发布人:     发布日期: 2024-08-02    浏览次数:

近年来，南京农业大学农学院智慧农业团队在极端气候下的作物模型算法改进工作方面进行了深入研究，为未来气候变化背景下的作物生产力模拟提供了理论与技术基础。研究结果近日以“Simulating the effects of low-temperature stress during flowering stage on leaf-level photosynthesis with current rice models”为题，发表在国际著名期刊《Agricultural and Forest Meteorology》。

光合作用对于作物生长和产量至关重要，然而在全球气候变化下它仍然是提高作物产量的一个限制因素。作物模型已经被广泛用于预测气候变化对作物产量的影响，包括极端温度事件。但是，大多数作物模拟模型在低温胁迫（LTS）条件下进行单叶光合作用模拟时表现较差。本研究通过多年多品种的不同低温强度和持续时间的互作试验，系统的探究了低温胁迫下的水稻单叶光合作用变化特征。并基于此构建了适用于低温胁迫下的水稻单叶光合作用模拟算法。

研究团队在构建算法的过程中系统的考虑了以下三大特征，首先考虑了不同水稻品种对低温胁迫的耐受性差异，通过优化方法确定了适宜的低温阈值参数，以反映品种特定的低温耐性。第二研究通过采用低温累计度日（ACDD）替代原来的最低温度或者平均温度作为低温胁迫量化指标，以表征不同持续时间低温胁迫对水稻单叶光合作用影响的差异，同时采用双指数衰减函数对低温胁迫下的水稻最大光合速率（Pmax）和初始光合效率（ε）的算法进行改进。最后研究通过提出FLTrecover的恢复因子算法，同时考虑低温胁迫期遭受的低温胁迫强度和恢复期的温度用于模拟水稻叶片在经历低温胁迫后光合速率的恢复过程。

通过对四种广泛使用的水稻模型（RiceGrow、ORYZA2000、RICEPSM和GEMRICE）进行测试，发现这些模型原有算法未能很好地捕捉到LTS不同持续时间对Pmax和ε影响的差异。本研究通过将改进后的FT、ε算法，以及新构建的FLTrecover算法整合到现有的四个水稻生长模型中。与原模型相比，四个改进后的模型在LTS下的单叶光合速率模拟结果的NRMSE降低了约80%，显示出改进模型的优越性能。

图1. 2022年生长季在不同低温强度下低温持续时间对光合作用参数的动态变化。

图 2. 在低温胁迫期间改进的温度因子(FT)算法(A) ，以及生长季节2020-2021年模拟和观测FT值的1:1对比图 (B)。

图 3. 在低温胁迫下改进的  ε 算法(A)和模拟与观测值的 1:1 对比图 (B)。低温胁迫处理期间观测到的 ε 值与 Pmax 值之间的关系 (C)。基于低温胁迫处理期间观测到的 ε 值与 Pmax 值之间的关系，模拟与观测到的 ε 值的 1:1 对比图 (D)。

图 4. 2022年生长季开花阶段低温胁迫处理期间，原始和改进后的四种模型模拟与观测的叶片光合速率的比较。

    南京农业大学国家信息农业工程技术中心为论文第一完成单位，博士研究生康敏和王偲媛为本文共同第一作者，朱艳教授为通讯作者。曹卫星教授、刘兵教授和肖浏骏副教授等在论文撰写方面提供了帮助。该研究是南京农业大学智慧农业团队针对极端气候下的作物模型算法改进方面十余年研究工作在取得系列进展之后（Global Change Biology 2021，2016; Plant, Cell & Environment 2023; Agricultural and Forest Meteorology 2022，2021，2020，2018，2017，2016；Journal of Experimental Botany 2020；European Journal of Agronomy 2023；The Crop Journal 2021），进一步在极端低温环境下的水稻生长模拟模型算法改进上取得的新的突破。研究得到了国家重点研发专项、国家自然科学基金、江苏省研究生科研创新计划等项目资助。