近日，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)布局與區(qū)域發(fā)展團(tuán)隊(duì)與地方高校合作，在馬鈴薯地上生物量估測(cè)及作物氣候適宜性不確定性研究方面取得重要進(jìn)展。研究成果“Multi-dimensional variables and feature parameter selection for aboveground biomass estimation of potato based on UAV multispectral imagery”、“Identifying sources of uncertainty in wheat production projections with consideration of crop climatic suitability under future climate”分別發(fā)表在相關(guān)領(lǐng)域國(guó)際期刊《Frontiers in Plant Science》和《Agricultural and Forest Meteorology》上。

 

　　據(jù)何英彬研究員介紹，地上生物量（AGB）是評(píng)估馬鈴薯生長(zhǎng)發(fā)育、指導(dǎo)田間農(nóng)業(yè)生產(chǎn)管理以及表征產(chǎn)量的重要指標(biāo)，文章應(yīng)用偏最小二乘回歸（PLSR）和隨機(jī)森林回歸（RFR）方法對(duì)不進(jìn)行變量選擇以及使用不同方法進(jìn)行變量選擇的參數(shù)進(jìn)行馬鈴薯AGB預(yù)測(cè)，并解釋了不同維度變量在馬鈴薯AGB估測(cè)中的作用以及不同特征選擇方法之間的差異，實(shí)現(xiàn)了馬鈴薯AGB高低值的精確估計(jì)，為快速提取作物表型信息和高通量篩選植物表型提供理論和技術(shù)支持。此外，作物生長(zhǎng)模型（CMs）、全球氣候模型（GCMs）和物種分布模型（SDMs）的組合經(jīng)常被用于評(píng)估不同氣候作物生長(zhǎng)適宜區(qū)范圍內(nèi)的氣候變化對(duì)作物產(chǎn)量的影響，然而考慮未來(lái)氣候條件下作物氣候適宜性的小麥產(chǎn)量預(yù)測(cè)不確定性來(lái)源的研究較少，文章基于CMs、SDMs和GCMs組合分析氣候變化對(duì)黃土高原冬小麥產(chǎn)量的影響，著重分析CMs、SDMs和GCMs不同組合方法對(duì)不確定源的不確定性，研究發(fā)現(xiàn)CMs的不確定性較低，研究方法有助于合理整合CMs、SDMs和GCMs，從而開(kāi)展未來(lái)氣候變化情景下小麥產(chǎn)量的模擬和預(yù)測(cè)。

 

　　該研究工作得到中國(guó)農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程、國(guó)家自然科學(xué)基金共同資助。

 

　　文章鏈接：（1）https://doi.org/10.3389/fpls.2022.948249

 

　　（2）https://doi.org/10.1016/j.agrformet.2022.108933