多传感器表型分析硬粒小麦产量与稳定性：基因型筛选新策略

《Plant Phenomics》：Multi-sensor phenotyping of yield and yield stability for genotype selection in durum wheat

本研究针对气候变化下小麦品种选育中产量与稳定性难以兼顾的难题，通过多传感器（RGB、多光谱MS、热红外TIR）高通量表型技术，对64个硬粒小麦品种在灌溉/雨养条件下的产量稳定性进行机器学习预测，创新性提出"早期活力+适时衰老"优于"持绿"的选育新标准，为抗逆育种提供了可量化、可推广的决策框架。

　　

在地中海盆地，硬粒小麦（Triticum turgidum ssp. durum）不仅是重要粮食作物，更承载着深厚的文化底蕴。然而，气候变化导致的降水模式紊乱和温度升高，正严重威胁着其稳产高产。传统育种往往侧重于在高产环境中选育高产品种，但这类品种在逆境条件下表现不稳，暴露出产量与稳定性之间的固有矛盾。随着气候不确定性加剧，育种策略必须从单纯追求产量转向兼顾风险管控，但如何快速、准确评估基因型的产量稳定性，成为制约抗逆品种选育的瓶颈。

针对这一挑战，发表在《Plant Phenomics》的最新研究开创性地将多传感器表型技术应用于硬粒小麦的基因型筛选。研究团队在西班牙两个地点（巴利亚多利德和阿兰胡埃斯）的灌溉与雨养环境下，对64个现代硬粒小麦品种展开田间试验。他们综合运用无人机（UAV）搭载的RGB相机、多光谱（MS）传感器和热红外（TIR）传感器，并结合地面测量，在整个生长季系统收集了作物冠层信息。

研究的关键技术方法包括：利用无人机平台获取高分辨率RGB、多光谱（含绿、红、红边、近红外波段）和热红外影像；通过地面GreenSeeker传感器测量NDVI（归一化差分植被指数）和数码相机采集RGB图像；采用线性混合模型（LMM）估算基因型产量和基于Finlay-Wilkinson回归模型的产量稳定性；运用随机森林（Random Forest）机器学习算法结合序列特征选择（SFS）进行特征筛选和模型预测。

3.1. 基因型产量和产量稳定性评估及分组结果

田间试验结果表明，不同地点和水份处理下的产量存在显著差异。通过线性混合模型估算的基因型产量和稳定性显示出丰富的遗传变异。研究发现，高产基因型往往稳定性较低，而高稳定性基因型则产量中等，证实了产量-稳定性的权衡关系。研究人员根据产量和稳定性的四分位数阈值，将基因型分为“保留”（Keep，具中/高产和/或稳定性）和“丢弃”（Discard，低产和/或低稳定性）两组。在四个产量环境中进行线性回归分析表明，“保留”组在除最优环境（巴利亚多利德灌溉）外的三个环境中均显著优于“丢弃”组，且在最低产环境（阿兰胡埃斯雨养）中优势最大（平均增产672.89公斤/公顷）。物候学分析发现，“保留”组基因型抽穗时间显著早于“丢弃”组（平均早2.49天），高稳定性基因型也表现出更早熟的趋势。

3.2. 用于产量和产量稳定性预测的RGB、MS植被指数和TIR特征筛选

通过随机森林序列特征选择，研究从38个候选性状中筛选出22个对产量和稳定性预测最重要的RGB、MS植被指数和TIR特征。产量预测模型表现优异，测试集R²> 0.74，平均绝对百分比误差（MAPE）< 23.6%。产量稳定性预测的模型拟合度中等（R²最高为0.56，MAPE < 17.75%），但优于前人研究。特征选择结果因预测目标（产量或稳定性）和数据集（开花期、灌浆期或指数差值）而异，表明不同传感器特征在不同生长阶段和不同性状预测中具有独特价值。

3.3. 选择组别展现出不同的季节性RGB、MS和TIR表型特征

对筛选出的特征进行季节性动态分析，清晰揭示了“保留”与“丢弃”基因型组的表型差异。大多数选定的植被指数（如NDVI、RDVI、SAVI、GA、GGA、Hue、a、u等）表明，“保留”组基因型在生长早期（茎伸长至孕穗期）表现出更高的绿色度和冠层覆盖度（即早期活力）。然而，到了生长季末期（灌浆后期），这种模式发生逆转，“保留”组基因型表现出相对较低的绿色度，而“丢弃”组则显示出“持绿”（Stay-green）特性，即衰老延迟。热红外衍生的冠层平均温度（Tveg_mean）在生长中期显示出组间差异，“丢弃”组基因型冠层温度略高，但差异较小。综合分析表明，理想的基因型（即“保留”组）具有“早期活力强、后期衰老较早”的表型特征，而非传统的“持绿”特征。

本研究结论深刻揭示了在地中海气候条件下，硬粒小麦育种应关注“早期活力”与“适时衰老”的平衡，而非一味追求“持绿”。这挑战了传统育种中认为持绿必然有益的观点，强调了表型策略的环境依赖性。通过多传感器高通量表型技术结合机器学习，研究成功实现了对基因型产量和稳定性的间接、早期、无损评估，为育种家提供了高效、成本相对较低的筛选工具。所建立的分类框架和筛选标准，将育种焦点从单一产量最大化转向产量与稳定性的协同评估，为应对气候变化、选育具广适性和韧性的小麦品种提供了新思路和新方法，有力推动了作物育种向更加精准、高效和可持续的方向发展。