《Frontiers in Agronomy》：Predicting regional soybean suitability in France under climate change: integrating phenology and machine learning models
编辑推荐：
中文摘要翻译：引言：大豆是一种具有农艺和营养价值的油料作物。然而，欧盟（EU27）每年进口1750万吨，而2023年产量仅为290万吨。气候变化为本地种植大豆提供了机会，尤其是在法国北部地区。目的：本研究旨在评估法国潜在种植区域，并以高空间分辨率确定适宜的成熟
中文摘要翻译：引言：大豆是一种具有农艺和营养价值的油料作物。然而，欧盟（EU27）每年进口1750万吨，而2023年产量仅为290万吨。气候变化为本地种植大豆提供了机会，尤其是在法国北部地区。目的：本研究旨在评估法国潜在种植区域，并以高空间分辨率确定适宜的成熟度组（MGs）。方法：使用蒙特卡洛方法，基于大量开花（R1）和成熟（R8）日期数据集，对七个成熟度组（G0000至GII）校准了一个简单物候算法（SPA）。出苗预测通过随机森林模型得到增强（均方根误差从5.7天降至0.7天）。随后，在RCP4.5和RCP8.5情景下，利用Drias-2020 CNRM-CM5/ALADIN63数据，对8602个网格单元模拟了三个气候时期（2003–2023、2024–2044和2045–2065）的R1和R8阶段。基于温度和水分可用性估算了最佳播种日期。结果：校准后，SPA预测R1和R8的均方根误差分别为6.9天和12.7天。播种日期与当前气候数据一致，并在未来条件下某些地区可能提前达30天。到2045–2065年，气候适宜的大豆种植区可能扩展到法国大部分地区，并向较晚成熟度组转变。GII、GI/II和G00的适宜面积将分别增加73%、49%和78%。结论：本研究更新了关于欧洲大豆品种和可行播种日期的知识，强调进一步向北扩展将取决于培育光周期敏感性降低和耐冷性提高的品种，从而在较冷的春季条件下实现更早开花和可靠建植。
论文解读文章
**研究背景与问题**
大豆[Glycine max (L.) Merr.]是一种短日照、喜温的油料作物，蛋白质含量高（占干物质的39%–45%），其油粕主要用于动物饲料，而富含蛋白质的种子、汁液及其他制品则供人类消费，近年来在西方国家需求激增。大豆作为豆科植物，通过与根瘤菌共生固定大气氮，无需施用矿物氮肥，且农药用量少，是轮作中的优良前茬，尤其适合有机农业等氮素限制系统。然而，尽管大豆具有诸多营养和生态农业优势，欧洲当前产量远不能满足需求：欧盟每年进口约1750万吨豆粕，而2023年产量仅290万吨。法国2024年产量接近40万吨，较15年前增长四倍，但全球产量近4亿吨，欧洲占比极小。气候变化为在更北地区种植这一喜温物种提供了可能，法国具有巨大大豆种植潜力。然而，准确预测不同成熟度组（MGs）在当前和未来气候下的适宜性，需要精确的物候模型。现有过程模型（如STICS）参数多、校准困难，而统计或机器学习模型缺乏可解释性和外推能力。简单物候算法（SPA）模型仅需七个品种参数，但初始校准基于法国南部受控条件下的10个品种，数据有限，且出苗预测仅基于热时间，平均误差达5天。因此，本研究旨在利用法国广泛分布的田间试验数据重新校准SPA，并通过机器学习改进出苗预测，进而高分辨率模拟全国大豆成熟度组适宜性。
**研究内容与结论**
研究人员整合了来自三个主要数据源（Terres Inovia-GEVES、Terres Inovia生态生理实验和SOJAMIP项目）的约3500个R1和R8物候观测数据，覆盖法国主要大豆种植区，时间跨度2010–2023年。通过蒙特卡洛留出法对七个成熟度组（G0000至GII）校准了SPA的物候参数，并开发了随机森林（RF）模型预测出苗日期。改进后的SPA 2.0模型用于模拟8602个8×8公里网格单元在三个气候时期（2003–2023、2024–2044、2045–2065）和两种排放情景（RCP4.5和RCP8.5）下的大豆物候。结果表明，RF模型将出苗预测的RMSE从5.7天降至0.7天；SPA校准后R1和R8的RMSE分别为6.9天和12.7天。未来播种日期将提前，平均每十年提前6.1天；到2045–2065年，大豆适宜种植区将扩展至法国大部分地区，晚熟组（GII、GI/II、G00）面积分别增加73%、49%和78%，而早熟组（G0000、G000）面积减少或稳定。研究发表于《Frontiers in Agronomy》，为法国大豆品种选择和区域适应性提供了高分辨率工具。
**主要技术方法**
研究采用的关键技术方法包括：（1）简单物候算法（SPA）模型：基于温度和光周期非线性函数，模拟大豆VE、R1和R8阶段；（2）随机森林（RF）模型：用于预测出苗日期，整合温度、降雨和潜在蒸散等气候指标；（3）蒙特卡洛留出法：进行参数校准和不确定性量化；（4）决定规则模型（Constantin等，2019）：计算最佳播种日期；（5）DRIAS-2020气候数据集（CNRM-CM5/ALADIN63，ADAMONT偏差校正，8×8公里分辨率）提供历史和未来气候情景。样本数据来自法国三个来源：Terres Inovia-GEVES（78个站点，2010–2023，3185个观测）、Terres Inovia生态生理实验（6个站点，2020–2023）、SOJAMIP项目（6个站点，2010–2020）。
**研究结果**
**出苗预测的增强**：通过敏感性分析确定最佳气候指标区间为播种前5天至后15天。随机森林模型识别出三个关键变量：累积温度（重要性1.6）、最高温度（1.5）和总降雨量（0.6）。与原始SPA热时间方法相比，RF模型将出苗预测RMSE从5.7天降至0.7天，偏差接近零，提高了约5天的精度。
**R1和R8阶段的校准与评估**：通过蒙特卡洛优化，R1阶段预测RMSE在3.8至8.4天之间（所有MG平均6.9天），R8阶段RMSE在7.1至18天之间（平均12.7天）。光周期临界值（Pcrt）从晚熟GII的17.6小时到早熟G0000的21.8小时。光周期敏感性（S）在R1阶段为1.12至5，在R8阶段为0.8至1.34。Kruskal–Wallis检验显示不同MG间R1和R8日期差异显著（P<0.001），但线性混合模型分析表明站点效应显著，可能反映观察者间差异和微气候影响。
**未来播种日期**：与历史时期相比，未来播种日期平均提前3.5天（2024–2044）和6.1天（2045–2065）。RCP4.5情景下提前幅度更大（分别提前4天和7.2天）。空间上，西南部和沿海地区提前最明显（可达30天），但部分区域因降水过多而推迟。
**成熟度组适宜性变化**：历史时期，早熟组（G0000和G000）主导当前种植区。到2044年，G0000面积减少11%，G000增加15%，G00和GII分别增加22%和25%。到2065年，G00和GII面积分别增加78%和73%，而G0000和G000分别减少34%和13%。不适宜区域从1359个网格减少至483个（减少64%）。晚熟组（GI/II和GII）向北扩展，但未超过北纬46度，主要受光周期敏感性限制。不确定性分析显示模型不确定性（6%–22%）远大于情景不确定性（<3%），表明趋势稳健。
**讨论与结论**
研究结果表明，SPA 2.0模型结合机器学习能够可靠预测法国大豆物候，出苗预测的改进显著减少了误差传播。未来气候条件下，大豆种植区将显著北扩，晚熟组面积增加，早熟组收缩。这些变化受温度和光周期共同驱动，但实际种植可行性仍受土壤、水分、地形等非气候因素制约。研究强调，光周期敏感性是限制晚熟组北移的关键因素，未来育种应注重降低光周期敏感性并提高耐冷性。研究结果为法国大豆自给自足提供了初步框架，但需结合过程模型（如STICS）评估水分动态和产量表现。结论部分指出，法国广泛田间数据集改善了SPA对欧洲多数大豆MG的校准，晚熟组将向北扩展，法国全境在近期未来可能实现大豆种植，为作物多样化、减少农药和化肥使用提供了机遇。该研究提供了高分辨率框架，可进一步整合土壤水分和产量模拟以评估农艺和环境效益。
