编辑推荐:
背景:欧洲小麦产量日益受到气候胁迫因子(climatic stressors)的限制,特别是高温(heat)和干旱(drought),这威胁到产量稳定性(yield stability)和遗传增益(genetic gain)。为了改进多环境试验(multi-e
背景:欧洲小麦产量日益受到气候胁迫因子(climatic stressors)的限制,特别是高温(heat)和干旱(drought),这威胁到产量稳定性(yield stability)和遗传增益(genetic gain)。为了改进多环境试验(multi-environment trials)中的环境表征(environmental characterization)并支持气候适应性品种的研发,研究人员提出一个基于作物模型(crop model)和多变量分析(multivariate analysis)的稳健环境分型框架(envirotyping framework)。方法:研究人员将来自六个欧洲国家官方栽培与利用价值试验(Value for Cultivation and Use, VCU)的16年数据与基于过程的作物模型SiriusQuality(SiriusQuality)的模拟相结合。计算了环境指数(environmental indices)以量化关键物候阶段(critical phenological stages)的温度(temperature)、水分(water)和辐射(radiation)胁迫。研究人员评估了两种环境表征方法。结果与结论:对选定指数进行的主成分分析(principal component analysis, PCA)捕获了关键气候梯度,但生成的复合维度对环境分型应用的解释性有限。相比之下,基于三个生理学指数——热胁迫(heat stress)、水分亏缺(water deficit)和辐射平衡(radiation balance)——的简化方法提供了更高的清晰度和生物学相关性。对这些指数应用K-means聚类(K-means clustering) delineated 出离散且可解释的环境型(envirotypes)。分析揭示了阿尔卑斯地区(Alpine regions)持续的低胁迫条件,奥地利东部和匈牙利频繁出现的复合高温与干旱胁迫,以及法国和德国普遍的水分限制。意义:该框架为大型多环境田间试验的环境分型提供了一种可扩展的机制性方法,并为欧洲小麦的目标环境群体(Target Population of Environments, TPE)提供了表征,支持针对特定气候条件的品种评估和育种策略。
粮食产量稳定性和遗传增益正受到气候胁迫的严重威胁,尤其是高温和干旱,这在欧洲小麦生产中尤为突出。然而,现有环境分型方法多样且缺乏标准化,难以在多环境试验中有效表征环境差异并支持育种。为应对这一挑战,研究人员利用2003至2018年来自奥地利、捷克、法国、德国、匈牙利和瑞士六个欧洲国家的官方栽培与利用价值试验(VCU)数据,结合基于过程的SiriusQuality作物模型,计算了涵盖温度、水分和辐射的216个环境指数。通过相关性分析筛选关键指数,并比较了主成分分析(PCA)与基于三个生理学指数(热胁迫指数DMSIT、水分胁迫指数DMSIW、光温商PTQ)的K?means聚类两种环境表征方法。论文发表在《Field Crops Research》上。
**关键技术方法**:研究基于2003?2018年欧洲六国(奥地利、捷克、法国、德国、匈牙利、瑞士)官方VCU试验数据,使用SiriusQuality作物模型模拟各试验环境,计算216个环境指数。通过Pearson相关分析选择与产量相关性最高的指数,进而采用两种方法进行环境分型:一是对选定指数进行主成分分析(PCA)并结合层次聚类(HCPC);二是直接对三个关键指数(DMSIT、DMSIW、PTQ)应用K?means聚类。所有模拟所需气象数据来自JRC的CGMS数据库,土壤信息部分由试验站提供或从HWSD数据库提取。
**研究结果**:
**3.1 利用SiriusQuality模拟小麦物候**:通过校准四个物候参数(叶热间距、春化速率温度响应、叶数日长响应、灌浆期),模型准确模拟了抽穗期、成熟期和收获期。抽穗期模拟的均方根误差(RMSE)为5.11?7.37天,成熟期RMSE为5.51?10.30天,所有决定系数R2在0.67?0.84之间。
**3.2 环境分型**:
**3.2.1 环境指数对产量的影响在不同试验网络间存在差异**:通过计算216个环境指数与各国家(及法国南北网络)产量的Pearson相关性,筛选出27个关键指数。双聚类热图显示,花后至成熟期(anthesis?to?maturity)的水分相关指数首先分离,其次为茎伸长至成熟期的辐射和温度指数,表明该阶段是产量形成的关键区分期。国家分为三组:奥地利和捷克(产量与温度指数强负相关、与辐射指数正相关)、北法和瑞士(产量依赖水分指数)、南法、德国和匈牙利(模式不清晰)。
**3.2.2 基于关键环境指数主成分分析的环境分型**:PCA的前两个维度解释了45%的总方差,将试验分为三个环境型:类型1(高水分亏缺、较低温度胁迫、较低辐射)占45%,主要分布在法国、捷克和德国;类型2(低水分亏缺、低温度、高辐射)占17%,主要在瑞士和西奥地利;类型3(高水分亏缺、高温度、高辐射)占38%,主要在匈牙利和东奥地利。
**3.2.3 基于三个环境指数的K?means聚类环境分型**:以DMSIT、DMSIW和PTQ三个指数为基础,K?means聚类将每个指数分为三个胁迫等级(轻度、中度、高度)。温度胁迫方面,88%的试验为轻度;水分胁迫分布均匀,36%轻度,41%中度,23%高度,主要发生在旗叶出现至花后阶段;PTQ方面,31%轻度,37%中度,32%高度,差异主要在于营养生长期。复合环境型显示,最佳条件(轻度温度胁迫+轻度水分胁迫+高PTQ)在德国、北法、南法、瑞士和捷克较多,而最差条件(高度温度胁迫+高度水分胁迫+低PTQ)仅在匈牙利出现一次。时间变化分析表明,2003和2007年欧洲多数国家出现中高度水分胁迫,对应最低产量。
**讨论**:研究指出,使用通用环境指数集可能误表征环境条件并导致错误分类。PCA虽能捕获主要梯度,但复合维度难以解释个体指数贡献。基于三个生理指数(DMSIT、DMSIW、PTQ)的K?means聚类方法提供了更清晰、可解释的环境型划分,能将胁迫组合(如“轻度温度胁迫+重度水分胁迫”)直接指导品种选择和试验站点代表性。研究识别出欧洲小麦生长环境的地理模式:阿尔卑斯地区(瑞士、西奥地利)低胁迫;东奥地利和匈牙利为高温干旱热点;法国和德国普遍水分限制。但研究存在局限:土壤性质假定16年不变;仅考虑水分和温度胁迫,忽略涝害、冷害和生物胁迫;基于单一对照品种的历史气候数据,未考虑未来气候变化。
**结论**:本研究提出了一个稳健的环境分型框架,用于表征欧洲小麦生长环境并描述目标环境群体(TPE)。通过将多环境试验数据与作物建模和多变量分析相结合,基于关键气候指数识别出不同的胁迫环境。网络中某些胁迫组合的缺失使得在保持代表性的同时减少了G×E场景。清晰的地理模式出现:东奥地利和匈牙利频繁出现复合水分与温度胁迫,阿尔卑斯地区条件温和。该框架提供了一个可扩展的工具,以支持当前和未来气候下的理想型设计及提高G×E分析的精确度。