科學(xué)通報(bào) | 浙江大學(xué)岑海燕團(tuán)隊(duì)發(fā)表作物表型組學(xué)關(guān)鍵共性技術(shù)綜述

在全球人口增長(zhǎng)、耕地緊缺與極端氣候事件頻發(fā)的多重壓力下，傳統(tǒng)育種與種植模式已難以為繼。過(guò)去二十年，高通量測(cè)序技術(shù)使作物基因型數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，但表型信息獲取技術(shù)卻嚴(yán)重滯后。“基因型-表型”鴻溝已成為制約復(fù)雜農(nóng)藝性狀遺傳解析與育種效率提升的關(guān)鍵瓶頸，作物表型組學(xué)作為新興交叉學(xué)科在此背景下應(yīng)運(yùn)而生。

近日，浙江大學(xué)岑海燕教授團(tuán)隊(duì)在《科學(xué)通報(bào)》生物與信息技術(shù)賦能現(xiàn)代農(nóng)業(yè)綠色發(fā)展專輯發(fā)表了題為“作物表型組學(xué)關(guān)鍵共性技術(shù)研究綜述與展望”的綜述論文。該文系統(tǒng)梳理了作物表型智能檢測(cè)的物理原理、多源傳感器、多尺度平臺(tái)及智能數(shù)據(jù)處理方法，剖析了當(dāng)前核心技術(shù)瓶頸，并提出面向未來(lái)的發(fā)展路徑。

從物理感知到智能解析的全鏈條技術(shù)路徑

作物表型智能檢測(cè)通常涵蓋圖譜采集、數(shù)據(jù)處理、模型構(gòu)建與表型應(yīng)用四個(gè)核心環(huán)節(jié)（圖1）。通過(guò)搭載不同傳感器的多尺度表型平臺(tái)獲取作物圖譜數(shù)據(jù)，結(jié)合處理技術(shù)和模型算法，實(shí)現(xiàn)高通量表型解析。然而，不同表型平臺(tái)在傳感器性能、采集條件、操作規(guī)范等方面存在顯著差異，導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊，噪聲干擾大、標(biāo)定精度低、時(shí)空一致性差等問題普遍存在，嚴(yán)重制約了模型的泛化能力與解析精度。此外，多源傳感器數(shù)據(jù)格式各異，呈現(xiàn)出高度的異構(gòu)化、互融互通性差的特點(diǎn)。為此，亟需構(gòu)建覆蓋數(shù)據(jù)產(chǎn)生、處理到應(yīng)用全鏈條的協(xié)同研究范式，形成高質(zhì)量數(shù)據(jù)與高精度模型雙輪驅(qū)動(dòng)的迭代優(yōu)化機(jī)制。

圖1 作物表型智能檢測(cè)的技術(shù)路徑

多源傳感器協(xié)同感知

文章系統(tǒng)闡述了五大類傳感器的技術(shù)特性與適用場(chǎng)景。可見光成像應(yīng)用最廣，可提取株高、分蘗數(shù)等形態(tài)參數(shù)；三維傳感器突破二維局限，實(shí)現(xiàn)高精度立體重建；光譜成像技術(shù)實(shí)現(xiàn)“圖譜合一”，用于反演葉綠素、氮素與水分等生化組分；葉綠素?zé)晒獬上褡鳛楣夂献饔谩疤结槨保u(píng)估逆境下光系統(tǒng)損傷程度；熱紅外成像則非接觸監(jiān)測(cè)冠層溫度，反映作物水分盈虧與抗旱性。同時(shí)，文章指出當(dāng)前傳感器在探測(cè)深度與檢測(cè)通量之間存在固有矛盾，環(huán)境魯棒性不足，多模態(tài)集成也面臨時(shí)空同步誤差等挑戰(zhàn)。

多尺度檢測(cè)平臺(tái)從微觀到群體全覆蓋

當(dāng)前表型檢測(cè)已構(gòu)建起覆蓋“細(xì)胞/組織—器官—單株—群體”的多尺度體系。微觀層面，顯微CT與高光譜顯微成像可在微米級(jí)分辨率下無(wú)損解析細(xì)胞結(jié)構(gòu)；器官層面，三維掃描、光譜成像實(shí)現(xiàn)葉、穗、根等精細(xì)性狀提取；單株層面，溫室表型平臺(tái)等設(shè)備實(shí)現(xiàn)了全生育期動(dòng)態(tài)追蹤；群體層面，無(wú)人機(jī)、無(wú)人車等平臺(tái)支撐大田高通量育種篩選。為科學(xué)評(píng)估各項(xiàng)技術(shù)的實(shí)用程度，文章首次系統(tǒng)引入技術(shù)成熟度框架，對(duì)近5年72篇文獻(xiàn)報(bào)道的表型檢測(cè)技術(shù)進(jìn)行了從實(shí)驗(yàn)室驗(yàn)證到大田規(guī)模化應(yīng)用的評(píng)級(jí)。

數(shù)據(jù)校正與智能解析模型的演進(jìn)

在獲取海量原始圖譜數(shù)據(jù)后，如何從包含環(huán)境噪聲且模態(tài)各異的光學(xué)圖譜中提取具有生物學(xué)意義的表型性狀是核心挑戰(zhàn)。文章強(qiáng)調(diào)了數(shù)據(jù)校正的重要性，包括可見光圖像需進(jìn)行幾何與顏色校正，光譜數(shù)據(jù)需輻射校正，三維點(diǎn)云需去噪與結(jié)構(gòu)補(bǔ)全等。在解析模型方面，算法發(fā)展經(jīng)歷了三個(gè)階段，包括早期依賴專家先驗(yàn)知識(shí)與特征工程的傳統(tǒng)機(jī)器學(xué)習(xí)方法，端到端深度學(xué)習(xí)模型，到最新的融合專家經(jīng)驗(yàn)、氣象與栽培數(shù)據(jù)的多模態(tài)大模型。文章同時(shí)也指出，未來(lái)算法需突破單純“視覺工程”的局限，將植物生理機(jī)制與生物學(xué)知識(shí)嵌入模型，實(shí)現(xiàn)從數(shù)據(jù)處理到知識(shí)引導(dǎo)智能決策的升級(jí)。

未來(lái)展望：系統(tǒng)性建模與智能設(shè)計(jì)育種

通用人工智能時(shí)代，作物表型組學(xué)將邁向系統(tǒng)性建模與智能決策。依托視覺基礎(chǔ)模型、多智能體協(xié)同感知及作物數(shù)字孿生等前沿技術(shù)，通過(guò)農(nóng)業(yè)工程、計(jì)算機(jī)科學(xué)、生物信息學(xué)與作物育種的深度交叉，表型組學(xué)將全面賦能優(yōu)良種質(zhì)的精準(zhǔn)設(shè)計(jì)與定向培育。為此，亟需突破底層傳感硬件瓶頸，建立涵蓋標(biāo)定、采集、校正的全鏈條數(shù)據(jù)標(biāo)準(zhǔn)化體系并推行FAIR原則，同時(shí)構(gòu)建具備生物學(xué)機(jī)制約束的農(nóng)業(yè)垂域大模型。最終，高精度表型大數(shù)據(jù)將支撐全基因組關(guān)聯(lián)分析與功能基因挖掘，加速?gòu)摹敖?jīng)驗(yàn)育種”向“智能設(shè)計(jì)育種”跨越，并為精準(zhǔn)種植與自主農(nóng)業(yè)系統(tǒng)提供核心驅(qū)動(dòng)力。

該研究得到了國(guó)家自然科學(xué)基金（32371985）和國(guó)家重點(diǎn)研發(fā)計(jì)劃（2024YFE0115000）的資助。

文章信息

郭子越，沈煜韜，陸旭琦，李玥，黃梓宸，岑海燕. 作物表型組學(xué)關(guān)鍵共性技術(shù)研究綜述與展望. 科學(xué)通報(bào)，2026.

《科學(xué)通報(bào)》是中國(guó)科學(xué)院主管、中國(guó)科學(xué)院和國(guó)家自然科學(xué)基金委員會(huì)共同主辦的綜合性中文學(xué)術(shù)期刊，致力于快速報(bào)道自然科學(xué)各學(xué)科基礎(chǔ)理論和應(yīng)用研究的最新研究動(dòng)態(tài)、消息、進(jìn)展, 點(diǎn)評(píng)研究動(dòng)態(tài)和學(xué)科發(fā)展趨勢(shì)。

• 旬刊，每10天出版1期；

• 欄目：進(jìn)展、評(píng)述、快訊、論文、觀點(diǎn)、科技前沿、科學(xué)訪談、亮點(diǎn)述評(píng)、悅讀科學(xué)等；

• 《新銳期刊分區(qū)表》 綜合性大類1區(qū)TOP期刊；

• 中國(guó)科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊；

• 《中國(guó)科技論文與引文數(shù)據(jù)庫(kù)》和《中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)》的源期刊，同時(shí)被EI、ESCI和Scopus等收錄；

• 期刊官網(wǎng)：http://csb.scichina.com.

轉(zhuǎn)載、投稿請(qǐng)留言

| 關(guān)注科學(xué)通報(bào) | 了解科學(xué)前沿