預(yù)測(cè)植物的生長(zhǎng)發(fā)育是植物生理學(xué)中一個(gè)長(zhǎng)期的目標(biāo)，它涉及兩個(gè)相互交織的組成部分：連續(xù)生長(zhǎng)和生長(zhǎng)階段的進(jìn)展（即物候?qū)W）。作物生長(zhǎng)模型作為分析和預(yù)測(cè)植物生長(zhǎng)的多功能工具，在生物學(xué)的真實(shí)性和模型的簡(jiǎn)潔性之間需要做出平衡。常見(jiàn)的建模方法是對(duì)時(shí)間進(jìn)行溫度補(bǔ)償，從而使用基于物種特異性的固有溫度生長(zhǎng)響應(yīng)來(lái)“線性化”持續(xù)生長(zhǎng)和物候期，但是也有證據(jù)表明物候與品種特異性的溫度響應(yīng)有關(guān)。
 

2024年4月，Plant Phenomics 在線發(fā)表了ETH Zürich題為From neglecting to including cultivar-specific per se temperature responses: Extending the concept of thermal time in field crops 的研究論文。
 

在現(xiàn)有的大多數(shù)作物生長(zhǎng)模型都普遍使用特定于物種的固有溫度生長(zhǎng)響應(yīng)（圖1-c）來(lái)“線性化”持續(xù)生長(zhǎng)（圖1-e）和物候期（圖1-b）的背景下，他們提出了一個(gè)假設(shè)，認(rèn)為品種特異性對(duì)溫度的響應(yīng)對(duì)物候?qū)W有顯著影響。為了調(diào)查這一假設(shè)，在多年內(nèi)收集了冬小麥和大豆的基于田間的生長(zhǎng)和物候數(shù)據(jù)（圖2），使用了從線性到神經(jīng)網(wǎng)絡(luò)的多種模型來(lái)評(píng)估不同性狀和協(xié)變量水平上對(duì)溫度的生長(zhǎng)響應(yīng)。結(jié)果表明品種特異性的非線性模型最能解釋與品種-環(huán)境相互作用有關(guān)的物候相關(guān)性（圖3）。

圖1 以冬小麥的生成生長(zhǎng)為例，作物建模中補(bǔ)償溫度波動(dòng)的策略示意圖。植物隨時(shí)間的生長(zhǎng)呈現(xiàn)出非線性（a），并顯示出不規(guī)則的、可能與品種和環(huán)境相關(guān)的生長(zhǎng)速率模式（d）。用溫度補(bǔ)償函數(shù)的物候期（b）和生長(zhǎng)速率（e）隨時(shí)間變化。溫度補(bǔ)償函數(shù)可以基于品種水平的劑量反應(yīng)曲線（c）或品種特異的劑量反應(yīng)曲線（f）。
 

圖2 對(duì)冬小麥和大豆的評(píng)估數(shù)據(jù)集。（a）分別使用葉片長(zhǎng)度跟蹤儀和葉片生長(zhǎng)跟蹤儀測(cè)量小麥和大豆的葉片伸長(zhǎng)和生長(zhǎng)情況。（b）使用田間表型平臺(tái)采集 RGB 圖像，然后將圖像分割成顯示植物和土壤的像素。（c）使用基于表型平臺(tái)的陸地激光掃描儀和無(wú)人機(jī)運(yùn)動(dòng)結(jié)構(gòu)技術(shù)測(cè)量植物高度。評(píng)估了四個(gè)參數(shù)劑量反應(yīng)模型（d）和兩個(gè)半?yún)��?shù)劑量反應(yīng)模型（e）。
 

圖3 冬小麥最佳物種特異性模型和品種特異性模型的性能概覽。物種特異性熱時(shí)間模型按品種特異性內(nèi)在生長(zhǎng)率縮放，品種特異性的雙線性模型（Bi-linear）和漸進(jìn)模型（Asym）則分別針對(duì)每個(gè)品種進(jìn)行擬合。在未見(jiàn)的生長(zhǎng)數(shù)據(jù)集（b）和未見(jiàn)的物候數(shù)據(jù)集（c）上對(duì)模型進(jìn)行了測(cè)試，以顯示其預(yù)測(cè)生長(zhǎng)和減少物候估計(jì) G×E 的潛力。

該研究提出的田間表型工具的使用允許將特定品種的溫度響應(yīng)函數(shù)納入未來(lái)的植物生理學(xué)研究中，這將加深對(duì)影響植物發(fā)育的關(guān)鍵因素的理解。因此，這項(xiàng)工作對(duì)作物育種和在不利氣候條件下的栽培具有重要意義。

論文鏈接：

‍https://doi.org/10.34133/plantphenomics.0185

——推薦閱讀——

Panicle-Cloud: An Open and AI-Powered Cloud Computing Platform for Quantifying Rice Panicles from Drone-Collected Imagery to Enable the Classification of Yield Production in Rice

‍https://doi.org/10.34133/plantphenomics.0105

Plant Phenomics | Panicle-Cloud: 一種基于開(kāi)放式人工智能的稻穗云計(jì)算平臺(tái)

Determination of Fᵥ/Fₘ from Chlorophyll a Fluorescence without Dark Adaptation by an LSSVM Model

‍https://doi.org/10.34133/plantphenomics.0034

Plant Phenomics | 基于LSSVM 模型的無(wú)暗適應(yīng)葉綠素a熒光Fᵥ/Fₘ的測(cè)定

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：周欽陽(yáng)（南京農(nóng)業(yè)大學(xué)）
排版：張婕（上海交通大學(xué)）
審核：孔敏、王平