作物生长模型是评估气候变化对作物生产影响的主要数字化工具，但其对极端温度影响的模拟不确定性较大。改进现有小麦生长模型在极端温度条件下的预测效果，对评估气候变化对小麦籽粒品质的影响具有重要意义。

近日，南京农业大学农学院智慧农业团队在《作物学报》在线发表研究论文。团队利用不同高温胁迫处理下小麦植株和籽粒氮素动态观测试验资料，构建了基于过程的高温胁迫对小麦植株氮素动态和籽粒蛋白质含量影响的模拟算法，系统性提升了小麦生长模型在极端高温胁迫下的预测能力。

研究者以两个冬小麦品种为试验材料，在开花期、灌浆期单时期及开花期和灌浆期双时期分别设置了为期两年的不同温度水平和持续时间的系统性极端高温处理试验。试验结果表明，高温胁迫显著降低了小麦植株地上部氮素积累，而显著增加了籽粒氮素积累速率。开花期高温胁迫对植株地上部氮素积累和籽粒氮素积累速率的影响比灌浆期影响更大。基于试验观测数据，提出了量化高温胁迫与植株地上部氮素积累、籽粒氮素积累速率之间关系的模拟算法，并进一步与WheatGrow模型进行了耦合。

模型检验结果表明，新提出的模拟算法显著改进了WheatGrow模型对植株地上部氮素积累动态、籽粒氮素积累动态和籽粒蛋白质含量的模拟效果。与原WheatGrow模型相比，添加了极端高温胁迫效应算法的WheatGrow模型，在高温胁迫下对地上部总氮积累量、籽粒氮积累量和籽粒蛋白质含量模拟结果的归一化均方根误差（NRMSE）分别下降了40%、85%和80%。

因此，新提出的模型算法通过降低模型在高温胁迫下对植株氮素动态及籽粒品质模拟的不确定性，显著增强了WheatGrow模型在评估气候变化对小麦籽粒品质影响方面的应用潜力。

相关论文信息：http://doi.org/10.1016/j.cj.2020.10.001