近日，我校作物生理生态与遗传育种教育部重点实验室，联合国内外科研机构在国际知名期刊《Nature Communications》发表题为“Integrating 3D phenotyping and functional-structural plant models for crop ideotype breeding”的观点综述论文。该文系统提出了整合三维表型技术与植物功能–结构模型的新型育种范式，旨在实现作物理想株型的精准设计，从而显著加速育种进程。这是我校作物学科以第一单位与通讯作者首篇Nature子刊论文。

研究背景：

在全球粮食需求持续攀升与气候变化日益加剧的双重压力下，提升作物产量和资源利用效率，已成为现代农业发展的核心命题。传统作物育种长期依赖经验性选择和二维表型测量，存在通量低、主观性强、难以捕获复杂空间结构等固有局限；尤其无法有效量化冠层与根系的三维构型特征，也缺乏能够整合多因素交互作用的数字化模型，以系统评估理想株型的综合表现。这些短板严重制约了株型设计与精准育种的推进，难以满足高产、高效及抗逆品种快速培育的现实需求。

主要创新：

1. 提出了融合高通量三维表型技术与植物功能-结构模型的集成框架，形成“结构获取—特征建模—功能模拟—反馈优化”的闭环体系，实现作物株型设计由经验驱动向数据与模型协同驱动转变，为理想株型的计算化设计提供统一技术路径。

2. 整合了LiDAR、MVS、RGB-D及CT等多源三维感知技术，构建覆盖叶片、茎秆、穗部及根系的多尺度结构解析体系，实现作物地上-地下根冠系统的统一三维表达。同时，将几何与拓扑结构性状参数化并嵌入功能模型，使静态结构表型转化为可用于预测生长与产量形成的动态表型。

3. 通过将三维表型数据输入植物功能-结构模型进行光合效率、碳分配与生长动态模拟，并基于模型输出反向优化表型采集与性状组合，实现结构-功能-环境的迭代反馈优化机制。该体系推动作物育种从传统经验选择向基于机制模型与人工智能的预测设计育种转变，可支持不同生态条件下理想株型的快速筛选与定向优化。

研究意义：

本文面向全球粮食安全与农业可持续发展的重大需求，针对传统作物育种中表型信息获取不足、结构解析能力有限以及基因型与表型之间关联不清等关键问题，提出了融合三维表型技术与功能-结构植物模型的集成框架，实现作物复杂三维结构的高精度量化与生理功能过程的协同模拟，从而推动作物表型分析由静态结构描述向动态功能预测转变。该研究为不同生态条件下理想株型的定量设计与智能优化育种提供了理论依据与技术支撑，对加速高产、抗逆与提高资源利用效率等作物品种培育具有重要意义。

图1. 三维作物表型分析与植物模型相结合实现理想型设计育种框架图.

我校博士生魏权为第一作者，硕士生邹信为共同第一作者。我校贺浩华教授和宋有洪教授为通讯作者。我校梁效贵博士、殷华博士与澳大利亚国立大学Ashley Jones博士、崖州湾国家实验室Michael Henke博士等人参与了本研究工作。该研究得到了江西省重点研发计划项目和江西省 “双千计划”引进类项目资助。

论文链接：https://www.nature.com/articles/s41467-026-74679-5