高通量作物表型監測：育種和精準農業發展的加速器

當前發展的瓶頸和未來方向

立足國家戰略需求

作為人口大國，我國不僅面臨著巨大的糧食缺口，同時也存在可用耕地減少，農業灌溉用水利用率低，易發病蟲害等威脅糧食安全的問題?？萍疾吭凇笆濉笨萍紕撔乱巹澲忻鞔_將糧食豐產提質增效、農業面源污染防控等作為支撐引領現代農業發展的重點研發任務。農業需實現從“大水大肥”的粗放型模式，轉向依靠科技創新的新常態。盡管當前我國在育種和估產等農業相關工作中取得一定成效，但長遠來看，對優質作物種質資源的挖掘和利用仍相對較低。其主要原因之一是缺少對種質資源的系統鑒定和深入研究，尤其是從種質資源中挖掘優良表型性狀及與之關聯的遺傳信息。作為基因型和環境變量互作的結果，表型監測對于研究者剖析與產量和脅迫耐受性相關的遺傳學數量性狀，以及在精準農業背景下監測田間變量以實時調控資源分配具有重要意義。為此，我們需要不斷提升種質資源的鑒定與評價技術。通過搭建多尺度的作物表型高通量監測平臺，可以實現從室內到田間到大區域上的作物表型全生育期監測，輔以環境變量實時監控，建立起“基因型-表型-環境”的國家級數據庫。這不僅可以幫助育種學家進一步深挖作物種質資源，也可以協助農學家實現高效的生長動態監測，從而合理布控資源，提高資源有效利用率（圖4）。

平臺集成和算法研發

目前，國內外已逐漸意識到表型監測平臺對于育種和農業發展的意義所在，國際上業已出現了一些比較成型的表型監測系統。然而，當前在表型平臺的使用中也面臨一些問題，如表型數據不能很好地與基因型數據匹配以及高通量表型監測帶來的數據冗余等，這些都是新事物從產生到應用再到成熟不可避免的事物發展過程。我們認為，未來關于作物表型的研究將會持續受到關注，其主要發展或攻克方向包括以下?5?點。

高維度參數提取。作物精確的三維結構的獲取依賴于激光雷達、RGB?相機等傳感器獲取的高維數據，如何從高維數據中計算結構特征，尤其是高維數據的特征提取、目標探測以及分類分割等都有待進一步的探討。

多尺度分析。當前算法多集中于解決單一尺度表型參數提取，如何從不同尺度的數據中提取目標作物的信息，如從群體中提取單株信息、從單株中提取器官（如根系、花穗）等特定性狀的方法十分欠缺。

多源數據融合。多源數據融合涉及兩個層面：一方面，研究者需將同一傳感器在不同時期獲取的數據進行融合，從而實現全生育期性狀的動態監測和分析。另一方面，針對多源傳感器獲取的信息，如何進行不同維度、不同尺度的數據融合，尤其是在室內獲取的、缺失坐標信息的多源數據，則是研究者進行從形態到生理乃至機理的綜合型研究面臨的難題之一。