7月24日，中国林科院亚林所智慧林业创新研究中心、林木种质资源团队在国际权威期刊Information Processing in Agriculture（中科院1区TOP，IF=7.4）上发表题为“Leveraging close-range UAV phenotyping and GWAS for enhanced understanding of slash pine growth dynamics”《结合无人机表型分析和GWAS解析湿地松生长动态遗传基础》的研究论文。该研究创新融合无人机多时序高通量表型技术与全基因组关联分析（GWAS），为湿地松（Pinus elliottii）的遗传改良和精准育种开辟了前沿路径。

湿地松作为世界多国主栽的材脂两用树种，以其速生、适应性强、产脂量高的特性，成为优质纸浆、抗癌药物、高档化妆品和食品添加剂等的主要原料供应树种之一，在我国南方多省的种植面积超过2200万亩。然而，其复杂的遗传结构和长生命周期使得传统育种效率低下，难以满足现代林业对高产、抗逆和适应气候变化的需求。针对这一挑战，亚林所研究团队创新性地将无人机时间动态的高通量表型分析与GWAS相结合，系统解析湿地松生长动态的遗传基础，为智能化育种提供了科学支撑。

研究团队开发了一种高效的无人机表型参数提取方法，连续两年每月对湿地松育种群体进行动态监测，精准捕获树高、冠幅面积、植被指数等六项关键生长性状。利用无人机搭载多光谱传感器，团队采集了高分辨率影像，实现了非破坏性、长时段的动态数据获取。相比传统地面测量，这种方法大幅提升了数据采集效率，降低了劳动成本，同时克服了单一时间点表型分析的局限，为揭示湿地松生长动态提供了高质量数据支持。通过19个月的连续监测，研究团队结合GWAS分析，在湿地松基因组中鉴定出34个与生长性状显著相关的遗传位点，解释了1.1%至14.2%的表型变异。这些位点涉及细胞膜组装、细胞壁降解和信号转导等关键生物学过程，揭示了湿地松响应环境变化的动态遗传机制。此外，研究整合无人机表型数据构建的基因组选择（GS）模型，显著提升了育种预测准确性，为筛选高生长及高适应性的湿地松新种质提供了可靠依据。

图1 使用无人机获取的RGB和多光谱图像作为表型工具在湿地松中进行研究的策略

图2 分别基于谱系、SNP +VI、谱系 +VI、VI 和 SNP的 GBLUP 模型的树高和冠幅性状的基因组选择研究

图3 湿地松生长性状的GWAS分析

亚林所助理研究员丁显印为论文第一作者，李彦杰副研究员为通讯作者，研究工作得到了中国林业科学研究院基本科研业务费专项（CAFYBB2022QA001）及生物育种重大项目（2023ZD040580105）资助。

文章链接：

https://www.sciencedirect.com/science/article/pii/S2214317325000356