2024年4月24日，兰桂骐与荷兰瓦赫宁根大学合作的《中国现代农业大数据量化及建模》项目过程中联合培养的博士王东，在瓦赫宁根大学顺利完成博士答辩，取得博士学位。

《中国现代农业大数据量化及建模》项目是荷兰瓦赫宁根大学首个与中国企业联合开展的多学科长周期科研项目，旨在量化中国的农业数据，研发专门针对中国实际情况的温室和大田作物生长模型和农业经济模型，并在中国对模型进行验证和应用。通过收集中国现代农业生产基地的数据，分析数据，建立模型，为中国农业从业人员、投资者、设备供应商、农业生产者和销售者提供决策和管理策略的量化信息。

王东博士是该项目联合培养的三名博士中的一员，其研究课题为通过整合作物建模和遥感技术设计可持续作物生产氮肥管理系统 （Integrating crop modeling and remote sensing to design a nitrogen management system for sustainable crop production）。

图：王东博士论文《通过整合作物建模和遥感技术设计可持续作物生产氮肥管理系统》封面

全球粮食需求不断增长，需要增加作物产量以保障粮食安全。氮（N）化肥极大地促进了地区和全球作物产量的提高，但由于盲目增加氮肥施用量，导致氮损失增加，严重的环境问题也随之加剧。为确保未来的粮食安全，可持续作物生产有望在实现高产和高氮利用效率的同时降低环境成本。要同时实现这些目标，就需要精确施肥的决策工具，使作物的氮需求与田间的氮施用量相匹配。然而，在不断变化的天气条件、土壤状况和管理方法下，作物对氮的需求和田间氮的供应各不相同，且由于作物生长不可避免地存在空间和时间上的变化，与作物对氮的原位需求相比，氮的施用量很容易过低或过高。本论文旨在设计一种智能氮管理系统，利用作物建模和遥感技术的互补性，从时间模拟和空间监测的作物氮需求量中确定最佳氮用量。

由于作物的生长和产量主要由光合作用决定，因此采用了光合作用机理驱动的作物模型 GECROS。研究了四种主要大田作物，即两种 C3 作物（水稻和小麦）和两种 C4 作物（玉米和高粱）的光合作用关键参数及其与叶片特定氮含量（SLN）的关系。光合能力随 SLN 线性增加，C3 作物的回归线性关系与 C4 作物的回归线性关系有显著差异。C3 作物的 Rubisco 羧化能力与 SLN 的线性斜率明显陡于 C4 作物。虽然估计的光合参数随 SLN 的增加而增加，但在光合参数与 SLN 的关系中，作物之间的差异往往不明显。

鉴于叶片氮在影响光合作用参数方面的重要作用，基于无人机在田间获取的高光谱图像，对主要大田作物冠层和叶片氮状况的诊断进行了进一步研究。在五种机器学习算法（称为非参数回归算法）中，偏最小二乘回归和支持向量回归模型的表现优于其他算法。结合使用高光谱特征、冠层反射率、植被指数和纹理信息，提高了模型的性能。关于不同的预测途径，可以通过识别间接预测途径来改进叶片 N 性状的预测，尽管由于引入了更多回归过程，这些途径可能会变得更加不确定。

通过开发的贝叶斯方法，对遥感预测和作物模型模拟的不确定性进行了量化，以改进作物状况的预测。该方法采用马尔可夫链蒙特卡洛方法和高斯过程回归模型，分别获得作物模型模拟结果和遥感预测结果及其相应的不确定性。应用集合卡尔曼滤波的数据同化方法，根据量化的不确定性更新作物生长状况。作物模型 GECROS 模拟的叶片性状、叶重、叶片氮含量和叶面积指数由遥感数据直接更新，以便与测量结果更加一致。地上部植物和谷物的碳和氮状况则是间接更新的，从而提高了预报性能。与单独使用预先假定的不确定性或将其与引入集合卡尔曼滤波器的膨胀因子相结合时的不确定性相比，估计的不确定性使数据同化系统取得了更好的性能。

在改进作物生长时空变化监测和预测的基础上，提出了一种通过数据同化的遥感-作物模型综合方法，以优化原地氮管理。此外，还研究了一种基于作物模型的氮优化方法，以在时间上确定最佳氮管理。根据模拟的作物生长情况和实际气象数据，所提出方法在同时提高产量、利润和氮肥利用效率方面表现良好。作物模型-遥感综合方法更适合智能肥料管理。

王东博士的研究结果表明，其所设计的氮管理系统可通过连接叶片光合作用实现多目标，并加强对作物生长的监测和预测。因此，基于作物建模和遥感的氮管理系统有望实现智能农业下的作物可持续生产。

王东取得博士学位后，将在兰桂骐集团负责大田方向的研究与应用，为国内数智农场建设及相关产业的发展进步贡献力量。