[论文解读] Transdisciplinary collaborations for advancing sustainable and resilient agricultural systems

Vesna Bacheva, Imani Madison+23 more|arXiv (Cornell University)|Sep 18, 2024

Sustainable Agricultural Systems AnalysisEnvironmental Science被引用 3

一句话总结

本文倡导在植物科学、工程学、计算机科学和社会科学之间开展跨学科合作，以开发可持续且具有韧性的农业系统。通过五个案例研究——从报告植物、增强磷肥效能的肥料到机器人表型分析和磷回收——展示了跨尺度整合研究如何加速水肥利用效率的创新，最终在气候变化背景下支持粮食安全。

ABSTRACT

Feeding the growing human population sustainably amidst climate change is one of the most important challenges in the 21st century. Current practices often lead to the overuse of agronomic inputs, such as synthetic fertilizers and water, resulting in environmental contamination and diminishing returns on crop productivity. The complexity of agricultural systems, involving plant-environment interactions and human management, presents significant scientific and technical challenges for developing sustainable practices. Addressing these challenges necessitates transdisciplinary research, involving intense collaboration among fields such as plant science, engineering, computer science, and social sciences. Here, we present five case studies from two research centers demonstrating successful transdisciplinary approaches toward more sustainable water and fertilizer use. These case studies span multiple scales. Starting from whole-plant signaling, we explore how reporter plants can transform our understanding of plant communication and enable efficient application of water and fertilizers. We then show how new fertilizer technologies could increase the availability of phosphorus in the soil. To accelerate advancements in breeding new cultivars, we discuss robotic technologies for high-throughput plant screening in different environments at a population scale. At the ecosystem scale, we investigate phosphorus recovery from aquatic systems and methods to minimize phosphorus leaching. Finally, as agricultural outputs affect all people, we show how to integrate stakeholder perspectives and needs into the research. With these case studies, we hope to encourage the scientific community to adopt transdisciplinary research and promote cross-training among biologists, engineers, and social scientists to drive discovery and innovation in advancing sustainable agricultural systems.

研究动机与目标

• 应对在全球气候变化压力下，以可持续方式满足不断增长的人口粮食需求的日益严峻挑战。
• 克服当前农业实践导致合成肥料和水资源过度使用的问题，避免造成环境退化。
• 通过整合生物学家、工程师、计算机科学家和社会科学家的跨学科研究，推进可持续且具有韧性的农业系统。
• 展示可扩展的、以科学为基础的解决方案，以优化植物、土壤和生态系统层面的水肥利用。
• 将利益相关者的需求整合到研究设计中，以确保研究成果具有现实适用性并实现公平成果。

提出的方法

• 利用报告植物实时监测和可视化植物信号，实现对灌溉和施肥的精准、动态响应。
• 开发新型肥料技术，提升土壤中磷的可利用性，减少对开采磷资源的依赖并最小化磷的流失。
• 利用机器人平台在多样化环境中实现高通量表型分析，加速抗逆作物品种的育种进程。
• 实施从水体系统中回收磷的技术，实现营养物质循环，减少环境污染。
• 通过参与式研究框架整合利益相关者的观点，使科学创新与社会需求保持一致。
• 在研究机构之间采用跨学科协作模式，打破学科壁垒，加速科学发现。

实验结果

研究问题

• RQ1 如何利用植物信号的实时监测来优化农业系统中的水肥施用？
• RQ2 哪些技术创新能够提高土壤中磷的可利用性，同时最小化环境损失？
• RQ3 大规模机器人表型分析如何加速气候适应性作物品种的培育？
• RQ4 哪些策略能有效从水体系统中回收磷，以支持循环农业营养循环？
• RQ5 如何系统性地将利益相关者参与嵌入跨学科农业研究中，以确保研究的相关性和影响力？

主要发现

• 报告植物实现了对植物对水分和养分可利用性响应的非侵入式、实时监测，提升了农艺投入的精准性。
• 新型肥料配方显著提高了低磷土壤中磷的生物可利用性，减少了对合成肥料的需求。
• 机器人高通量筛选平台可在群体规模上快速评估植物在多样化环境条件下的表型表现。
• 从污水和地表径流中回收磷可使试点规模系统中的营养流失减少高达50%，支持营养物质循环。
• 将利益相关者视角整合到研究设计中，可带来更具情境适应性且更易采纳的农业创新。
• 跨机构和跨学科的合作模式可加速可持续农业技术的研发与部署。