近日，上海市农业科学院农业科技信息研究所作物表型组学创新团队在农业工程领域国际主流期刊 Computers and Electronics in Agriculture（IF=8.9）上发表了题为 “Data-driven localization of the TOMGRO model: Cultivar-specific parameter optimization for Shanghai greenhouse tomato production” 的研究论文。

  作物模型是现代温室控制系统的重要组成部分，可用于模拟植物对环境条件的响应，辅助制定高产、低能耗的管理策略。然而，现有模型往往难以在不同环境条件下直接应用，且品种参数化存在较大挑战。本研究以上海地区四个地方番茄品种为对象，基于简化的TOMGRO模型进行了本地化改进与参数优化。研究团队通过Sobol全局灵敏度分析与贝叶斯优化算法，筛选并优化了对品种差异最敏感的四个关键参数：生长效率（E）、维持呼吸系数（r_m）、光截获系数（K）和光量子效率（Q_e）。

  经过系统优化后，模型在所有番茄品种的主要生长变量（节间数、总干重、果实干重及叶面积指数）预测中均取得平均R²> 0.94的高精度结果。基于2023–2024年温室实测数据的验证表明，模型在品种青霞和龙珠上的预测精度分别达到R² > 0.92与R² > 0.88，显示出良好的适用性和稳定性。尽管模型在成熟果实生长阶段的模拟仍存在一定偏差，但整体上可为温室管理优化与产量预测提供可靠的理论支撑与决策依据。

  本研究建立了一套结合机理建模与智能优化的高效参数校准框架，为作物模型跨环境和跨品种迁移，以及发育规律精准模拟提供了可推广的技术路径，对推动智慧农业与设施农业智能化管理具有重要意义。

  上海市农业科学院农业科技信息研究所孙玥为论文的第一作者，钱婷婷和杨娟为论文的共同通讯作者。该项研究受到上海市农业科技创新项目（I2024002）“面向串番茄的智能温室人工智能综合决策系统”和上海市农业科学院卓越科研团队计划项目（2022015）“作物表型组学创新团队”支持。