综述：小麦生长模型捕捉生长-防御权衡

《Frontiers in Plant Science》：Wheat growth model capturing growth-defense trade-off

这篇综述系统地梳理了当前小麦生长模型，包括过程基模型（PBM）和功能结构植物模型（FSPM），指出了它们在模拟复杂农业生态系统中整合生物与非生物胁迫的局限。文章的核心在于提出一个创新的概念模型，该模型首次明确整合了生长与防御间的生理权衡（growth-defense trade-off）以及激素信号网络，旨在为理解植物在胁迫下的资源分配（碳/氮）提供更解释性的框架，从而推动农业生态学原理与作物模型更深层次的融合。

　　

在应对全球人口增长、气候变化和减少环境影响的多重挑战下，农业部门迫切需要向可持续农作方式转型。小麦作为人类膳食热量重要来源，其生长模型的演进对于理解和预测作物在复杂环境下的表现至关重要。传统的作物模型，如过程基模型（Process-Based Models, PBM）和更注重结构的功能结构植物模型（Functional-Structural Plant Models, FSPM），在模拟光拦截、碳同化和生物量分配方面已相当成熟。然而，这些模型大多以产量预测为导向，往往忽视了在真实农田条件下起决定性作用的生物与非生物胁迫因子，以及植物内在的生理权衡，特别是生长与防御之间的资源分配博弈。

当前小麦生长模型的构成与局限

经典的作物生长模型围绕一系列核心生理机制构建。光合作用是生物量积累的引擎，常采用Farquhar等（1980）的生化模型进行描述，该模型将CO₂同化速率与叶片温度、光合有效辐射（PAR）及CO₂、O₂浓度相关联。氮素的吸收主要通过根系的高亲和力（HATS）与低亲和力（LATS）转运系统完成，其速率与土壤硝酸盐浓度呈Michaelis-Menten或线性关系。呼吸作用则通常被分解为与生物合成相关的生长呼吸和维持现有结构的维持呼吸两部分。这些过程获取的碳和氮资源，在植物体内通过“源-库”关系进行分配，即从“源”器官（如进行光合作用的成熟叶、吸收氮的根）向“库”器官（如生长的叶片、籽粒）输送。

然而，现有模型在处理胁迫时存在显著不足。对于气候变化引发的极端温度、CO₂浓度升高或持续干旱对发育过程（如开花）的影响，模型往往考虑不周。根系结构与功能、根际分泌物以及土壤过程的建模也过于简化，影响了植物-土壤互作的真实评估。尤为突出的是，病虫害等生物胁迫及其引发的植物防御反应，在大多数模型中要么被忽略，要么其成本被笼统地归入“维持呼吸”项，缺乏明确的机理表征。这导致模型无法捕捉植物在胁迫下将资源从生长转向防御合成所引发的关键权衡。

生长与防御的生理权衡：一个亟待整合的核心概念

当植物面临胁迫时，会启动一系列防御策略，包括合成酚类、生物碱、萜类等次生代谢物，并激活由水杨酸（SA）、茉莉酸（JA）、乙烯（ET）等激素介导的信号网络。但这些防御机制的激活并非没有代价。它需要将有限的碳和氮资源从生长相关过程中重新分配出去，产生显著的代谢和能量成本，直接影响植物的表现和最终产量。这就是“生长-防御权衡”的核心内涵。例如，在病原体攻击下，用于防御的碳成本可占光合产物的10-15%。这种权衡在生物与非生物胁迫组合出现时会变得更加复杂和尖锐。

迈向一个整合权衡的概念模型

为弥补上述空白，本文提出了一个介于PBM和FSPM之间的概念模型框架，旨在明确整合生长-防御权衡。该模型在器官-植株尺度上采用离散时间、分区室的建模思路。

模型的核心是将植物视为由不同功能器官（根、成熟叶、生长叶、衰老叶、籽粒等）组成的集合。碳（通过叶片光合作用）和氮（通过根系吸收）被同化后，进入一个“公共库”，随后根据各器官的相对需求（库强）进行分配。每个器官内部的资源则被分配至三个主要功能：维持、防御和生长。

模型的创新之处在于引入了“胁迫信号整合”单元。当器官遭受胁迫时，会产生局部胁迫信号（S0）。这些信号被传输到一个中央整合单元，该单元并不代表一个真实的生物实体，而是对植物整体生理状态和激素信号网络的抽象。整合单元会汇总这些信息，并生成调节信号，动态调整器官间的源-库关系以及器官内部资源在生长、防御和维持之间的分配优先级。

在资源分配规则上，模型采用分层且受约束的逻辑。首先满足器官的维持需求。剩余资源则根据接收到的调节信号，在生长和防御之间分配：胁迫强度低时，资源偏向生长；随着胁迫增强，分配逐渐转向防御。这种分配受到植株整体碳氮资源总量的约束。

实现挑战与未来展望

将这一概念框架转化为可运行的定量模型面临诸多挑战。首先是如何平衡机理复杂性与模型实用性。模型需要足够的细节来捕捉权衡的本质，但又不能因参数过多而难以校准。一个可行的路径是从简化的“防御系数”入手，该系数可作为状态变量，与可测量的代理指标（如特定基因表达水平、激素浓度或近红外光谱NIRS图谱）相关联，从而动态表征器官的防御激活水平及其资源消耗。

其次，模型的验证需要多层次实验数据的支持，包括在单一和复合胁迫下对植株生长、生物量分配、组织碳氮比以及防御代谢物含量的观测。模型必须能够在未参与校准的独立数据集（如不同品种、胁迫组合）上表现出良好的预测能力。

尽管存在挑战，但这一整合了生长-防御权衡的建模新思路，为作物模型的发展指明了方向。它使模型从单纯的预测工具，转变为能够解释植物在复杂农业生态系统中适应性行为的强大框架。未来，此类模型不仅能深化我们对植物胁迫生理的理解，还可用于虚拟测试和优化基于植物生理学的农艺策略，例如评估植物抗性诱导剂或生物刺激素在不同环境下的应用效果，从而为设计高产、抗逆且资源高效的可持续耕作系统提供理论支持和决策工具。