前大多数研究集中于单目标校准，如产量最大化、蛋白质含量最大化或叶面积指数优化。但在实际旱地农业生产中，产量与品质之间存在复杂的协同与权衡关系，仅针对单一目标进行校准难以满足生产需求。基于此，开展多目标协同参数校准研究具有重要的理论价值和实践意义。
二、研究内容与主要结论
本研究以APSIM NG模型为基础，以水氮供应过程为切入点，构建了以产量和籽粒蛋白质含量为校准目标的多目标参数校准框架。研究人员利用2015—2019年甘肃省定西市安定区的旱地小麦产量统计数据和同期田间观测的籽粒蛋白质含量数据进行模型校准，并使用2020—2021年的独立数据进行了模型验证。研究通过EFAST全局敏感性分析筛选出最大粒重（G1）、籽粒最大氮含量（G4）和辐射利用效率（L1）三个对产量和籽粒蛋白质含量具有协同调控作用的关键参数，有效降低了参数校准的维度。研究比较分析了DREAM–zs算法、Nelder–Mead单纯形算法和MORIME算法在校准这些参数方面的性能，并评估了并行计算对MORIME算法优化效率的提升效果。
研究结果表明，三种算法均降低了产量的模拟误差；在籽粒蛋白质含量模拟方面，Nelder–Mead和MORIME算法降低了模拟误差，而DREAM-zs未实现改善。Nelder–Mead和MORIME算法的模拟精度总体相近，但MORIME能够直接获得一组Pareto最优解集，表征产量与籽粒蛋白质含量模拟精度之间的权衡关系。独立验证结果显示，校准后产量RMSE从248.45 kg·hm?2降至213.90 kg·hm?2，NRMSE从12.60%降至10.85%；籽粒蛋白质含量RMSE从0.280%降至0.250%，NRMSE从1.86%降至1.66%。并行计算策略使MORIME算法的运行时间从76,465.28 s降至13,005.00 s，减少了82.99%。该研究为作物模型参数的多目标高效优化提供了方法论支持，为旱地农业的智能化管理提供了理论依据和技术指导。
三、关键技术方法
研究人员主要采用了以下关键技术方法：一是基于APSIM NG模型平台，以水氮供应过程为基础构建多目标参数校准框架；二是采用EFAST全局敏感性分析方法，通过方差分解量化输入参数对模型输出的独立贡献及其交互作用，筛选出最大粒重（G1）、籽粒最大氮含量（G4）和辐射利用效率（L1）三个关键参数；三是对比应用DREAM–zs算法、Nelder–Mead单纯形算法和MORIME算法进行参数优化，其中MORIME算法融合了软霜搜索策略、硬霜搜索策略、非支配排序和拥挤距离机制；四是引入基于R语言parallel包的并行计算策略，利用8个CPU核心实现种群个体适应度评估的并行处理。研究数据来源于2015—2021年甘肃省定西市安定区凤翔镇安家沟村的田间试验观测和定西市统计年鉴。
四、研究结果
4.1 敏感性分析结果
通过EFAST全局敏感性分析，研究人员识别出最大粒重（G1）、籽粒最大氮含量（G4）和辐射利用效率（L1）为同时调控小麦产量和籽粒蛋白质含量的关键参数。其中，G1和L1对产量和蛋白质含量均有显著影响，G4对籽粒蛋白质含量具有特别显著的影响，其一阶敏感性指数和总效应指数分别高达0.723和0.817。
4.2 参数优化结果
三种算法获得的参数校准结果呈现相似趋势：G4优化后保持不变，G1略有增加，L1略有下降。DREAM-zs算法在设定的迭代次数下未完全满足预设收敛标准，参数估计的不确定性较高；Nelder–Mead单纯形算法的优化结果对初始搜索路径存在一定敏感性，多次重复运行可能收敛到不同的局部最优解；MORIME算法获得的非支配解集在目标空间中呈近似"L"形分布，反映了两个优化目标之间的权衡关系。
4.3 校准模型模拟性能评估
利用2015—2019年数据对参数校准前后的模拟结果进行比较，三种优化方法均降低了产量模拟误差。对于籽粒蛋白质含量模拟，Nelder–Mead和MORIME方法降低了模拟值与观测值之间的误差，而DREAM-zs方法未表现出进一步改善。其中，MORIME获得的参数组合在产量和籽粒蛋白质含量模拟中总体获得了较低的模拟误差。最终选定的最优参数组合为最大粒重0.060 g、籽粒最大氮含量0.030、辐射利用效率1.294 g·MJ?1。
4.4 独立样本验证
利用2020—2021年的独立数据对校准后的模型进行验证，结果表明校准后的模型在小麦产量和籽粒蛋白质含量模拟方面具有可接受的模拟性能。产量模拟在2020年略有低估，2021年模拟值与观测值较为接近；籽粒蛋白质含量的模拟结果较为稳定，两年平均偏差仅为?0.039%。这表明参数优化提升了模型在目标环境条件下模拟产量和品质形成过程的能力，但模型的长期稳定性和环境迁移性仍需利用更长时序和更广泛生态区的数据进行进一步验证。
五、讨论与结论
讨论部分指出，作物模型的模拟精度依赖于模型参数的高效合理优化。EFAST敏感性分析识别出的关键参数与已有研究结果基本一致。优化参数之间的相关性分析表明，模型参数并非完全独立发挥作用，优化算法可通过多参数的协同调整来降低产量和籽粒蛋白质含量的模拟误差。从作物生理学角度分析，最大粒重与籽粒最大氮含量之间的负相关关系可能反映了籽粒储存容量扩张与氮素供应之间的潜在权衡；辐射利用效率的调整与最大粒重和籽粒最大氮含量的变化共同影响模型对产量形成和籽粒品质积累过程的模拟。三种优化算法在设定条件下表现出不同的性能特征：DREAM-zs算法在设定迭代次数下未完全收敛；Nelder–Mead单纯形算法缺乏全局搜索能力和多目标权衡机制；MORIME算法结合软硬霜搜索策略和非支配排序机制，在多目标平衡方面表现优异，但计算复杂度较高，并行计算可有效降低计算时间。
研究结论为：基于APSIM NG的水氮供应过程，本研究建立了旱地小麦产量与籽粒蛋白质含量协同模拟的多目标参数校准框架。通过EFAST全局敏感性分析，识别出最大粒重、籽粒最大氮含量和辐射利用效率为关键参数，并相应降低了参数校准维度。在各自预设的优化设置下，DREAM-zs、Nelder–Mead和MORIME均获得了相应的参数组合。Nelder–Mead和MORIME的模拟性能总体相当，而MORIME提供了一组Pareto最优解集以表征产量与籽粒蛋白质模拟精度之间的权衡关系；因此，研究人员选择MORIME获得的参数组合进行独立验证，最大粒重、籽粒最大氮含量和辐射利用效率分别设定为0.060 g、0.030和1.294 g·MJ?1。MORIME的并行实现进一步将计算时间减少了82.99%。2020—2021年独立年份的验证结果表明，该参数组合具有一定的跨年份模拟能力。总体而言，该 methodological framework 实现了旱地小麦产量与籽粒蛋白质含量的协同参数校准，为作物模型参数校准提供了方法论参考。
