植物功能结构模型和机器学习不仅有助于理解植物对环境的感知、认知与反馈,而且对大数据驱动下的产量预测及限制因子解析具有重要意义。一方面,由于塑造高产株型和提高收获指数是提高棉花单产主要途径,利用植物功能结构模型探究碳水化合物在棉花体内的运输机理和分配规律成为必然选择。另一方面,随着信息通信技术的迅速发展,农业生产中所积累的数据快速增长,极端气象灾害的频发也在制约着新疆植棉业的稳产增产,利用机器学习算法预测新疆棉花产量和解析气候因子的适用性尚待明确。本研究综合历史文献资料、气象观测资料和多年田间试验,分别构建棉花功能结构模型和气候数据驱动的棉花产量预测模型,主要研究结论如下:1.棉花通过减小分枝倾角达到回避遮荫的目的。在低密度下,沿主茎子叶节位向上,分枝倾角、分枝长度、分枝叶面积均逐级变小;在高密度下,位于主茎上部节位的果枝通过增大分枝倾角、增加果枝长度和提高叶面积来争取更多的光截获,位于主茎下部节位的营养枝却由于缺乏足够的光合产物而脱落。缩节安能够通过抑制主茎生长、果枝伸长和叶片扩张而塑造紧凑株型,但缩节安对株型的控制效果对气候比较敏感。2.种植密度的提高能够导致地上部干物质的增大和果实干物质占比的先稳后降,从而导致籽棉产量在密度提高至7.5株m-2的时候达到最大,然后随着密度的进一步提升而减少。尽管缩节安通过抑制棉花形态扩张而使地上部干物质重量降低,但却能够提升果实干物质占地上部干物质重量的比重,进而提高籽棉产量。缩节安在干旱年型对地上部干物质和果实干物质占比的影响均不显著。3.处于同一年龄圈层不同坐果点位的棉铃具有不同的吐絮概率,间接表明碳水化合物的供需状况明显不同。基于同位素试验中棉花对位叶所产生的碳水化合物是棉花果实生长的主要来源这一观测事实,构建基于“本地碳池假说”的棉花功能结构模型,该模型能够在器官尺度上准确模拟光截获、光合生产、碳水化合物在节元间的运输、干物质在节元内器官间的分配、形态建成,在植株尺度上预测叶面积、干物质生产和分配,在群体尺度上计算光分布、光截获和产量形成等过程。4.运用机器学习对新疆棉花产量的预测精度较高,nRMSE均保持在20%以下,其中支持向量回归的精度最高,神经网络次之,多元线性回归模型最低。通过神经网络对影响棉花产量的关键气候因子进行解析,结果表明:从气候要素来看,热量条件对于新疆棉花产量形成最为关键,其次为降水量,最后是日照时数。从各生育阶段来看,7～8月份(花铃期)最关键,6月份(蕾期)比较关键。高温和冷害是影响新疆棉花生长发育最典型的气象灾害这一观测事实印证了该研究结论的可靠性。