互易两季验证下序贯大豆表型对籽粒产量预测的增量价值评估

《Plants》:Sequential Soybean Phenotypes for Grain Yield Prediction in Reciprocal Two-Season Validation

【字体: 大 中 小 】 时间:2026年09月20日 来源:Plants 4.1

编辑推荐:

  序贯作物表型在转移到另一生长季后是否改善籽粒产量预测,目前尚缺乏量化评价。研究人员在一个试验点、两个生长季开展裂区试验,设置5个播期、2个品种、4个播种量和4个区组(每季160个副区)。信息门为截至V4、R2、R5和R6可获得的累积预测变量集,综合了来自不同破

  
序贯作物表型在转移到另一生长季后是否改善籽粒产量预测,目前尚缺乏量化评价。研究人员在一个试验点、两个生长季开展裂区试验,设置5个播期、2个品种、4个播种量和4个区组(每季160个副区)。信息门为截至V4、R2、R5和R6可获得的累积预测变量集,综合了来自不同破坏性取样的叶面积、总干物质、分枝数、主茎节数和株高的副区均值,以R8期籽粒产量为响应变量。弹性网络(Elastic-net)模型估计了与管理组合匹配的开发季均值的表型校正。互易全季评估采用仅基于开发季的分组调参和条件季内整区组自助法(bootstrap)区间。管理比较器在2021/22→2022/23及其互易方向产生的均方根误差(RMSE)分别为1398和1394 kg ha?1,预测R2分别为0.282和?0.182。累积表型的配对RMSE增益在两个方向上分别为?0.419%至0.038%和?0.712%至?0.104%,其中正值表示独立季误差降低。替代管理比较器同样产生微小变化。预测变量分布与校正关系在两个传递方向之间存在差异。上述评估表明,在测试条件下所测表型的增量效益很小,同时证明了区分产量排序、校正关系和额外预测信息的重要性。需要更广泛的环境验证来确定表型测定何时能在管理期望之外改善预测。
**一、研究背景与存在问题和研究意义**

大豆(Glycine max (L.) Merr.)收获前籽粒产量预测可支持生产预报、风险评估与成熟前的作物表现解读。然而,模型在开发条件下的精度并不等同于向后续生长季的迁移能力。播期影响作物对季节天气和ENSO相关极端事件的暴露,品种熟期影响产量形成阶段所遇环境条件,基因型×环境互作进一步限制跨生产域的推断,因此管理信息构成实质性先验预测信息而非一组干扰变量。地面实测的叶面积、总干物质、分枝数、主茎节数和株高等性状为更新管理基线期望提供了生物学上合理的途径,但产量形成源于动态源–库系统,重复表型测定面临信息时序问题:后期测定纳入更多已实现季节历史却缩短预测提前期,且阶段间相关性状可能只复现早期信号。此外,许多研究采用随机划分验证,高精度并不代表未来季节表现。因此,关键问题并非阶段模型能否在已实现季内复现产量,而是每个新性状信息门能否在管理信息已解释的基础上进一步校正跨季预测误差。

研究人员在巴西南部同一试验点连续两个生长季开展裂区试验,以开发季管理组合均值为基准,采用弹性网络模型估计表型校正,并在互易全季验证框架下量化V4、R2、R5、R6累积表型门的增量预测价值。研究发现,所有累积表型门在任一传递方向上对RMSE的改变均小于1%,无任何阶段添加能在两个方向同时改善预测,替代管理比较器得到一致结论。管理期望的传递本身具有方向不对称性,预测变量分布与校正关系在方向间存在明显域偏移。该研究的重要意义在于区分了性状的生物学相关性与特定预测任务中的增量信息贡献,确立了以管理信息为基准的增量评估范式。

**二、主要关键技术
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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