《Italian Journal of Agronomy》：A model-based decision support framework to optimize cultivar recommendation. A case study on Pisum sativum L
编辑推荐：
品种推荐是成功种植季的关键决策过程。作物模型能够有效支持在特定环境下识别适宜品种，因为模型可以探索广泛的农业气候条件，而这些条件在多环境试验中难以捕捉。在本研究中，研究人员将作物模型与理想型（ideotyping）技术相结合，构建了一个品种推荐框架，并将其应用
品种推荐是成功种植季的关键决策过程。作物模型能够有效支持在特定环境下识别适宜品种，因为模型可以探索广泛的农业气候条件，而这些条件在多环境试验中难以捕捉。在本研究中，研究人员将作物模型与理想型（ideotyping）技术相结合，构建了一个品种推荐框架，并将其应用于意大利北部艾米利亚-罗马涅大区的豌豆（Pisum sativum L.）。通过考虑两个主要播种窗口以及区域气候和土壤数据，研究人员确定了18个农业气候环境。从20个商业豌豆品种中推导出与物候期、冠层结构、生物量分配和光合效率相关的7个功能性状的统计分布，并用于对每个农业气候环境下的STICS作物模型进行基于方差的敏感性分析。对应于7个功能性状的模型参数被用作敏感性分析输入，同时将同时考虑产量及其稳定性的复合函数作为目标输出。敏感性分析结果用于为每个农业气候环境设计豌豆理想型，并使用敏感性指数加权的欧氏距离评估商业品种表型谱与理想型之间的相似性。基于环境特异性、相似性驱动的品种排名，研究人员得出了空间分布的建议。研究发现，不同农业气候环境下的品种排名存在明显变化，凸显了显式分析基因型×环境×管理（G×E×M）相互作用的必要性。用于推导品种表型谱的简单方法以及基于过程的建模方法使得该框架易于扩展到不同的播种时间、新发布的品种或不同的作物，这些都是将该框架转移到实际农业环境中的关键特征。虽然该系统提供的建议的初步评估支持其潜在可靠性，但在操作层面全面部署之前，仍需通过多环境试验进行进一步验证。
**论文解读：基于模型与理想型技术的豌豆品种推荐框架研究**
**研究背景与问题**
品种推荐是提升作物韧性和产量稳定性的关键决策，需通过分析基因型×环境×管理（G×E×M）相互作用以选择最适品种。传统方法依赖多环境试验（MET）收集大量数据，成本高、耗时长，且难以覆盖广泛农业气候条件。作物模型虽能模拟不同环境下品种表现，但需基因型特异性参数化，这通常需要多个站点和季节的试验数据，限制了其应用范围。Paleari等（2020）提出一种无需多点试验数据的方法，通过结合农业气候分区、理想型设计和相似性分析，但此前仅应用于灌溉豆类（bean）和窄播种窗口。本研究旨在评估该方法在雨养豌豆（Pisum sativum L.）中的适用性，以最大化产量及其稳定性，并为意大利北部艾米利亚-罗马涅大区的豌豆生产提供推荐。该研究发表在《Italian Journal of Agronomy》。
**研究内容与结论**
研究人员基于STICS作物模型，结合20个商业豌豆品种的功能性状分布，对18个农业气候环境（考虑播种窗口、气候和土壤）进行敏感性分析和理想型设计，并通过相似性指数（IDI）推导品种排名。结果表明，品种排名随农业气候条件显著变化，气候影响大于土壤，凸显了显式分析G×E×M相互作用的必要性。初步验证显示，模型推荐的前两名品种（Romago、Wolf）在2021年独立田间试验中产量位列前五，支持了该框架的潜在可靠性。
**主要关键技术方法**
本研究采用的主要技术方法包括：（1）基于方差敏感性分析（E-FAST）的STICS作物模型，用于量化功能性状对产量和稳定性的影响；（2）通过单点单季（2023年Lagosanto，44.45°N，12.09°E）田间试验获取20个商业豌豆品种的7个功能性状统计分布（物候期、冠层结构、生物量分配、光合效率）；（3）利用加权欧氏距离计算相似性指数（IDI），评估品种与理想型的匹配程度，并生成基于环境特异性的品种排名。样本来源为20个商业豌豆品种，性状数据在优化营养和灌溉条件下收集。
**研究结果**
**3.1 环境特征**
早期播种（2月1日）的合成农业气象指数（SAM）多为正值，显示湿润条件；晚期播种（4月1日）多为负值，显示干旱条件。结合土壤质地（细、粗、中）共划分18个农业气候环境。
**3.2 品种功能性状表征**
所有7个功能性状呈正态分布，其中果皮比例（envfruit）变异系数最大（27.8%），生理成熟热时间（dureefruit）变异系数最小（8%），表明品种间表型异质性显著。
**3.3 性状在不同农业气候条件下的相关性**
通过敏感性分析，发现从出苗到第一荚的热时间（stlevdrp）在15/18个环境中排名第一，对产量和稳定性贡献最大；生殖期辐射利用效率（efcroirepro）在多数环境排名第二，并在最湿润的晚期播种环境中升至第一；生理成熟热时间（dureefruit）普遍排名第三。土壤类型影响可忽略。理想型设计显示，所有环境均建议提前第一荚出现（减少stlevdrp最高达19.3%），增加辐射利用效率（平均+7.9%），延长灌浆期（+4.4%至+7%），缩短发芽时间（平均-3.9%），降低消光系数（平均-4.1%）和株高（平均-6.2%）。
**3.4 品种推荐**
基于相似性分析，品种排名随环境变化显著。例如，Romago在多数环境下排名前五，显示广泛适应性；Wolf在干旱条件下排名上升，但在最干旱环境下下降。初步验证表明，2021年独立试验中，模型推荐的Romago和Wolf在田间试验中产量位列前五。
**总结讨论与结论**
讨论部分强调，G×E×M相互作用在本研究中比以往研究更显著，因作物为雨养且仅考虑物候性状。功能性状中物候期（尤其是stlevdrp）对产量和稳定性影响最大，其次为辐射利用效率。框架优势在于仅需单点单季表型数据，易于扩展至新品种或不同作物。局限性包括未考虑抗病性等品质性状，且验证需进一步多环境试验。结论部分翻译如下：本研究强调了决策支持工具在品种推荐中显式考虑G×E×M相互作用的重要性，即使在较小研究区域亦如此。品种排名随农业气候条件发生明显变化，气候影响大于土壤。用于推导品种表型谱的简单方法使得框架易于扩展至其他豌豆品种，并在新品种发布时保持可扩展性。该框架为资源有限的实际农业环境提供了一种替代数据密集型方法的有效工具。基于已验证的作物模型和功能性状统计分布，本研究中理想型特征和品种推荐构成了稳健的模拟框架。尽管系统初步评估支持其潜在可靠性，但在操作层面全面部署前仍需通过多环境试验进一步验证。未来研究将通过参与式方法提升系统可转移性，并满足最终用户需求。
