不結球白菜生長發育過程中表型變化AgriPheno訂閱號專注于持續更新植物生理生態、植物表型組學和基因組學、基因分型、智能化育種及應用、激光雷達探測技術及數據分析、人工智能與機器人等領域，國內外最新資訊、戰略與政策導讀。本文節選了2025年4-6月推送的代表性文章，以供大家參閱。
高光譜
? Physiologia Plantarum：高光譜圖像的光譜解混揭示了對松材枯病敏感的端元
該研究通過高光譜圖像的光譜解混技術，分析了6種松樹在PWN感染、季節性變化和自然死亡中的針葉顏色變化。結果表明，端元豐度變化可有效區分健康、染病和衰老針葉，為精準監測松樹病害和季節性物候提供了非破壞性方法，凸顯了光譜解混在林業精準管理中的應用潛力。研究中，通過手持式高光譜相機SPECIM IQ 采集高光譜圖像，光譜范圍 400 至 1000 nm，光譜分辨率為 2.9 nm。
? 高光譜圖像估算輻射松中葉綠素含量：經驗模型、放大算法與輻射傳輸反演的比較
本研究利用溫室和田間試驗的高光譜數據，比較了經驗模型、放大算法和輻射傳輸模型（RTM）等三種方法估算輻射松Ca+b含量的準確性。結果顯示，基于TCARI/OSAVI指數的放大算法預測更準確穩定，PRO4SAIL2模型反演效果優于PRO4SAIL，且全冠光譜數據能提高預測精度，為輻射松葉綠素含量監測提供了有效方法。
本文圍繞生成式人工智能（generative artificial Intelligence，GAI）在 #高光譜 傳感器數據處理中的應用展開。高光譜圖像（HSI）數據豐富，但存在高維度、噪聲、開源數據集有限且地域集中、空間分辨率低、標簽質量差和傳感器性能問題等挑戰。
本文綜述了高光譜成像技術結合深度學習方法在果蔬質量評估各方面的研究進展，重點探討了這些技術在果蔬安全、內部質量和外部質量檢測領域的最新應用，并對該領域面臨的挑戰及未來發展方向進行了展望。
植物逆境
? Scientific Reports：基于物聯網的精準農業智能害蟲管理系統
本研究成功將傳統的信息素陷阱自動化，基于CNN的模型檢測果蠅準確率超90%，YOLOv8在復雜環境下表現穩健，mAP達97.3%。但研究存在數據集可擴充、數據質量受環境影響等局限，未來可優化模型架構、擴大陷阱部署范圍，為精準農業害蟲管理提供更有效支持。
本研究旨在探討不同根系大小的大豆基因型在鹽堿脅迫下的生長反應，探索根系形態特征與鹽堿耐受性之間的關系，并識別與耐受性相關的關鍵基因。
本研究以生菜(Lactuca sativa)和辣椒(Capsicum annuum)為模型，評估商品化微生物基生物刺激素產品Terra-Sorb? Symbiotic在氮脅迫下的應用效果，旨在探索其提高作物產量和生理適應性的潛力。
? New Phytologist│浙江大學周艷虹課題組最新研究揭示番茄CPK27-HY5調控耐寒性的機制
本研究以番茄(Solanum lycopersicum)為材料，揭示了CPK27通過磷酸化HY5促進類黃酮生物合成，從而增強植物耐寒性的分子機制，為解析植物冷脅迫信號轉導網絡提供了新見解。研究中，番茄冷脅迫相關的光合作用差異通過葉綠素熒光成像系統MAXI-IMAGING-PAM測量。
本研究首次在常春藤中探討極端光照條件下的適應機制，突破了以往研究的光強范圍。通過結合形態學、生物化學和生物物理分析，揭示了HL與LL植物的光合系統重組策略及其對光保護的貢獻。
? 免疫信號模塊NIK1/RPL10/LIMYB在生物及非生物脅迫下對光合作用的調控機制
本研究旨在揭示植物在生物（病毒 / 細菌感染）和非生物（高溫、滲透）脅迫下協調光合作用與翻譯的分子機制。
? 三角褐指藻光合作用及抗氧化系統對溫度的響應揭示其對海洋變暖的適應機制
本文通過探究溫度對三角褐指藻生長、光合作用、無機碳利用及抗氧化系統的影響，揭示其對海洋變暖的適應機制。
? 番茄耐熱性 "因果而異"：大果看花粉活力，小果看果實數量
本研究利用花粉活力分析儀（瑞士Amphasys，Ampha Z32）測定花粉性狀，該技術具有快速、準確、高通量的優點，能夠在短時間內對大量花粉進行分析，為番茄花粉性狀的研究提供了一種有效的手段。
植物根系研究
? Communications Biology：吸收細根比運輸細根更能解釋樹木生長表現
本文通過測量生長在研究植物園（同質園）的25個歐洲闊葉樹種的吸收根和運輸根的一系列形態和解剖功能性狀，采用揭示功能性狀關聯性的主成分分析和評估功能性狀與基面積增量關系的線性回歸等數據分析方法，首次系統研究了吸收細根和運輸細根間根系功能性狀的協同關系和功能性狀與樹木生長的相關程度。
以黃河支流伊河流域丘陵地帶的六種植物為研究對象，采用原位剪切實驗和Wu模型對土根系統抗剪強度進行了研究。
? 溫帶森林樹種外生菌根真菌比根系性狀更能解釋根際養分有效性的變化
該研究強調，外生菌根真菌在調控溫帶森林根際養分有效性中有著重要作用，將這些影響納入模型，能提升模擬森林生物地球化學循環的效果，并為全球變化背景下森林管理策略提供依據。
植物表型/激光雷達
? 整合高通量表型和基因分型技術，探索從遺傳標記預測植物性狀以獲得更高產量的新方法
動態基因組學為探究和整合基因型和表型在作物生長過程中的動態相互作用，從而提高農藝相關性狀的預測準確性鋪平了道路。動態基因組學的未來發展可依賴于DMD的擴展，以考慮環境因素的影響。這將有助于進一步完善擬議的方法，預計將對培育適應特定地區的作物品種和精準農業產生重大影響。
? 高通量技術推進輻射誘變突變體篩選：擬南芥突變體篩選的初步評價
本研究旨在評估高通量植物成像系統（HTPIS）在擬南芥突變體篩選中的效率，對比人工視覺篩選與機器識別的準確性，為重離子束和γ射線輻射育種提供方法依據。
如何讓機器人在“混亂”的農田中精準定位、構建地圖？加州大學河濱分校的研究團隊給出了最新解決方案：基于激光雷達（LiDAR）的自適應定位與建圖技術AG-LOAM，讓農業機器人擁有了“火眼金睛”！
本研究利用ScanLyzer 3D植物表型分析系統對102個水稻品種進行全生育期高通量表型分析，提取 42 個農藝性狀，結合貝葉斯模型平均和結構方程模型分析發現，穗長對籽粒產量的正向影響最強，植株最大面積、穗數等性狀也有正向作用，而早熟組中植株寬度最大值持續時間對產量有顯著負效應。研究揭示了不同農藝性狀對產量的差異化影響，為水稻精準育種提供了表型數據支撐與理論依據。
? Plant Stress：高通量表型輔助水稻氮素利用效率性狀解析與基因型篩選
該研究針對300 份不同水稻基因型，在氮充足與缺乏條件下開展大規模中宇宙(mesocosm)實驗，利用RGB、IR 和 NIR 多光譜成像傳感器采集數據，結合30個手動測量性狀和 68個圖像衍生性狀，開發新型性狀解析策略，成功識別氮素吸收效率（NUpE）和基于生物量的氮素利用效率(NUEb)為關鍵性狀，構建高置信度(R2=0.98%，p<0.001)的機器學習預測模型，最終篩選出IC463705、Suweon和Cauvery三個優良水稻供體，證明表型組學和機器學習技術在水稻NUE改良中的潛力。
本研究利用ScanLyzer 3D植物表型分析系統對102個水稻品種進行全生育期高通量表型分析，提取 42 個農藝性狀，結合貝葉斯模型平均和結構方程模型分析發現，穗長對籽粒產量的正向影響最強，植株最大面積、穗數等性狀也有正向作用，而早熟組中植株寬度最大值持續時間對產量有顯著負效應。研究揭示了不同農藝性狀對產量的差異化影響，為水稻精準育種提供了表型數據支撐與理論依據。
人工智能/機器人自動化
工業4.0和農業4.0之間存在哪些異同點？若兩者采用相同的物聯網技術，智能溫室的生產過程是否與智能工廠相似？為解答這些問題，本研究以巴西阿雷格里港（Porto Alegre）SLC公司的智能溫室為典型案例，深入探究工業4.0和農業4.0的內在聯系與差異。
該研究旨在解決特種作物研究中現有圖像處理方法難以適用的問題，通過構建 MAUI 這一可定制的圖像處理工作流程，利用葡萄和大麻育種試驗數據，驗證其在生成多光譜正射鑲嵌時間序列、分割作物和提取光譜數據方面的有效性。該研究為特種作物研究提供了模塊化框架，有助于提高光譜數據提取效率，推動無人機影像分析在特種作物研究中的常規應用，為相關研究和產業發展提供有力支持。
人工智能（AI）作為熱門前沿技術，正為種子技術領域帶來革命性變革。AI通過機器學習、計算機視覺、高光譜成像等子領域技術，實現了種子全生命周期管理的智能化升級。從種子質量評估到遺傳純度鑒定，從品種開發到田間監測，AI技術以其精準性、高效性和成本優勢，成為解決現代種子產業挑戰的關鍵方案。本文系統梳理了AI在種子技術各環節的應用現狀、技術突破及未來展望，為推動智能農業發展提供參考。
新觀點/新技術
? Plant Methods：一種測定葉片比熱容的簡單新穎方法
該研究提出了一種基于葉片能量平衡模型的非侵入性新方法，用于量化葉片比熱容量（Cp）。通過對13種園藝和熱帶植物的研究，發現Cp值在 3200-4000 J kg-1 K-1之間，與葉片含水量正相關。該方法有助于在自然非穩態條件下更準確地應用熱成像技術，為植物表型分析和監測提供支持。
? 樹木的“導管”如何影響全球氣候？揭秘樹干中的水分運輸密碼
理解樹木的 “導管分布”，不僅能幫我們選育抗旱樹種、優化灌溉策略、監測森林健康，更能為應對氣候變化提供關鍵數據支持。
? 湖南農大團隊借助LiDAR技術實現卷心菜田間精準導航！誤差僅0.1米，噴藥效率大幅提升
LiDAR+AI正掀起農業精準化革命！這項研究不僅解決了田間導航難題，更以“硬核數據”展現了中國農業科技的創新實力。未來，我們期待更多農田裝上“智慧之眼”，讓科技真正扎根土地！
? 新型納米材料碳點(Carbon Dots)在促進植物光合作用中的應用
本文系統綜述碳點的特性、作用機制及其在農業中的應用，并展望其未來發展方向。
? 激光二極管(LD)照明優于LED：植物光合效率可提升20%
這項研究不僅揭示了LD在植物生理層面的優勢，更預示著室內園藝的技術革新。隨著半導體技術的進步，激光光源的成本有望逐步降低，未來或與LED形成互補——例如紅光LD搭配藍光LED，構建更高效的復合光譜系統。
? New Phytologist：擬南芥中UVR8信號增強光合系統對除草劑損傷的恢復力
該研究通過分子-生理-應用多層次解析，證實UVR8光信號通路是增強植物光合系統除草劑抗性的核心樞紐，為農業精準用藥和新型綠色助劑開發提供了關鍵靶點。未來需進一步探索作物與雜草的響應差異，推動田間應用落地。
本研究提出光管理光伏溫室（LMPG），通過集成定制PVR的光伏板、均勻光（ES）板與LED補光系統，構建光子管理體系，旨在解決傳統光伏溫室的光分布不均問題，提升太陽能利用效率與土地生產力。
生物技術/育種技術
? 類囊體蛋白BCM1將天線蛋白CP24和CP29隔離在基粒核心內，減少熱脅迫下它們被降解風險
文章提出了類囊體膜蛋白BCM1充當穩定的“錨”，有效地將外周天線蛋白亞基CP24和CP29隔離在基粒核心內，從而減少它們在基質片層中被降解的風險。
? 西北大學王菲/付愛根團隊揭示衣藻CYN38調控PSII修復的分子機制
本研究聚焦于衣藻中的CYN38(CYP38的同源蛋白)，探討其在高光脅迫下調控PSII修復的分子機制。研究中，衣藻野生型和突變體相關的光合作用差異通過雙通道葉綠素熒光儀DUAL-PAM-100測量。
? Plant Physiology：藍藻Cytb6f亞基PetN的缺失會破壞復合體穩定性并嚴重影響狀態轉換
該研究聚焦于藍藻Anabaena variabilis ATCC 29413的PetN亞基，通過構建petN突變體(ΔpetN)，探究其對Cytb6f穩定性、光合電子傳遞及狀態轉換的影響。
植物生理生態研究
? Plant Cell：萊茵衣藻晝夜節律的系統研究揭示其適應極端光照的機制
本研究通過整合多組學與生理學，形態學數據，系統解析了萊茵衣藻在不同光強下的晝夜節律程序，揭示了其光適應的動態調控網絡。
? New Phytologist最新研究揭示類囊體膜結構動態調控光合作用的機制
本研究通過結合高分辨率結構分析技術(透射電子顯微鏡、共聚焦顯微鏡、小角中子散射)與光合生理功能測定，揭示了類囊體膜在光照下的雙向-三階段動態變化(收縮-擴張-松弛)模式及其對光合電子傳遞的調控機制。研究發現，類囊體膜在光照初期先收縮，隨后擴張，最終松弛至暗適應狀態，這一三階段動態模式與環式/線性電子傳遞比(CET/LET)的調控密切相關。
? 影響因子38.1的高分文章是如何測量光曲線和CO2響應曲線的，值得參考
文章研究發現，帶正電的Fe3O4納米顆粒在擬南芥體內經歷pH和脂質涂層依賴的轉化，優先結合RuBisCO小亞基(無催化位點)，從而在體內抑制其羧化活性，而帶負電顆粒在體外直接抑制酶活，揭示了納米顆粒體內轉化對光合蛋白功能的調控新機制。
? 光合作用(氣體交換)誘導的理解和測量指南：注意事項和建議
文章系統整合了光合作用誘導實驗設計的關鍵變量與量化方法。是一份非常值得參考的光合作用誘導實驗指南。該指南旨在通過以下方式促進研究之間的一致性，并為比較不同物種之間的結果提供便利：1、討論在設計以測量光合誘導為重點的實驗時的最佳做法；2、提供分析光合作用誘導數據的資源；3、找出我們在光合作用誘導方面的集體知識差距。
浮游植物/水環境
? 東英吉利海峽浮游植物功能組成的年代際變化：氣候變化可能帶來的重大影響
本研究旨在識別和量化EEC浮游植物群落的亞中尺度變化及十年趨勢。研究了法國東英吉利海峽近岸到近海區域浮游植物功能組成的十年變化。研究發現2012-2022 年該區域海表溫度顯著上升（近岸升溫 1.05°C，近海升溫 0.93°C），營養鹽濃度變化導致營養鹽比例失衡后又趨于平衡。
? 多佛海峽沿岸和近海高空間分辨率的浮游植物監測：DYPHYRAD調查
DYPHYRAD調查項目生成的高分辨率數據集為研究浮游植物動態和環境驅動因素提供了寶貴的資源。這些數據不僅有助于理解浮游植物群落的生態過程，還為海洋生態系統的管理和保護提供了科學依據。作為研究中使用的關鍵技術之一，CytoSub在監測浮游植物群落方面發揮了重要作用。其高分辨率的原位測量能力為研究提供了詳細的數據支持，有助于深入理解浮游植物的生態特征和環境響應。
? EasyClus軟件構建藻類數據庫及基于CytoSense數據的葉綠素濃度計算
EasyClus是一款針對浮游植物流式細胞儀CytoSense/ CytoBuoy/ CytoSub的數據分析軟件，能夠處理復雜多變量時間序列的高頻監測數據，結合軟件深度學習訓練模型，可提高預測的準確性和魯棒性，用于構建藻類數據庫。
? CytoSense/CytoSub微囊藻分析報告：流式細胞儀技術在有害藻華監測中的應用
本報告使用CytoSense（以及CytoSub）分析了微囊藻（Microcystis sp.）。結果顯示CytoSense極寬的尺寸接受范圍, 使其能夠在單次運行中同時分析自然水樣的單個細胞和藻團。
感謝各位老師、同學的關注、推薦與積極轉發，Agripheno將不忘初心，堅持把國內外最新資訊、戰略與政策導讀分享給大家，以支持到大家的研究工作。作為開放公眾平臺，我們歡迎大家撰寫各自已發表文章的介紹投稿，分享最新研究成果。此外，如您有最新的業內信息需要推送，我們也樂意效勞。