欧亚国际

油菜是世界第三大油料作物，不仅是重要的食用油来源，也是饲料蛋白和生物柴油的重要原料之一，对现代食品、工业和生物能源等产业具有重要作用。过去十年，随着世界人口的逐渐增加，油菜籽的产量增长率仅为其他油料作物产量增长率的85%，难以满足人们对于油菜籽及其加工产品的需求，因此对油菜进行动态、精准的生长模拟与产量估算对于稳定市场波动和减少风险至关重要。然而，通用作物生长模型忽略了非叶绿色器官（如角果）的光合作用，在油菜产量估算中存在显著的低估现象，这不仅影响了对于油菜生长状态的准确评估，也为农业管理和政策制定带来了挑战。因此，开展针对油菜的产量估算方法研究，对于提高油菜的产量预测能力，推动农业可持续发展具有重要意义。

2024年9月，Plant Phenomics在线发表了中国农科院农业资源与农业区划研究所吴尚蓉研究员团队题为Rape Yield Estimation Considering Non-Foliar Green Organs Based on the General Crop Growth Model 的研究论文。

研究团队通过对我国湘南主要油菜产区进行为期两年的田间数据采集和分析，考虑到非叶片绿色器官的光合作用，提出了总光合面积指数 (TPAI) 作为模型校准的替代变量；并基于总光合面积指数TPAI，提出了两种新型参数校准方法：基于总光合面积指数和比角果面积的方法 (TPAI-SPA) 和基于总光合面积指数和曲线拟合的方法 (TPAI-Curve) 。所提总光合面积指数TPAI和校准方法突破了传统通用作物生长模型依赖于叶面积指数 (LAI) 作为校准参数的局限性，可以更全面地反映油菜生长过程中光合器官作用和演替的复杂性。研究结果符合作物产量形成的农学机理，即油菜的荚果在生长后期逐渐成为主要的光合器官，荚果的光合作用在增产中发挥着重要作用。因此，考虑荚果光合作用对提高油菜产量估算的准确性至关重要。

图1 SN-MGGE网络的架构

为进一步提高模型的预测准确性，研究使用了湘南油菜产区的两年田间实测数据，对所提两种模型参数校准方法进行了基于油菜产量模拟精度评价。研究结果表明，与传统的基于LAI的模型校准方法相比，TPAI-SPA和TPAI-Curve方法在提高油菜产量估算准确性方面表现出色。通过对比分析，采用TPAI-SPA方法时，贮藏器官干物质重 (TWSO) 和地上生物量 (TAGP) 的估算精度分别提高了9.68%和49.86%；采用TPAI-Curve方法的提高幅度则为14.04%和42.94%。上述实验结果表明，所提考虑非叶片绿色器官光合作用的TPAI-SPA和TPAI-Curve方法可有效修正基于通用作物模型的油菜产量模拟低估现象。

图2 基于LAI、TPAI-SPA、TPAI-Curve方法验证模型精度

注：LAI方法：(A) 20/21年TWSO. (B) 20/21年TAGP. (C) 22/23年TWSO. (D) 22/23年TAGP. TPAI-SPA方法：(E) 20/21年TWSO. (F) 20/21年TAGP. (G) 22/23年TWSO. (H) 22/23年TAGP. TPAI-Curve方法：(I) 20/21年TWSO. (J) 20/21年TAGP. (K) 22/23年TWSO. (L) 22/23年TAGP.

中国农业科学院农业资源与农业区划研究所副研究员吴尚蓉为通讯作者，中北大学信息与通信工程学院硕士研究生阮世伟和中国农业科学院农业资源与农业区划研究所硕士研究生曹红为共同第一作者。本研究得到了国家自然科学基金项目、中国农业科学院青年创新计划等项目的资助。

论文链接：

http://doi.org/10.34133/plantphenomics.02‍53

——推荐阅读——

Maturity classification of rapeseed using hyperspectral image combined with machine learning

http://doi.org//10.34133/plantphenomics.0139

Plant Phenomics | 华中农业大学基于高光谱图像与机器学习对油菜籽的成熟度进行分类研究

High-Throughput Yield Prediction of Diallele Crossed Sugar Beet in a Breeding Field Using UAV-Derived Growth Dynamics

http://doi.org/10.34133/plantphenomics.020‍9

Plant Phenomics | 利用无人机获取的生长动态在育种田中对双亲杂交甜菜进行高通量产量预测

加入作者交流群