近日，中国农业科学院西部农业研究中心杨作仁研究员团队在棉花表型组学领域取得进展。研究团队创新性地提出了将无人机遥感技术与冠层结构扫描技术融合，并结合深度学习，构建了棉花脱叶精准监测模型，为棉花脱叶调控和遗传改良提供了新的理论基础。该研究成果以“Establishment of a high-throughput field defoliation data survey strategy combined with genome-wide association studies to reveal the genetic basis of defoliation in cotton”为题发表于国际权威期刊《Plant Phenomics》（中科院“农林科学”1区Top，IF=6.4）。

棉花采收前的脱叶是保障机械化采收效率和原棉品质的关键环节。培育易脱叶品种是替代化学脱叶剂、实现绿色可持续生产的重要方向，然而，传统田间人工调查脱叶性状效率低下、误差大，严重制约了育种改良进程。为此，研究团队巧妙地融合了无人机“自上而下”的冠层光谱获取和冠层分析仪“自下而上”的冠层结构检测，实现了对棉花冠层内外脱叶情况的全方位、立体化扫描。

研究团队进一步利用深度学习算法实现了对棉花脱叶的精准监测，通过结合基因组学与转录组学，成功定位到与棉花脱叶性状显著相关的新基因。团队通过转基因技术创制了基因过表达材料，显著加速了脱叶进程，明确了其在棉花脱叶中的正向调控作用，为培育适宜机械化采收的棉花新品种提供了宝贵的基因资源。本研究成功地将前沿的遥感表型技术、深度学习算法与多组学分析紧密结合，构建了从田间高通量表型获取到关键基因挖掘与功能验证的完整技术闭环，展示了智慧农业技术在现代育种领域的巨大潜力。

西部农业研究中心杨作仁研究员、范李强助理研究员为该论文通讯作者，许博玮研究实习员、刘乐博士和赵如梦研究实习员为该论文第一作者，杨佳洁研究实习员等参与了研究工作。该工作得到国家重点研发计划、自治区自然科学基金、新疆作物基因编辑与种质创新重点实验室等资助。

原文链接：https://doi.org/10.1016/j.plaphe.2025.100109