小麦涝渍响应模拟中的不确定性:基于15个作物模型(CMs)的多模型比较研究

《Agricultural Water Management》:Uncertainties in simulating wheat growth responses to waterlogging

【字体: 大 中 小 】 时间:2026年10月23日 来源:Agricultural Water Management 7.8

编辑推荐:

  摘要专业翻译 土壤涝渍(soil waterlogging)是威胁全球农业生产日益严重的因素。小麦(wheat)作为供应全球约20%热量的主粮作物,对土壤涝渍尤为敏感。然而,作物模型(Crop Models,CMs)对涝渍过程的表征仍不完善,其在统一胁迫条件下

  
摘要专业翻译 土壤涝渍(soil waterlogging)是威胁全球农业生产日益严重的因素。小麦(wheat)作为供应全球约20%热量的主粮作物,对土壤涝渍尤为敏感。然而,作物模型(Crop Models,CMs)对涝渍过程的表征仍不完善,其在统一胁迫条件下的响应差异尚未被系统量化。本研究在农业模型比较与改进项目(Agricultural Model Intercomparison and Improvement Project,AgMIP)小麦团队框架下,协调了15个小麦作物模型,施加标准化的涝渍处理,处理在物候时间、持续时间和降雨驱动的土壤饱和程度上有所变化。研究分三步进行:首先,研究人员利用法国Arvalis田间试验和西班牙Lleida户外受控试验对品种参数及涝渍特定参数进行校准;其次,通过合成降雨扰动测试模型对土壤饱和的敏感性;最后,将校准后的涝渍参数化方案不加调整地跨7个物候阶段和6个胁迫持续时间(4–24天)进行可迁移性测试。结果显示,在拟合涝渍特定作物响应系数前,集合中位数对8个涝渍处理的相对均方根误差(rRMSE)为17.0%;校准后降至6.3%。然而,将拟合的涝渍参数化方案跨物候阶段迁移时,各模型响应曲线出现显著分歧。在24天处理下,基于k均值聚类(k-means clustering)可识别出4个稳健的严重胁迫响应组,但该分组结构在4天处理下无法恢复。茎秆伸长(stem elongation)是产量最大敏感性出现频率最高的阶段(15个模型中的4个)。模型间变异系数(coefficient of variation,CV)随胁迫持续时间从4天的26.7%增加至24天的41.4%。在合成降雨测试中,大多数模型对降雨驱动的土壤饱和表现出较弱的敏感性,这暴露了模型在水文边界表征和作物胁迫传递方面的差异。研究人员得出结论:当前小麦作物模型在统一涝渍扰动下表现出显著的结构性分歧,分歧随胁迫严重程度加剧;涝渍参数化方案跨物候阶段的可迁移性差;模型对降雨驱动的涝渍响应普遍偏弱。研究诊断了模型不确定性产生的关键环节,并提出了三项改进优先方向:建立土壤通气状况与作物过程之间明确且可检验的联系、开发依赖发育阶段的损伤与恢复函数、以及利用包含水文和作物观测的多环境田间数据集评估交互胁迫效应。

论文解读

一、研究背景与科学问题

土壤涝渍是指土壤水分过多导致根区完全饱和的现象,正日益成为威胁全球农业生产的重要灾害。2023至2024年间,在报告的130起与天气相关的作物歉收事件中,水分过多是首要原因,涉及40起。随着气候变化下水文循环加剧,极端降雨在许多地区预计将更加频繁和严重,从而增加各耕作系统中的涝渍风险。小麦作为供应全球约20%热量的主粮作物,对土壤涝渍尤为脆弱。过量降雨和排水不良会消耗根区氧气,损害根系呼吸和养分吸收,改变激素平衡并限制生长。严重胁迫可降低根系存活和冠层发育,同时增加对病害和倒伏的易感性。产量响应强烈依赖于胁迫发生的时间和持续时间。
尽管涝渍具有全球重要性,但在使用作物模型(CMs)进行的作物-气候影响评估中,涝渍仍未得到充分表征。绝大多数研究聚焦于干旱、高温或渐进变暖等气候影响驱动因子,水分过量在很大程度上未被探索。虽然一些农学试验研究已量化了涝渍影响及缓解策略,但大多数作物模型仍未能充分表征涝渍过程。现有的涝渍模块仍处于起步阶段,在模拟毛细上升、作物耐受性与恢复、以及对物候、氮循环和产量构成的影响等方面存在关键缺陷。因此,在涝渍条件下模拟作物响应的不确定性仍然很高。
以往研究已建立了哪些过程在作物模型中有所表征的清单,但未量化相同模型在遭受一致的涝渍时间、持续时间和严重程度时会产生多大分歧,也未测试主要基于茎秆伸长阶段校准的涝渍参数化方案能否迁移至其他物候阶段。这一定量诊断正是本研究的核心目标。研究人员据此提出三个假设:第一,模拟的产量响应应具有阶段依赖性,茎秆伸长和生殖发育是经验上高度敏感的候选阶段;第二,在4至24天测试范围内,模型间分歧应随涝渍持续时间增加而增大;第三,将涝渍直接与根系生长或根长密度关联的模型应模拟出更大的严重胁迫产量损失。

二、研究设计与关键方法

本研究在AgMIP小麦第4阶段框架内开展,旨在诊断模型结构、胁迫时间、胁迫持续时间和水文设置如何影响模拟的小麦涝渍响应。所有参与团队获得共同的天气、土壤、作物和管理输入以及标准化处理方案。研究设计有意将受控试验基准与合成扰动相结合,以便模拟间的差异主要可归因于规定条件下模型行为的差异。
研究方案包含三个连续步骤。第一步,利用法国Arvalis的四个田间试验和西班牙Lleida的户外受控试验,对冬小麦品种Soissons进行参数化。步骤1a在不拟合涝渍特定作物响应系数的前提下,用非涝渍Lleida对照和Arvalis试验校准物候、生长和产量,随后模拟8个涝渍处理,作为涝渍响应的拟合前外推基准;步骤1b利用完整Lleida数据集(包含对照和8个涝渍处理)额外拟合涝渍特定参数,因此属于校准拟合优度而非独立验证。第二步,通过合成降雨扰动测试模型对降雨驱动土壤饱和的敏感性,共12个情景,组合两种土壤(砂土和黏土)与六种降雨扰动(基线、3天加50毫米、6天加150毫米、9天加300毫米、12天加500毫米、12天加1000毫米),扰动围绕开花期施加。第三步,测试校准后涝渍响应的跨发育阶段可迁移性,共42个处理,组合6种持续时间(4、8、12、16、20、24天)与7个起始阶段(出苗、二叶、三叶、开始分蘖、开始茎秆伸长、开花、开始灌浆)。步骤2和3均使用Soissons品种及步骤1b的涝渍参数化方案。所有模拟在播种前六个月以田间持水量初始化土壤,并尽量减少额外非生物胁迫。
15个参与模型在土壤水分表征、诊断通气胁迫的变量、过量水分下被修改的作物过程以及排水后胁迫的持续性方面各不相同。模型包括APSIM、AquaCrop、Daisy、DSSAT-CERES-Wheat、DSSAT-Nwheat、EPIC、WOFOST、LandscapeDNDC、MONICA v1、MONICA v2、SIMPLACE v1、SIMPLACE v2、SSM-Wheat、STICS和WheatSM。各模型采用不同的胁迫驱动变量和受影响过程:有的通过土壤水分相对饱和度的通气胁迫因子作用于根系和生长过程,有的通过气孔导度和干物质分配响应,有的通过氧胁迫天数减少蒸腾,有的通过压力水头响应降低根系吸水,有的直接关联根系生长和根长密度。由于缺少统一的中间水文输出变量,模型间差异无法完全归因于作物胁迫模块或水文设置。
数据分析方面,步骤1计算了集合中位数与观测产量之间的相对均方根误差(rRMSE)、平均绝对误差(MAE)和平均偏差。聚类分析使用15个模型在24天涝渍处理下六个完整物候阶段的相对籽粒产量进行k均值聚类,聚类数评估范围为k=2至6,采用组内平方和与平均轮廓宽度确定最优聚类数,并用Ward层次聚类和调整兰德指数(ARI)验证稳健性。最大敏感性阶段定义为每个模型和变量在所有阶段与持续时间组合中相对对照模拟值最低的物候阶段。模型间变异系数(CV)用于表征结构分歧程度。

三、主要研究结果

3.1 涝渍响应在涝渍特定校准前后的变化
观测籽粒产量随涝渍持续时间增加近似线性下降。在将涝渍特定作物响应系数拟合至当前Lleida八个涝渍处理之前,集合再现了响应的总体方向但存在较大离散和系统性高估:八个处理的集合中位数rRMSE为17.0%,MAE为0.94吨/公顷,平均偏差为+0.80吨/公顷。涝渍特定校准后,相应值分别降至6.3%、0.34吨/公顷和+0.12吨/公顷。最大残余偏差出现在最长的开花前处理中。24天涝渍下,观测产量约为4.35吨/公顷,而校准前和校准后的集合中位数分别约为5.54和4.87吨/公顷。即使校准后,最长处理中仍存在显著的结构性离散。
3.2 涝渍影响模拟的敏感性
将校准后的参数化方案跨物候阶段和持续时间迁移时,模型表现出显著不同的响应。在24天处理下,k=4产生最高的平均轮廓宽度(0.423),表明分离程度中等而非强烈。Ward层次聚类精确再现了四组稳健解(ARI=1.0)。相对于原始分组,15个模型中有14个保持相同成员关系,AquaCrop从第1组重新分配至第4组(ARI=0.819)。与24天分组的一致性随持续时间增加而提高,4、8、12、16、20天的ARI值分别为0.037、0.318、0.416、0.433和0.612。在4天处理下,与24天分组的一致性不优于随机水平,表明四组结构在田间最常见的较短持续时间下无法恢复。因此,这些分组应被解读为严重胁迫响应类型学而非通用模型分类。
稳健的第1组包含Daisy和DSSAT-CERES,在24天处理下通过茎秆伸长阶段平均产量响应很小,在开花期平均损失约21%,灌浆开始时约16%。第2组(APSIM、MONICA v2、SIMPLACE v2、SSM-Wheat、STICS)表现出强烈的早中期敏感性,从二叶阶段到茎秆伸长的平均损失约49%至78%,开花期和灌浆期损失较小。第3组(WOFOST、SIMPLACE v1)在出苗期响应很小,但在分蘖期和生殖期响应最强,分蘖开始期平均损失约83%,开花期约74%。第4组(AquaCrop、DSSAT-Nwheat、EPIC、LandscapeDNDC、MONICA v1、WheatSM)响应曲线较为温和,茎秆伸长时平均损失最大约48%,分蘖、开花和灌浆期损失约35%至38%。
探索性结构-响应分析未识别出能单独区分严重胁迫响应类型的单一过程表征。具有直接蒸腾关联的模型(n=8)中位严重胁迫产量损失为49.5%,而无直接蒸腾关联的模型(n=7)为28.2%。相反,具有根系生长或根长密度直接效应的模型(n=7)中位损失为30.0%,而无直接根系关联的模型(n=8)为42.7%。光合作用几乎没有中位数对比:有直接关联(n=4)为40.3%,无直接关联(n=11)为40.6%。根系对比的方向与第三个假设相反,且四分位距(IQR)广泛重叠,表明这些是探索性关联而非单一因果机制的证据。
对于籽粒产量,茎秆伸长是最大敏感性出现频率最高的阶段(15个模型中的4个,占26.7%),其次是三叶阶段和分蘖开始(各3个,占20.0%),灌浆开始(2个,占13.3%),出苗、二叶和开花(各1个,占6.7%)。没有单一阶段代表大多数模型的最大产量敏感性。对于叶面积指数(LAI),最大敏感性最高频率出现在分蘖开始(14个模型中的7个,占50.0%)。对于根系生物量,分蘖开始是最常见的最大阶段(12个模型中的3个,占25.0%)。
模型间分歧随胁迫持续时间增加而增大。籽粒产量的平均变异系数从4天涝渍的26.7%增加至24天的41.4%。跨物候阶段,模型间平均变异在分蘖开始(40.8%)和茎秆伸长(38.1%)时最大,其次为三叶阶段(35.3%)。该模式支持结构分歧随扰动加剧而更加显著这一假设。
3.3 涝渍影响模拟的多模型集合
等权多模型均值显示,随着涝渍持续时间增加,LAI、地上生物量、根系生物量和籽粒产量的损失逐步增大。最强的平均减少通常发生在胁迫始于分蘖至茎秆伸长之间时,而产量在开花期和灌浆期仍保持敏感。集合推导的斜率对应于分蘖或茎秆伸长开始时每个涝渍日约1.8个百分点的额外产量损失,而出苗至二叶阶段约为每天0.5个百分点。这些斜率是该集合的情景特定敏感性,而非通用生物学损失率。家族平衡集合与15个模型均值在42个处理间的产量响应几乎相同(r=0.998),平均绝对差为1.2个百分点,表明主要集合模式并非由重复的MONICA和SIMPLACE模型家族驱动。
在经验研究中经常强调的两个阶段,单个模型响应高度异质。24天处理下,茎秆伸长的模拟产量变化范围从Daisy的轻微增加0.6%到SSM-Wheat的89.3%损失。开花期损失范围从LandscapeDNDC的13.2%到WOFOST的76.8%。由于步骤3没有阶段特定观测,这些范围不应被解读为模型偏差,而是量化了共同校准步骤后模型间的可迁移性分歧。
3.4 作物模型对强降雨影响模拟的敏感性
在黏土中,WheatSM和LandscapeDNDC响应最强,LandscapeDNDC在300毫米以上损失超过30%,WheatSM达到约70%。集合平均损失从150毫米起略高于10%。在砂土中,集合平均损失在150毫米时约5%,1000毫米时约10%。跨土壤类型,90%的模型在150毫米时模拟产量损失低于10%,80%即使在1000毫米时仍低于该阈值。500和1000毫米处理对Lleida气候而言刻意不现实,仅作为上限敏感性测试。因此结果是,大多数校准模型在规定的合成条件下对降雨驱动的饱和响应较弱。由于施加的降雨远超12天处理期内合理的蒸散量,添加的水必须在土壤储存、蒸散、排水和径流之间分配。弱产量响应表明在许多模型设置下,施加的降雨强迫向作物胁迫的传递有限,但缺乏统一的水平衡输出无法识别整个集合中哪个水文途径占主导。

四、讨论与结论

本比较研究最有力的发现是,暴露于一致涝渍扰动的小麦作物模型之间存在巨大的结构性分歧。分歧同时出现在模拟产量损失的大小和物候时间上,且随胁迫持续时间增加而增大。阶段依赖性明显,但没有任何单一阶段代表大多数模型的最大产量敏感性。茎秆伸长是最常见的最大敏感性阶段,而其他模型在早期营养阶段、分蘖、开花或灌浆期达到峰值。这种广泛分布部分反映了涝渍系数主要围绕茎秆伸长处理拟合后不加调整地跨物候迁移,也反映了模型在连接土壤饱和与根系功能、蒸腾、光合作用、生物量分配、物候和产量构成方面的真实结构差异。经验综合同样显示对生长阶段和胁迫持续时间的强烈依赖,而非普遍敏感性窗口。实验文献本身对哪个阶段最敏感也存在分歧,因此模拟的离散性不能简单视为模型缺陷,也反映了缺乏共识性经验基准。
严重胁迫下的大结构不确定性与其他非生物胁迫的多模型研究一致,在这些研究中,分歧通常在用于校准的环境范围之外增大。模型间变异系数在4天到24天的测试范围内增加,而响应组随持续时间增加逐渐更接近24天分组。这仅在测试范围内支持第二个假设,并不暗示分歧必须无限增加:在更严重的胁迫下,产量下限可能反而减少分歧。
探索性结构-响应分析表明,涝渍敏感性不能归因于单一模型特征。直接蒸腾效应与更高的中位严重胁迫损失相关,而根系生长或根长密度的直接效应与较低的中位损失相关,光合作用几乎没有中位数对比。根系对比方向与第三个假设相反。一个可能的解释是方案设计中资源充足的特性:氮限制被最小化,涝渍处理设计为施加过量土壤水而非干旱。在此条件下,主要通过根系获取途径传导的惩罚可能不如直接施加于蒸腾或同化的惩罚那样直接传导至籽粒产量。该解释仍是假设生成性的,因为根系吸水、氮状态、土壤氧气、排水和径流未在模型间统一。配对模型版本进一步说明复杂性:MONICA v2的模型级平均严重胁迫损失仅比MONICA v1高4.4个百分点,而SIMPLACE v2与SIMPLACE v1相差0.5个百分点。响应大小因此产生于胁迫生成、受影响的作物过程、参数值和水文设置的组合,而非单一模块的存在。
集合平均在分蘖和茎秆伸长附近显示最大平均减少,与实验报告大致一致。早期阶段响应在集合中较小,但这不应被解读为生物学耐受性的证据。田间观测可包括建植失败、幼苗死亡、病原压力和后期遗留效应,这些在许多作物模型中缺失。研究还指出,小麦在涝渍后可表现显著的补偿性生长,因此初始损伤和恢复动态都需要被表征。一个省略早期死亡但也省略补偿恢复的模型可能通过补偿误差达到看似合理的最终产量。
大多数模型对合成降雨驱动的饱和实验响应较弱。这是一个敏感性结果而非低估的直接证据,因为没有观测匹配150至1000毫米扰动,且设计有意排除了氮胁迫、病害、倒伏和直接降雨损伤。真实事件如2023年巴西南部和2016年法国的事件结合了其中若干途径,因此不能作为步骤2的直接验证目标。未来评估应结合田间产量观测与土壤水分、地下水位或氧气状态、排水、养分损失、倒伏和病害数据,以便分离水文和作物响应误差。
模型分歧随胁迫严重程度的增加支持在极端条件下而非仅平均条件下评估模型行为的更广泛需求。复合胁迫增加了额外挑战,因为其效应可能是非加性的。研究提出三项优先改进方向:第一,模型需要从土壤通气状态到根系功能、碳同化和产量形成的更明确联系,以及统一的水文边界条件;第二,可迁移性测试表明主要围绕茎秆伸长拟合的系数不能在其他阶段产生一致响应,因此需要动态损伤和恢复函数,使胁迫历史在排水后适当持续并随发育变化;第三,大多数模型对降雨驱动饱和的直接响应较弱,加上有意排除氮损失、病害和倒伏,表明未来评估必须表征和测试伴随湿润极端的交互途径。
研究的局限性包括:涝渍特定校准依赖单一品种Soissons和一个含81%砂的粗质地土壤户外土柱试验;步骤2降雨实验使用Lleida单一季节和刻意合成的强迫;建模团队可调整水文参数或底部边界条件以实现饱和,而地下水位深度、土壤氧气状态、排水、径流和完整水平衡组分等共同中间输出未在模型间统一,阻碍了水文误差与作物胁迫误差的形式分离;聚类仅基于产量响应,在24天严重处理下恢复最清晰,在4天时一致性降至随机水平;氮相关效应、病害、倒伏、直接降雨损伤、基因型差异和若干恢复过程被排除或表征不完整。这些约束意味着本研究诊断了标准化扰动下的结构分歧,并未验证涝渍风险预测在土壤、基因型或生产区域间的准确性。
研究结论指出,标准化涝渍扰动揭示了当前小麦作物模型在模拟产量损失的时间和大小方面的显著分歧。在将涝渍特定作物响应系数拟合至当前Lleida八个涝渍处理前,集合中位数以17.0%的rRMSE再现了这些处理,提供了拟合前外推基准而非严格独立验证;校准将同一指标降至6.3%。将拟合的涝渍参数化方案跨物候阶段迁移时,响应曲线出现分歧,模型间变异在测试的4至24天范围内随持续时间增加。相关模型家族未驱动集合模式,四个严重胁迫响应组被层次聚类再现但在最短持续时间下无法恢复。大多数模型在合成步骤2情景下对降雨驱动饱和也表现出弱敏感性,这一结果需要独立田间观测和统一水文输出才能解释为偏差。研究因此提供了模型不确定性产生位置的定量诊断,并确定了三项改进优先方向:土壤通气与作物过程之间明确且可检验的联系、依赖发育阶段的损伤与恢复函数、以及利用包含水文和作物观测的田间数据集评估交互胁迫。这些结论基于一个品种、一个粗质地土壤户外土柱实验和一个合成降雨季节,描述了这组模型在共同方案下的行为,并未确立任何模型在生产环境中预测涝渍损失的准确性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号