《Plant Biotechnology Journal》：Machine Learning-Driven Construction of High-Yielding Cucumber Plant Architectures in Greenhouse Environments
编辑推荐：
本研究利用机器学习模型（GBDT+SVM）结合263个品种的表型数据，首次实现了基于地上部与根系整合特征的黄瓜产量早期预测（R2=0.6155），揭示了紧凑型地上结构（首雌花节位≤3、叶宽≥26 cm）与浅根窄角根系（浅角根比例≥0.4、平均直径≥1.25 mm）的协同增效机制，为设施黄瓜理想株型设计提供了理论框架。
高精度根系表型获取与模型构建
通过U-Net深度学习模型对黄瓜幼苗根系图像进行语义分割，实现了在发芽纸背景下根系的高通量提取（mIoU=0.885，F1_score=0.9366）。该模型通过对2000张训练图像进行200轮训练，在230张独立测试集上达到R2=0.9605的分割精度，为后续整合地上-地下表型分析奠定了技术基础。
关键表型性状与产量的关联解析
对263个黄瓜品种的产量与表型性状进行标准化分析发现，高产品种（如170号）在叶片长宽、叶面积、茎粗等地上部性状及根尖数、根深等根系性状上显著优于低产品种。相关性分析表明，单果重（Cuc Wt）、叶长/叶宽/叶面积（Blade Len/Wdth/Area）、茎粗（Stem Dia）及盛果期叶绿素含量（Chl Content 8 W）与产量呈极显著正相关（p<0.01），而早期株高（Plant Ht 2 W）、节间长（Int Spacing）和首雌花节位（1st Fem Flower Node）与产量负相关。根系性状中，平均根直径（AveDia）、浅角根比例（ShaAF）和直径1-2 mm根比例（RLR2/TRLen）与产量正相关，而陡角根比例（SteAF）和细根长度（RLR1）呈负相关。
多模型协同的产量预测框架
分别采用支持向量机（SVM）、随机森林（RF）和梯度提升决策树（GBDT）构建产量预测模型。单一根系性状预测效果有限（最佳R2=0.4007），而地上部性状模型表现更优（R2=0.5050）。通过整合不同生长阶段（第10/15/20天）的根系动态特征，组合模型预测精度显著提升（R2最高提升0.31）。其中SVM模型在"地上部+第10/20天根系"组合中预测效果最佳（R2=0.6080，RMSE=0.2629），而GBDT+SVM集成模型在"地上部+第10/15天根系"组合中达到最优预测精度（R2=0.6245）。
高产品种聚类与理想株型特征
对67个高产品种（产量≥1.8 kg）进行K-means聚类，识别出四种高产株型结构。聚类c（产量最高）表现为大叶宽（≥26 cm）、粗茎（≥8.5 mm）与细根系（细根比例<0.2）的组合；聚类b则具早花特性（首雌花节位≤3）与发达浅层根系。通过157464种虚拟表型组合的模拟预测发现，20%表型组合的预测产量超过参考组合，最优组合产量提升达20%。高产组合普遍呈现首雌花节位集中于第3节（100%）、叶宽26 cm（97.8%）、茎粗8.5 mm（73%）等收敛特征。
地上-地下互作机制解析
通过计算期望加性效应发现，单一性状改变可导致产量波动0%-15.4%，其中首雌花节位影响最大。在154764种组合中，3.5万种表现协同效应（实际产量高于期望值0.01-0.2 kg），923种存在拮抗效应。主成分分析表明，协同组合多表现为弱势地上部（小叶、晚花）与强势根系（大直径、浅角根）的互补配置，而拮抗组合则为强势地上部与细弱根系的失衡搭配。研究提出高产黄瓜的理想架构：紧凑型地上部（早花、宽叶、粗茎）配合窄角浅根系（浅角根比例≥0.4，平均直径≥1.25 mm），在温室高肥水环境下可实现资源利用最优化。
研究意义与应用前景
该研究建立了表型组学与机器学习结合的作物株型设计新范式，明确了设施黄瓜"地上促光合、地下保功能"的株型构建原则。所提出的表型组合参考范围（如盛果期叶绿素含量45-50，节间长>10.2 cm）为分子育种与栽培调控提供了量化指标，为设施蔬菜轻简化栽培提供了理论支撑。
