整合生态位模型与机器学习优化苜蓿品种部署以构建气候适应性饲草系统

《Ecological Indicators》：Integrating ecological niche modeling and machine learning to optimize alfalfa variety deployment for climate-resilient forage systems

　　

对牲畜产品的需求增长加剧了全球饲草系统的压力，而持续的气候变化因品种性状与当地环境之间的不匹配，威胁到苜蓿（*Medicago sativa* L.）的生产力和稳定性。在此，研究人员将MaxEnt生态位模型与随机森林（Random Forest）回归相结合，评估当前和未来（2021?2100年）在三种共享社会经济路径（SSP1–2.6、SSP2–4.5、SSP5–8.5）下，中国27个主要苜蓿品种的气候适宜性和产量潜力。模型取得了优异的预测精度（平均AUC = 0.81–0.96）。在未来情景下，11个品种表现出持续的产量增加（较当前水平提高0.68–66.70%），而12个品种表现出持续下降（损失1.75–39.67%），这种分叉反映了对比性的适应策略。在三个代表性区域优化品种部署后，实现了8.7–35.7%的产量增益，转化为额外的蛋白质产出（0.44–1.46 t ha^?1）和增强的碳固存（4.30–14.28 t ha^?1）。研究人员的发现表明，数据驱动的品种部署可以在气候变化下同时提高饲草生产力和生态系统服务，为其他地区相同作物类型提供可应用的框架，并适度向具有相似生态条件的邻国转移。

论文解读文章

**研究背景与问题**
全球反刍动物畜产品需求预计到2050年增长70%，但畜牧业已贡献约14.5%的人为温室气体排放。蛋白质饲料缺口（饲草蛋白质供应与牲畜需求之间的赤字）成为可持续集约化的关键杠杆点。苜蓿（*Medicago sativa* L.）作为全球最广泛栽培的豆科饲草，凭借高蛋白质含量（通常18%–22%粗蛋白）和生物固氮能力，具有独特潜力。然而，由于品种特性与当地环境条件之间的不匹配，苜蓿产量在其栽培范围内高度分化。中国作为全球最大肉类消费国和主要奶制品生产国，蛋白质饲料进口依赖度超过80%，苜蓿种植被列为战略性优先事项。传统的秋眠性（fall dormancy）分类系统虽能指导品种选择，但其主要反映光周期和温度响应，未能捕获品种对干旱胁迫、极端高温或土壤限制的特异性响应。因此，需利用多源数据和先进模型评估苜蓿品种的未来适应性，以应对气候变化挑战。

**研究内容与结论**
研究人员通过整合MaxEnt生态位模型和随机森林（Random Forest）回归，系统评估了中国27个主要苜蓿品种在当前和未来（2021–2100年）三种共享社会经济路径（SSP1–2.6、SSP2–4.5、SSP5–8.5）下的气候适宜性和产量潜力。研究发现：品种间呈现出显著的分叉响应——11个品种产量持续上升（0.68–66.70%），12个品种持续下降（1.75–39.67%）。在三个代表性区域（玉门市、阿鲁科尔沁旗、鄂托克旗）的优化部署可实现8.7–35.7%的产量增益，并带来额外的蛋白质输出（0.44–1.46 t ha^?1）和碳固存（4.30–14.28 t ha^?1）。该框架可转移至其他地区相同作物类型，并适度适用于生态条件相似的邻国。论文发表在《Ecological Indicators》。

**主要技术方法**
研究人员构建了两步分层框架：首先，采用最大熵（MaxEnt）模型基于品种发生点和环境变量评估生态适宜性，通过优化特征组合（feature class）和正则化乘数（regularization multiplier）参数提升模型性能，使用AUC（AUC>0.8）验证精度；其次，利用随机森林（Random Forest）回归在适宜区内预测产量，通过向后变量消除和随机种子优化选择最佳模型。环境变量涵盖生物气候、土壤和地形因子，未来气候数据来自CMIP6框架下CMCC-ESM2模型的三种SSP情景。样本来源包括1981–2023年中国知网和Web of Science数据库中的田间比较试验数据，筛选出27个具有至少20个独立分布点的商业或广泛栽培品种。在三个代表区域使用Sentinel-2影像通过半自动分类插件识别苜蓿种植面积，并基于文献参数估算生态系统服务指标。

**研究结果**
1. **潜在适宜区分布模式**
MaxEnt模型显示中国苜蓿栽培存在明显生物地理界限，秦岭-淮河线为主要气候阈值。东北三省及河北省是唯一所有品种均具中等以上适宜性的区域。27个品种被分为四类生态地理组：东北特化型（如LongMu8036、ZhaoDong）、西北-华中双中心型（Derby）、东北-华中双中心型（9个品种）和广泛适应型（15个品种）。适宜总面积差异达一个数量级（1.72×10⁶ ha至7.73×10⁶ ha），据此分为宽适应性（>6.00×10⁶ ha）、中适应性（3.00–6.00×10⁶ ha）和窄适应性（<3.00×10⁶ ha）三类。

2. **高适宜区的时间与情景依赖性变化**
通过比较未来与当前高适宜区（适宜性指数>0.6）的面积变化，品种呈现三种响应模式：类型Ⅰ（持续减少型）如LongMu8036在各SSP下高适宜区均减少；类型Ⅱ（情景依赖型）响应因排放路径而异；类型Ⅲ（持续增长型）如CaoYuan No.3、WL232等无论排放情景均扩大。变化方向多在2021–2040年确立并持续至2100年，部分品种（如Aohan）在2080年后高排放情景下出现延迟收缩。

3. **产量预测与模型验证**
基于随机森林模型在滤除适宜性<0.6区域后预测产量，11个品种（如GanNong No.1、Xinjiangdaye）产量持续高于当前（增幅0.68–66.70%），12个品种（如WL343HQ、WLqita）持续低于当前（降幅1.75–39.67%）。Xinjiangdaye增幅最大（57.24–66.70%），WL343HQ和WLqita降幅超30%。

4. **代表区域的优化品种推荐**
在玉门市（甘肃，干旱草原）、阿鲁科尔沁旗（内蒙古，典型草原）和鄂托克旗（内蒙古，荒漠草原）筛选优化品种组合（如Derby、Sanditi、WL343HQ等），基于当前情景的产量增益分别为8.68%、14.76%和35.72%，对应碳固存增加4.30、6.98和14.28 t ha^?1。未来情景下优化组合持续优于基线，产量增益5.71–54.23%，带来蛋白质增益（3.2×10¹ t至3.54×10⁴ t）和碳固存增强（5.08×10² t至56.07×10⁴ t）。

**讨论总结**
研究人员指出，品种间分叉响应源于特异性适应性状：产量维持型品种多起源于气候变异较大的环境（如Xinjiangdaye、CaoYuan No.3），而WL系列品种可能具有较窄的环境耐受性。研究结果强调需将多变量环境兼容性评估整合到品种推荐体系，替代单一的秋眠性评级。优化部署在环境最边缘区域（如荒漠草原）效益最大，表明气候受限区域是优先应用场景。但同时承认局限性：发生数据多来自研究站，可能低估边缘环境；模型假设生态位保守，可能忽略表型可塑性；产量预测缺乏独立验证；未纳入管理措施、病虫害及经济约束。未来需结合社会经济数据和跨学科整合。

**研究结论翻译**
总体而言，本研究证明整合生态位建模与机器学习产量预测可以系统性地指导气候变化下的苜蓿品种选择，这是一种可转移的方法，适用于任何具有足够发生点和产量数据的作物。该工作为当前基于秋眠性的苜蓿品种推荐框架提供了关键的数据驱动增强。本研究为中国苜蓿产业提供了三个可操作成果：当前和未来气候下27个主要品种的高分辨率（30弧秒）适宜性图；基于随机森林模型捕捉非线性环境关系的品种特异性产量预测；以及经验证的优化框架，证明在代表性区域中战略品种部署可使产量提高8.7%至35.7%，同时增强蛋白质输出（0.44至1.46 t ha^?1）和碳固存（4.30至14.28 t ha^?1）。研究人员的发现表明，整合大数据驱动方法、MaxEnt建模和机器学习的模拟可以有效优化苜蓿品种的推荐适生区和种植布局。这种优化有可能在短期内显著增加苜蓿种植区的饲草产量、蛋白质供应和碳固存，且不产生额外成本。此外，它促进了边际土地的高效利用，为解决畜牧业饲草短缺并服务于更广泛的粮食安全目标提供了关键策略。通过优化空间分配实现成本有效、高效、大规模的品种部署，研究人员的框架可扩展到其他地区的相同作物类型，研究结果可能适度适用于具有相似生态条件的邻国。