无人机表型组学揭示净同化率是协同提升水稻产量与品质的关键诊断性状

为解决水稻产量与品质协同提升的难题，中国水稻研究所团队通过无人机(UAV)高通量表型技术，构建了植物高度(PH)、地上生物量(AGB)等5种性状的监测模型(R2达0.61-0.89)，系统解析37个关键性状的动态贡献。研究发现净同化率(NAR)在协同组比低效组高26.38-51.76%，证实其作为产量-品质协同提升的诊断标记，为育种和农艺实践提供新见解。

　　

水稻作为全球主粮作物，长期面临产量与品质难以协同提升的"悖论"。传统方法受限于破坏性采样和静态监测，难以解析动态调控网络。中国水稻研究所团队创新性地利用无人机(UAV)高通量表型技术，通过5项田间试验(2022-2024年)，构建了植物高度(PH)、地上生物量(AGB)、叶面积指数(LAI)、冠层氮含量(CNC)和叶片氮含量(LNC)的高精度监测模型，其中PH的R²达0.89。研究采用极端梯度提升(XGB)和路径分析等方法，系统鉴定出37个关键性状及其动态贡献规律。

关键技术包括：1) 基于数字表面模型(DSM)和光合积累模型(PAM)的性状反演；2) 递归特征消除(RFE)与最大信息系数(MIC)的特征选择；3) 非支配排序遗传算法(NSGA-II)多目标优化；4) 分段结构方程模型解析调控路径。实验样本涵盖氮肥处理、多品种及473-516份育种材料。

【研究结果】
3.1 产量与品质表现：通过K-means聚类将材料分为9类，高产量-高品质(HYQ)组占比显著。
3.2 无人机性状监测：PH、AGB等5种性状的动态变化与生育期显著相关，其中LAI呈单峰曲线。
3.3 模型验证：NDVI-PAM对AGB的预测R²达0.84，RFE-XGB对LNC的预测R²达0.83。
3.4 协同机制：NAR在营养期(VEG)、生殖期(REP)和成熟期(RIP)分别提升51.76%、26.38%和35.77%是协同关键；路径分析显示NAR_RIP对产量直接效应最强，而CNC_RIP通过负调控食味品质间接影响GQI。

【结论】
该研究首次通过无人机动态表型解析了NAR作为产量-品质协同"枢纽"的生物学机制：1) 阶段性优化光合产物分配，缓解营养-生殖竞争；2) 增强碳氮耦合效率，促进灌浆期氮素转运；3) 突破传统氮总量调控局限，聚焦氮素时空分配。研究成果发表于《Crop and Environment》，为智慧育种和精准栽培提供了理论依据与技术范式。