编辑推荐：
为解决玉米表型研究瓶颈，研究人员利用自主机器人开展相关研究，发现其可助力理解 GxExM，意义重大。
在农业生产的大舞台上，玉米作为全球重要的粮食作物，其产量和品质一直备受关注。然而，在玉米研究的进程中，一个难题却如同一座大山横亘在科研人员面前：理解玉米（Zea mays L.）的表型可塑性对持续的作物改良至关重要，可测量遗传、环境因素和管理实践（GxExM）对作物性能的交互影响，不仅耗时、成本高，还成为了产量提升的主要瓶颈。目前，高通量基因分型在玉米育种项目中已常规应用，能辅助标记辅助选择和全基因组预测，但与之形成鲜明对比的是，表型数据在数量和成本上都远远落后，成为了研究和作物改良活动的阻碍。尽管有建模尝试从基因型预测表型，但往往局限于有限的关键性状或低成本大规模采集的性状，对于一些有助于理解产量结果和 GxE 的关键性状，测量起来困难又耗时。传统的田间表型测量方法，需要大量人力，且受时间和劳动力限制，无法全面评估植物生长过程，导致对 GxExM 的理解不完整。在此背景下，为了突破这一困境，来自 Corteva Agriscience、EarthSense、University of Illinois 等机构的研究人员展开了深入研究。他们的研究成果发表在《Communications Biology》上，为玉米研究和农业生产带来了新的曙光。
研究人员主要采用了自主研发的 TerraSentia 自主地面机器人以及相关的计算机视觉和机器学习算法。在 2019 - 2023 年间，研究人员在美国和加拿大的 142 个独特研究地点，利用 3 - 5 台 TerraSentia 机器人，对近 200,000 个实验单元进行了数据采集。这些机器人配备了多种低成本传感器，能够在玉米冠层下高通量、低成本、大规模地收集生物相关的表型数据。同时，通过计算机视觉和机器学习算法，对采集到的多传感器数据进行分析，从而获得植物高度、穗高、茎直径和叶面积指数（LAI）等表型信息。
研究结果主要通过以下几个案例研究呈现：
- 案例一：替代玉米育种计划中常见的人工性状收集：在商业玉米育种计划中，玉米穗高是一个重要的性状，因为它与倒伏风险相关。以往，穗高需要人工使用测量杆进行测量，不仅耗时费力，而且无法通过无人机等设备从冠层上方测量。利用 TerraSentia 机器人，研究人员在五个研究地点对 4826 个实验单元进行了穗高测量。机器人的穗高算法能够自动检测穗部、确定其方向并识别穗与茎的节点连接点，大大提高了测量效率。与人工测量相比，机器人测量穗高的准确性和可靠性较高，且在不同地点的遗传力估计表明，该性状具有较强的基因型响应，说明机器人可有效替代人工数据收集。
- 案例二：利用成分性状表型进行多因素实验：通过设置不同的种植密度和氮肥施用量，研究六种玉米杂交种的响应。研究发现，氮肥施用量和种植密度相互作用，影响叶面积指数（LAI）和植株高度。随着种植密度增加，LAI 增加，植株高度降低。机器人表型平台不仅提高了数据采集效率，还能增加实验处理数量和实验地点，减少人工测量误差，为多因素研究提供了更全面的数据支持。
- 案例三：对氮响应性状的遗传多样性进行表型分析：在氮响应的田间试验中，研究人员利用 TerraSentia 机器人对多个玉米杂交种在不同氮肥处理下进行表型分析。结果表明，LAI 是对氮肥响应最显著的性状之一，不同杂交种的 LAI 对氮肥的响应存在差异。同时，机器人测量的性状与人工测量的性状相关性良好，如 LAI 与氮利用率（NUE）的组成性状相关，茎直径与 LAI 相关等。此外，通过机器人测量的性状预测茎生物量，虽然遗传力略有下降，但能大幅减少测量工作量，为作物育种提供了新的思路。
- 案例四：从研究试验到农场系统评估：在农场的大规模试验中，研究人员利用机器人对不同土壤类型、氮肥施用量和杂交种组合下的玉米进行表型分析。结果发现，叶面积指数（LAI）和产量在不同地点和氮肥处理下存在差异，且 LAI 与产量呈线性相关。机器人能够在大田中高效、无损地测量 LAI 等性状，为评估玉米在不同环境下的生长状况和产量潜力提供了重要依据，有助于农民优化种植管理决策。
- 案例五：借助先前难以获取的性状更深入地理解杂交评估试验：在不同降水条件的地点对预商业玉米杂交种进行评估，发现叶面积指数（LAI）、植株高度和产量在不同地点存在显著差异。通过机器人多次测量 LAI，能够了解其在玉米生命周期中的变化受环境条件的影响，以及不同杂交种之间的差异。主成分分析（PCA）表明，LAI 与产量密切相关，这为将 LAI 作为玉米育种的选择指标提供了潜在依据。
研究结论和讨论部分指出，TerraSentia 机器人在多个地点的成功部署，展示了地面自主机器人在大规模提供地理尺度数据方面的潜力，可与无人机、联合收割机以及基因分型等其他数据源相匹配。机器人在测量如穗高这类从玉米冠层内观察更具优势的性状时，具有明显优势。随着技术的发展，未来的自主机器人将具备更强大的功能，如实现全田自主导航、“swarm” 式作业等，能够在时间和空间上更密集地数字化关键作物性状，有助于提高粮食产量、缩小产量差距、优化作物管理，增强农业的生产力和可持续性，为未来的粮食生产奠定坚实基础。这一研究成果为玉米研究和农业生产带来了新的希望和方向，有望推动整个农业领域的发展和进步。
