基于高光谱成像与多组学融合的小麦抗旱性高通量精准鉴定技术

【需求背景】 当前小麦抗旱育种中，对种质资源或后代材料的抗旱性鉴定主要依赖传统的大田表型观察和生理指标测定（如叶片相对含水量、脯氨酸含量等）。这些方法通量低、周期长、主观性强，且难以捕捉植株在干旱胁迫下的动态响应过程，已成为选育突破性抗旱品种的主要技术瓶颈。 【需解决的主要技术难题】 缺乏能够快速、无损、精准地在大规模群体中同步监测植株水分状况、光合效率、生物量变化及胁迫响应信号的高通量技术体系。同时，海量表型数据与基因组、代谢组等分子数据缺乏有效的整合分析模型，无法实现对抗旱性状遗传基础的深度解析和早期精准预测。 【期望实现的主要技术目标】 希望合作开发或引进一套整合了高光谱成像、无人机遥感、物联网传感器等技术的田间高通量表型平台。并期望建立基于人工智能的数据分析模型，将动态表型数据与基因组、转录组数据深度融合，构建小麦抗旱性的精准鉴定与预测指标体系，实现苗期或关键生育期对植株终级抗旱性能的快速、准确评估，将鉴定效率提升5倍以上。 需求解析 **解析单位：-（-）**解析时间：2025-11-10  张勇 中国农业科学院作物科学研究所 研究员 综合评价 该技术需求直击传统小麦抗旱鉴定痛点，兼具创新性与应用价值。核心聚焦传统鉴定效率低（单株耗时久，难满足高通量需求）、指标单一（仅测表型，缺分子机制关联）、精准度不足（易受环境干扰）等问题，需突破高光谱成像的抗旱表型高效捕捉（如叶片水分、叶绿素光谱特征实时采集）与多组学（转录组、代谢组）分子机制挖掘的融合技术，破解 “表型 - 分子” 脱节导致鉴定深度不足的短板。 技术层面迫切需求数据融合模型优化，如通过机器学习（随机森林、深度学习）关联光谱特征与抗旱基因 / 代谢物表达，实现 “表型快速识别 - 分子机制解析” 同步；同时需建立标准化流程（光谱采集参数、组学测序规范、数据质控标准），解决不同批次数据一致性差的瓶颈。此外，需兼顾设备适配性，降低高光谱系统使用门槛，适配实验室与田间鉴定场景。 整体需求以 “高通量、精准化、机制化” 为核心，贴合小麦抗逆育种对高效筛选与深度解析的需求，为培育抗旱小麦品种、解析抗旱分子机制提供关键技术支撑。 【技术需求】 ](https://www.kczg.org.cn/needs/index?type=1) — 采集元信息 — 需求单位：浙江\*\*\*究院 所在地区：河南省 郑州市 郑州高新技术产业开发区 合作方式：合作开发 预算：双方协商 截止日期：2027-12-01 发布日期：2025-11-04 数据来源：科创中国 来源链接：https://www.kczg.org.cn/needs/detailThe?type=1&id=8419036