基于ERT的田间种植小麦在末期干旱下根系吸水定量化

《Plant and Soil》：ERT-based root water uptake quantification in field-grown wheat under terminal drought

　　

干旱会降低小麦产量，然而由于地下过程难以监测，田间尺度的根系吸水（Root Water Uptake，RWU）定量化仍然具有挑战性。研究人员开发了一种非侵入式水文地球物理框架，将电气电阻率层析成像（Electrical Resistivity Tomography，ERT）、基于时域反射法（Time-Domain Reflectometry，TDR）的土壤监测，以及深度感知随机森林（Random Forest）校准相结合，以定量化深度分辨的RWU，并评价末期干旱下基因型特异的水分利用策略。研究人员将时间推移ERT（44次测量，每周不少于3次）与TDR传感器测得的土壤含水量（n=278对ρ–θ观测）结合，将电阻率测量转换为0.1–1.0 m深度的深度分辨RWU估计。五种岩石物理模型中，采用按日期分组的五折交叉验证评估，深度感知随机森林表现最佳。三个具有不同根系构型的小麦基因型在末期干旱（142 mm可用水）下监测，ERT衍生的RWU与气孔导度、叶绿素荧光和籽粒产量一并分析。ERT分辨出基因型间RWU策略：WM-203表现为全剖面进攻性、协调的多层抽水（r=0.80–0.98）；WM-140表现为延迟吸水策略，早期深层主导，随后中深层参与；IPLR-760表现为不一致吸水并伴有中层水力解耦。基因型RWU排序与气孔导度及籽粒产量一致，WM-203为7.0 t ha-1，IPLR-760为1.5 t ha-1，尽管总抽水量相近。ERT基RWU定量为田间条件下解析基因型特异水分利用策略提供了稳健非侵入方法，可表征水分利用协调机制，并为抗旱小麦基因型表型评价提供工具。

研究背景方面，气候变化的干旱频次与强度上升威胁小麦生产与粮食安全。面包小麦是全球主粮，未来增产压力巨大。在水分受限条件下，作物表现取决于植株获取和利用土壤水的能力，尤其在灌浆期末期干旱（terminal drought）下，根系吸水（Root Water Uptake，RWU）是决定抗旱性的核心过程。根系构型（Root System Architecture，RSA）特别是根系垂直分布影响吸水。但田间定量RWU困难：传统方法如蒸渗仪、中子探头、时域反射法（Time-Domain Reflectometry，TDR）具破坏性且点尺度；遥感与探地雷达受穿透深度、分辨率和定性输出限制。电气电阻率层析成像（Electrical Resistivity Tomography，ERT）对土壤含水率与孔隙流体电导率敏感，但既有应用多停留在定性，且常用固定Archie类岩石物理关系，难以刻画田间深度依赖与空间异质性。因此研究人员开展本研究，将ERT从定性成像推进为田间定量表型工具。

该研究发表于《Plant and Soil》。研究人员构建并应用了田间尺度框架：以时间推移ERT结合深度感知随机森林岩石物理校准，在末期干旱下定量小麦时空RWU动态。先从50份面包小麦核心种质的盆栽试验按根系角度与生物量筛选，最终选定IPLR-760、WM-140、WM-203三个基因型；在耶路撒冷希伯来大学Rehovot试验场防雨棚下开展2023–2024冬季田间末期干旱试验，三个基因型沿单一ERT剖面分区监测。结论是非侵入ERT框架可分辨基因型水分利用策略，RWU协调模式与气孔导度、叶绿素荧光和籽粒产量一致，为抗旱小麦选育提供田间地下表型手段。

主要关键技术方法如下：研究人员以50份面包小麦核心种质经盆栽筛选根系构型，选出宽角低生物量IPLR-760、窄角高生物量WM-140、宽角高生物量WM-203；田间采用防雨棚实现末期干旱，仅142 mm输入水；沿32 m剖面布设64不锈钢电极以偶极–偶极配置获取时间推移2D ERT（44次反演）；以TDR在基因型窗口测0.2、0.4、0.6、1.5 m体积含水量与温度；用深度感知随机森林以ln(ρ_corr)和深度为预测变量，将ERT电阻率转为含水量；在雨棚开启后假设垂向达西通量可忽略，由Richards方程Sink项将θ(z,t)变化归为RWU并算累积吸水。

研究结果部分，Spatiotemporal patterns of root water uptake：研究人员通过时间推移ERT与RF校准θ显示，随末期干旱推进剖面电阻率上升，WM-203后期强正变化，IPLR-760变化弱而弥散；RWU由深向浅推进，WM-203早而协调多层，WM-140延迟深主后扩布，IPLR-760弱且深度漂移。

Depth-stratified root water uptake distribution and temporal dynamics：通过分层比例与累积剖面，WM-203在0.3–0.6 m早中期均匀铺开；WM-140在0.8 m早期占47%，后中深层扩散；IPLR-760深浅交替、峰值位移超0.6 m，呈顺序而非同时层参与。

Water-use coordination across soil depths：通过层间每日RWU Pearson相关，WM-203多数层对r=0.80–0.98，全剖面协调；WM-140邻层强而深浅极端对降至0.63–0.75，部分解耦；IPLR-760上层内r=0.99但中层0.5–0.7 m仅0.52–0.69，水力协调差。

Integration of root water uptake, stomatal regulation, and grain yield performance：研究人员整合RWU、气孔导度（g_sw）、叶绿素荧光与产量。WM-203累积RWU约85 mm，早期气孔大开随后维持低导度，荧光中季抑后恢复，产量7.0 t ha^-1且变异小；WM-140迟发激增至约70 mm，气孔振荡再开，荧光迟峰，产量6.3 t ha^-1但重复间变异大；IPLR-760至约75 mm，但气孔先开后衰、荧光末崩，产量1.5 t ha^-1，水生产力仅1.9 kg m^-3，说明总抽水量不等于生产力，时机、深度分布与协调才是关键。

讨论部分总结：研究人员指出WM-203属进攻性提取，早期中层激活与全剖面同步使其维持光源与产量；WM-140属响应型延迟策略，靠窄角深根迟取深层储备，产量可接受但风险高；IPLR-760虽取到水却中层解耦、光合末期崩溃，证实RSA与RWU协调比单纯总抽水量更重要。深度学习或固定模型不及深度感知随机森林刻画田间ρ–θ关系。

结论部分翻译：基于ERT的RWU定量为解析田间基因型特异水分利用策略提供了稳健、非侵入方法。该框架可表征水分利用协调机制，并为抗旱小麦基因型表型评价提供工具。