高通量作物表型监测：育种和精准农业发展的加速器

当前发展的瓶颈和未来方向

立足国家战略需求

作为人口大国，我国不仅面临着巨大的粮食缺口，同时也存在可用耕地减少，农业灌溉用水利用率低，易发病虫害等威胁粮食安全的问题。科技部在“十三五”科技创新规划中明确将粮食丰产提质增效、农业面源污染防控等作为支撑引领现代农业发展的重点研发任务。农业需实现从“大水大肥”的粗放型模式，转向依靠科技创新的新常态。尽管当前我国在育种和估产等农业相关工作中取得一定成效，但长远来看，对优质作物种质资源的挖掘和利用仍相对较低。其主要原因之一是缺少对种质资源的系统鉴定和深入研究，尤其是从种质资源中挖掘优良表型性状及与之关联的遗传信息。作为基因型和环境变量互作的结果，表型监测对于研究者剖析与产量和胁迫耐受性相关的遗传学数量性状，以及在精准农业背景下监测田间变量以实时调控资源分配具有重要意义。为此，我们需要不断提升种质资源的鉴定与评价技术。通过搭建多尺度的作物表型高通量监测平台，可以实现从室内到田间到大区域上的作物表型全生育期监测，辅以环境变量实时监控，建立起“基因型-表型-环境”的国家级数据库。这不仅可以帮助育种学家进一步深挖作物种质资源，也可以协助农学家实现高效的生长动态监测，从而合理布控资源，提高资源有效利用率（图4）。

平台集成和算法研发

目前，国内外已逐渐意识到表型监测平台对于育种和农业发展的意义所在，国际上业已出现了一些比较成型的表型监测系统。然而，当前在表型平台的使用中也面临一些问题，如表型数据不能很好地与基因型数据匹配以及高通量表型监测带来的数据冗余等，这些都是新事物从产生到应用再到成熟不可避免的事物发展过程。我们认为，未来关于作物表型的研究将会持续受到关注，其主要发展或攻克方向包括以下 5 点。

高维度参数提取。作物精确的三维结构的获取依赖于激光雷达、RGB 相机等传感器获取的高维数据，如何从高维数据中计算结构特征，尤其是高维数据的特征提取、目标探测以及分类分割等都有待进一步的探讨。

多尺度分析。当前算法多集中于解决单一尺度表型参数提取，如何从不同尺度的数据中提取目标作物的信息，如从群体中提取单株信息、从单株中提取器官（如根系、花穗）等特定性状的方法十分欠缺。

多源数据融合。多源数据融合涉及两个层面：一方面，研究者需将同一传感器在不同时期获取的数据进行融合，从而实现全生育期性状的动态监测和分析。另一方面，针对多源传感器获取的信息，如何进行不同维度、不同尺度的数据融合，尤其是在室内获取的、缺失坐标信息的多源数据，则是研究者进行从形态到生理乃至机理的综合型研究面临的难题之一。