整合生理与遥感性状提升小麦产量的基因组预测模型研究

本文推荐：该研究通过整合物候、生理和高通量表型性状（HTP），建立了面包小麦（Triticum aestivum L.）在灌溉、干旱和终端热胁迫下的基因组预测模型（GBLUP）。研究发现，灌浆期植被指数（NDVI、CIred-edge等）显著提升预测精度，而环境特异性模型（如干旱期采用营养期数据）可优化预测效果，为小麦育种提供了精准化表型组学策略。

　　

摘要

研究通过整合物候、生理及遥感数据，构建了面包小麦在三种环境（灌溉、干旱、终端热胁迫）下的基因组预测模型。五折交叉验证显示，灌浆期植被指数模型精度最高（r=0.71），而留一环境验证（LOEO）中，灌溉环境下抽穗期（DTH）模型最优，干旱期则依赖营养期植被指数。研究强调了环境特异性性状整合对提升预测效率的关键作用。

1 引言

全球粮食安全面临气候恶化和资源短缺挑战，遗传改良成为可持续解决方案。小麦育种需兼顾产量、抗逆性和品质，基因组选择（GS）通过训练群体标记效应预测育种值（GEBV）。高通量表型（HTP）技术（如多光谱成像）可捕获冠层结构、叶绿素荧光等生理参数，结合辐射传输模型（PROSAIL）反演叶面积指数（LAI）、叶倾角（ALA）等性状，为模型提供生物学意义。

2 材料与方法

2.1 群体与试验设计

240份面包小麦在墨西哥灌溉、干旱和热胁迫环境下种植，采用α格子设计。热胁迫通过晚播实现，表型数据包括产量、抽穗期及生理指标。

2.3 生理性状测定

灌浆期测定气孔导度（g_s）、蒸腾速率和光系统II量子效率（Φ_PSII），公式：

Φ_PSII = (F_m′ ? F_s)/F_m′

2.4 多光谱成像

通过RedEdge-3相机获取红、绿、蓝、红边和近红外（NIR）波段反射率，计算NDVI、MCARI等指数，并基于PROSAIL反演LAI、F_cover等参数。

2.6 统计模型

采用GBLUP框架，12种核心模型（如E+G+GE+DTH）和40种组合模型，通过贝叶斯方法估计，五折交叉验证和LOEO评估性能。

3 结果

3.1 生理与表型响应

干旱下g_s降至0.06 mol m^?2 s^?1，热胁迫下反射率可见光区升高，灌浆期LAI_PROSAIL等指数在灌溉环境下最高。

3.3 预测精度

五折验证中，E+G+DerivHTP_GrFill模型精度达0.71；LOEO下灌溉环境最佳模型（E+G+DTH）r=0.82，而干旱环境模型精度最低（r=0.57），凸显环境互作（GE）复杂性。

4 讨论

4.2 模型优化

灌浆期数据提升预测24.5%，但多变量组合仅边际改善（5.6%），需权衡成本效益。PROSAIL衍生的LAI_Cab等性状增强了生物学解释力。

4.4 应用建议

推荐针对环境选择关键性状（如干旱期用营养期NDVI），并采用选择指数平衡多性状改良，避免间接选择晚熟等负面性状。

5 结论

研究证实整合灌浆期遥感数据可优化小麦产量预测，但跨环境泛化仍需非线性模型突破。未来应聚焦低成本表型技术与多环境校准策略的结合。