模型辅助环境分型加速小麦理想型设计：提升气候适应性育种效率的新策略

本研究针对气候变化下小麦生产面临的干旱胁迫和产量不稳定问题，创新性地将环境分型(Envirotyping)与作物模型辅助的理想型设计(Ideotyping)相结合。通过APSIM Next Generation模型模拟澳大利亚不同环境条件下小麦生长，采用聚类分析鉴定6种环境类型(ETs)，并利用遗传算法优化14个关键栽培参数。结果显示全局优化策略使平均产量提升18%，产量变异系数降低16%，其中最小叶数(MinLN)、籽粒潜在大小(GrainPotSize)和辐射利用效率(RUE)是主要贡献性状。该研究为开发气候适应性小麦品种提供了可扩展的计算框架。

　　

随着全球人口增长和饮食结构变化，2050年农产品需求预计将翻倍，而气候变化导致的极端天气事件频发正严重威胁着小麦这一重要主粮作物的生产。澳大利亚作为贡献全球10-20%小麦贸易量的产区，其雨养农业系统对降雨模式和温度变化尤为敏感。干旱和高温胁迫加速作物发育、缩短生长季并破坏关键生育期的水分供应，使得培育气候适应性小麦品种成为保障粮食安全的迫切需求。

传统育种面临两大挑战：一是需要测试海量的基因型-环境-管理(G×E×M)组合，计算资源消耗巨大；二是环境异质性导致育种目标难以精准定位。针对这些问题，南昆士兰大学的研究团队在《Agricultural Systems》发表研究，提出将环境分型(Envirotyping)与模型辅助理想型设计(Model-aided ideotyping)相结合的创新方法。通过将复杂环境聚类为有限的环境类型(Environment Types, ETs)，大幅降低计算复杂度，同时保持育种效率。

研究采用APSIM Next Generation小麦模型模拟澳大利亚6个代表性地点54年的生长数据，通过k-means聚类分析水分供需比(SDR)模式鉴定ETs。利用遗传算法优化14个关键参数（涵盖物候、形态、资源利用和产量构成），比较全局优化(Optim-Global)、高胁迫环境优化(Optim-ET3+)和局地优化(Optim-Local)三种策略。主要技术路线包括：基于历史气象数据(1971-2024)的作物生长模拟；以开花期为基准的SDR模式聚类；通过加权平均产量(NWAY)目标函数进行多参数优化；采用R语言GA包实现并行化遗传算法搜索。

环境类型鉴定
研究识别出6种具有独特季节性干旱模式的ETs，解释61%的产量变异。ET1代表灌浆期轻度胁迫，ET4为全生育期持续低胁迫，ET6则是早期胁迫后缓解的特殊模式。当采用最优播期和品种时，ET4发生频率最高(29%)，而高胁迫的ET5-6占比20%。

理想型设计效应
三种优化策略均显著改变ETs分布：ET1频率下降5-10个百分点，ET4增加4个百分点，ET6从11%锐减至2%。这种转变表明优化品种有效缓解了灌浆期水分胁迫。全局策略使平均产量提升18%，其中Katanning地区增幅达29%。产量变异系数(CV)降低9.1-15.5%，但Dubbo地区局地策略反而增加变异性，揭示策略选择需因地制宜。

关键生理驱动因子
全局策略中，最小叶数(MinLN)、籽粒潜在大小(GrainPotSize)和辐射利用效率(RUE)具有最高主效应(ME)，其优化值分别趋向下限(6.14叶)、上限(0.059mg)和上限(1.72g/MJ/d)。而根系水分吸收率调节因子(KLModifier)取低值(0.87)更有利，暗示适度水分胁迫耐受性可能优于强吸水能力。局地策略则更依赖物候参数如春化敏感性(VrnLN)和光周期响应(VxPLN)的调整。

讨论与意义
该研究通过环境分型将传统需模拟的16,000+基因型-环境组合缩减至代表性ETs，计算量降低至1/1000-1/1500，为资源有限的育种项目提供可行方案。研究证实Donald的理想型理论在现代育种中仍具指导价值——减少叶面积(通过MinLN优化)与提高光合效率(RUE)的协同作用可打破产量瓶颈。值得注意的是，灌浆期长短(GFDur)并非越长越好，中等值(459-591°Cd)配合"持绿性"(StayGreen 1.14倍)更能平衡碳同化与胁迫规避。

该方法的价值在于：1) 将气候适应性育种从经验驱动转向数据驱动；2) 通过ETs框架实现跨区域协同育种；3) 为分子设计育种提供量化靶标，如控制叶数基因的编辑可优先于根系性状改良。未来研究需整合更多性状维度（如氮素利用、高温响应），并验证模型预测与田间表现的吻合度。这项研究为应对气候变化的作物改良提供了兼具创新性和实用性的解决方案。