《Scientific Reports》：Using critical points of logistic model to describe the growth of rice plant height in Taiwan
编辑推荐：
本研究聚焦于水稻株高动态变化量化管理的难题，为解决传统方法难以精准界定生长阶段以指导施肥灌溉的痛点，研究人员采用Logistic回归模型拟合台湾地区水稻多年株高数据，从作物生长角度解析模型参数。研究识别了标志幼苗建成(AAP)、分蘖起始(MAP)、有效分蘖(IP)、穗分化(MDP)和抽穗(ADP)的五个关键点，发现秋作达到最大生长速率更早，且其最大生长速率高于春作，而早晚品种间无显著差异。该模型为基于生长阶段的精准农艺管理提供了量化依据。
水稻，作为全球最重要的粮食作物之一，其产量直接关系到粮食安全。在追求高产的过程中，作物株高是一个不容忽视的性状。它不仅是构成冠层结构、影响光合效率的重要因素，更是通过合理调控实现增产潜力的一条关键途径。然而，如何精准、量化地描述水稻株高在整个生长季的动态变化，并据此科学判断其关键生长阶段，一直是农业生产管理中的一个挑战。传统的农事操作往往依赖经验或固定的日历时间，缺乏与植株实际生理进程同步的精准指标，这可能导致施肥、灌溉等管理措施的效果大打折扣，甚至造成资源浪费或环境影响。
为了解决上述问题，一组研究人员将目光投向了数学模型。他们思考，能否用一个恰当的数学曲线来捕捉水稻株高随时间的增长规律，并从中解读出有生物学意义的“路标”？为此，他们开展了一项研究，利用Logistic回归模型对在台湾地区栽培的多个水稻品种多年的株高数据进行拟合与分析。这项研究最终发表在国际期刊《Scientific Reports》上。
为了开展这项研究，研究人员主要运用了以下关键技术方法：首先，他们收集了台湾地区不同水稻品种在多年份、不同耕作季节（春作和秋作）下的株高时间序列数据，构成了分析的基础数据集。其次，核心方法是采用Logistic回归模型对这一生长曲线进行数学建模和拟合。最后，通过对拟合得到的Logistic模型方程进行数学分析（如求导），精确计算出模型曲线上的五个特征关键点，并将这些数学点与水稻的关键农艺生长阶段进行生物学意义上的关联和阐释。
模型拟合与关键点定义
研究人员采用Logistic模型成功拟合了水稻株高的生长过程。该模型具有五个特征关键点，通过数学推导得出，并赋予了明确的农学意义：绝对加速点(AAP, absolute acceleration point)对应幼苗建成完成；最大加速点(MAP, maximum acceleration point)标志分蘖起始；拐点(IP, inflection point)代表有效分蘖期；最大减速点(MDP, maximum deceleration point)指示穗分化开始；渐近减速点(ADP, asymptotic deceleration point)则对应抽穗期。这五个点将株高生长全过程划分为特征鲜明的阶段。
不同耕作季节的关键点时间差异
研究对比了春作和秋作水稻到达各关键点的时间。结果显示，秋作水稻在所有关键点上的时间均早于春作。具体而言，秋作水稻在出苗后第5天达到AAP，第11天达到MAP，第19天达到IP，第28天达到MDP，第34天达到ADP。其中，IP、MDP和ADP这三个点的提前尤为明显。这表明秋作水稻的生长进程更快，更早进入并完成主要的营养生长和生殖生长转换阶段。
主要生长阶段与最大生长速率
根据模型参数界定，AAP到ADP之间的时段是水稻株高生长的主要阶段。在此阶段内，秋作水稻表现出了比春作更高的最大生长速率。这意味着在核心生长期，秋作水稻单位时间内的株高增长量更大，生长更为旺盛。
品种间模型参数比较
分析还探讨了早期品种与近期育成品种在模型关键参数上的差异。结果表明，无论是春作还是秋作季节，不同品种在达到最大生长速率所需的时间以及该速率的大小（斜率）上，均未表现出显著性差异。这说明就株高增长的动力特征而言，所研究的早晚品种间具有相对稳定性。
该研究通过将Logistic模型的数学关键点与水稻的核心农艺生长阶段成功关联，建立了一套量化描述水稻株高动态增长的工具。研究明确揭示了秋作水稻相比春作具有生长进程提前、最大生长速率更高的特点，而品种间的增长特征则相对保守。这些结论的重要意义在于，它们将原本依赖经验的生长阶段判断转化为基于数据的、可精确计算的模型参数。这项研究发表于《Scientific Reports》，其成果可直接应用于水稻的精准栽培管理。例如，模型计算出的MDP（穗分化开始）和ADP（抽穗）等关键时间点，可以为追施穗肥、进行关键水分管理等农事操作提供精确的时机参考，从而实现管理措施与作物生理需求在时间上的精准同步，有助于在节约资源的同时，优化生长条件，挖掘产量潜力。该模型为智慧农业和基于生长模型的决策支持系统提供了重要的方法论基础。
