到2050年，全球人口將達到97億，預計作物產(chǎn)量翻一番才能滿(mǎn)足全球人口的糧食需求。為了達到這一目標，作物產(chǎn)量需每年增長(cháng)2.4%，但目前作物產(chǎn)量平均增長(cháng)率僅為1.3%。作物生產(chǎn)性能的遺傳改良仍然是提高作物生產(chǎn)力的關(guān)鍵因素，但當前的改善速度無(wú)法滿(mǎn)足可持續性和糧食安全的需要。與廣泛的遺傳信息相比，表型分析已成為理解復雜性狀遺傳基礎的瓶頸。為了打破這一瓶頸并提高分子育種的效率，迫切需要可靠、自動(dòng)和高通量的表型技術(shù)，為育種學(xué)家提供新的見(jiàn)解，以選擇適應資源短缺和全球氣候變化的新品種。

表1 作物表型組學(xué)重要發(fā)展歷程

隨著(zhù)高通量表型技術(shù)的迅速發(fā)展，該領(lǐng)域的研究正進(jìn)入一個(gè)新的“表型組學(xué)”時(shí)代。作物表型組學(xué)研究集農學(xué)、生命科學(xué)、信息科學(xué)、數學(xué)和工程科學(xué)于一體，將高性能計算技術(shù)和人工智能技術(shù)相結合，探索復雜環(huán)境下作物生長(cháng)的多種表型信息。作物表型組學(xué)研究的最終目標是構建有效的技術(shù)體系，能夠以高通量、多維度、大數據、智能、自動(dòng)測量的方式對作物進(jìn)行表型分析，創(chuàng )造出一種多種形態(tài)、多尺度、表型+環(huán)境+基因型條件下獲得大數據的工具。

G×P×E互作示意圖

本文從表型數據收集、表型分析等方面概述了作物表型組學(xué)的研究現狀，介紹了細胞、組織、器官、植株、田間群體等不同水平的作物表型分析方法，討論了表型數據提取、分析和存儲研究中的實(shí)際問(wèn)題。Zhao C等認為表型組學(xué)正在進(jìn)入具有多領(lǐng)域、多層次和多尺度特征的大數據時(shí)代，強調了建立多尺度、多維度和跨區域作物表型大數據庫的必要性和重要性。最后，Zhao C等討論了作物表型組學(xué)未來(lái)的挑戰和前景，并為精確育種提出新的智能解決方案。

表2 作物微觀(guān)尺度表型性狀分析的常用方法和發(fā)展方向

表3 高通量植物表型平臺成像技術(shù)綜述

表4 可控環(huán)境下作物表型技術(shù)及平臺設備一覽表

表5 田間表型平臺的特征和應用詳表

Zhao C, Zhang Y, Du J, et al. Crop phenomics: current status and perspectives. Frontiers in Plant Science, 2019, 10: 714.

擴展閱讀：

?植物脅迫表型的深度學(xué)習：趨勢和未來(lái)

?植物表型組學(xué)的發(fā)展、現狀與挑戰

?植物表型組學(xué)：圖像獲取技術(shù)與圖像處理方法概述

?植物表型研究趨勢：基于文獻計量制圖方法