《in silico Plants》：Use of an enhanced cultivar calibration framework for DSSAT to examine effects of ecotype and time-series data
编辑推荐：
本文推荐一项针对DSSAT-CERES小麦模型校准框架的创新研究。为解决传统育种中基因型-环境-管理互作预测难题，研究人员开发了顺序校准流程，整合了表型聚类与时间序列数据。结果表明，采用实验衍生的生态型参数可减少参数补偿效应，提高胁迫环境下生物量模拟精度，为高通量表型与过程模型的协同应用提供了系统化方案。
在全球气候变化加剧的背景下，小麦生产面临日益频繁的干旱和高温胁迫挑战。作为世界主要粮食作物，小麦的稳产高产对保障粮食安全至关重要。然而，传统育种方法在应对基因型-环境-管理复杂互作关系时显得力不从心，迫切需要更精准的预测工具。过程性作物模型如DSSAT（Decision Support System for Agrotechnology Transfer）虽然具有理论优势，但在实际应用中面临品种参数校准的瓶颈——特别是当使用不具代表性的生态型参数时，容易产生不现实的参数补偿效应。
为解决这一难题，研究团队开发了一种两阶段顺序校准框架。该工作流程首先通过表型聚类定义代表性生态型，再进行品种级参数估计。研究人员在墨西哥Ciudad Obregon的CIMMYT实验站开展了系统研究，对14个春小麦基因型在充分灌溉、干旱胁迫和热胁迫条件下的生长进行了全面监测。
研究采用了多源数据融合策略，整合了传统农艺性状测量、近端感知（如SPAD叶绿素仪和GreenSeeker NDVI传感器）以及遥感数据（通过MicaSense RedEdge多光谱相机获取）。特别值得关注的是，团队开发了dpest这一开源Python库，专门用于自动化DSSAT的PEST模型反演过程，实现了终端性状与时间序列测量的有机结合。
在技术方法层面，研究有四个关键创新：首先建立了基于不同性状组合（A-D子集）的品种聚类方法；其次采用主成分分析（PCA）降维与K均值聚类确定代表性生态型；接着利用PEST算法进行参数优化；最后通过标准化评价指标（NRMSE、R2等）系统验证模型性能。实验数据来源于CENEB研究站2017-2023年的田间试验，包括五种环境处理下的表型监测。
2.1 实验条件
研究地点为CIMMYT的Campo Experimental Norman E. Borlaug（CENEB）实验站，位于墨西哥索诺拉州。试验采用随机区组设计，评估了14个春小麦基因型在五种环境场景下的表现。土壤类型为Hypocalcic Vertisol，具备典型的黏质纹理特征。
2.4 农艺管理
所有处理均实施统一施肥方案，基施氮磷钾比例为123-50-12.5 kg/ha，并针对不同水分处理追加了差异化追肥。病虫害防控按需进行，体现了实际农艺管理的代表性。
2.5 表型测定
研究团队系统收集了物候、生物量、产量构成等传统性状，同时结合SPAD和NDVI等近端传感数据，以及通过PROSAIL辐射传输模型反演得到的叶面积指数（LAI）时间序列。这种多维度表型策略为模型校准提供了丰富的数据基础。
2.8 作物模型校准流程
校准工作通过DSSAT-CERES小麦模型（v4.8.2）实现，采用三阶段管道：数据标准化与品种分组、两阶段顺序校准、验证与应用。研究特别对比了四种校准策略的效果，包括生态型校准、品种校准、生态型参数评估以及时间序列数据校准。
3.1 基于表型的聚类反映基因型亲缘关系
主成分分析显示，产量相关性状对表型变异贡献最大。K均值聚类发现某些品种（如BAV92/SERI衍生系）在不同性状子集中保持稳定分组，表明表型相似性超越了系谱关系。
3.2 生态型校准调整关键物候和生长参数
研究发现，使用实验特异性聚类衍生的生态型参数时，多数参数仅需微小调整。而光能利用效率（PARUE、PARU2）、春化效应（VEFF）等参数则出现显著调整（>5%），这些恰好是DSSAT-CERES模型中最敏感的参数。
3.3 代表性生态型最小化品种参数补偿调整
对比实验表明，使用群体代表性生态型可大幅降低品种级参数调整幅度。当使用默认生态型（如AZWH18）时，春化参数（P1V）出现了高达886%的不现实调整，而使用聚类衍生的生态型时，参数变化幅度显著收窄。
3.4 时间序列数据对品种校准的影响因环境场景而异
整合时间序列数据（生物量和LAI）的校准效果高度依赖于环境条件。在充分灌溉环境下，各校准策略表现相当；但在干旱和热胁迫环境下，时间序列数据的加入并未一致性改善模拟精度，揭示了模型结构在胁迫响应模拟方面的局限性。
3.5 模型模拟捕捉干旱对生物量的影响
模拟结果显示，使用不同生态型参数集时，叶片和根系生物量的模拟轨迹存在明显差异。基于AZWH18生态型的校准产生了异常高的生物量估值，而基于实验衍生生态型的校准则给出了更合理的生长曲线，特别是在干旱胁迫条件下。
研究结论强调，采用群体代表性生态型进行校准可有效维持参数生理合理性，减少补偿效应。这种基于表型聚类的时间序列整合框架，为作物模型在育种计划中的可靠应用提供了方法论支持。值得注意的是，模型在热胁迫条件下的表现仍不理想，指出DSSAT-CERES小麦模型在高温响应机制方面存在结构局限性，为未来模型改进指明了方向。
该研究的创新性在于将高通量表型技术与过程模型校准系统结合，建立了从数据采集到模型参数优化的完整流水线。通过实验衍生的生态型参数替代传统默认值，显著提升了模型在胁迫环境下的预测可靠性，为基因型-环境-管理互作的精准预测提供了新范式。研究成果对推进智慧育种和气候变化适应性研究具有重要理论与实践意义。
