林木通过光合作用产生碳水化合物，这些碳水化合物对于林木的生长、繁殖和生存至关重要。碳水化合物分为结构性碳水化合物和非结构性碳水化合物（NSC）。当林木过度生产时，非结构性碳水化合物（NSC）会暂时储存在植物体内，其浓度变化通常反映了植物的碳供应能力。植物中的氮（N）是氨基酸、蛋白质、叶绿素等成分的组成部分，对碳水化合物的储存和光合产物的运输起着关键作用。因此，林木冠层叶片中的NSC和N含量是反映代谢健康的重要指标，与植物生长、发育和繁殖密切相关。

在传统的林木遗传育种研究中，林木冠层生理性状的测量通常仅进行一次或少数几次，无法全面反映林木在整个生长周期中的动态变化。同时，这种测量方法容易受到季节性和环境因素的影响，从而降低预测结果的准确性，并对遗传育种效果产生不利影响。因此，在林木遗传育种领域，多时相表型性状预测具有明显优势。这种方法不仅能够捕捉林木生长和生理过程的动态变化，还可以通过数据融合提高预测模型的准确性，降低因季节性和环境变化引起的误差。此外，这种方法有助于识别具有优良表型特征和稳定性的林木品种。近年来，无人机（UAV）遥感技术已成为农林领域中测量植物结构和监测冠层生理性状的有效手段。该技术具有无损、高通量和快速采集等优势，为多时相研究提供了新的机遇。

2023年2月，Plant Phenomics在线发表了中国林业科学研究院亚热带林业研究所联合多家单位合作完成的题为Prediction of Needle Physiological Traits Using UAV Imagery for Breeding Selection of Slash Pine 的研究论文。

该论文利用无人机多光谱技术结合机器学习算法，实现了对林木冠层氮（N）和非结构性碳水化合物（NSC）含量的高效监测。通过对不同预测模型的比较，结果发现梯度提升机（GBM）模型在预测林木冠层N和NSC含量方面具有较高的准确性，其在验证集（20%）上对氮N和NSC的预测效果最好，R2值分别为0.60和0.65。此外，研究还生成了遗传育种方面的相关数据，通过对遗传变异、遗传力和育种值的分析，揭示了在不同月份进行遗传选择的最佳时机。最后，研究选出了多个具有高氮和高NSC育种价值的家系。该研究成果有助于深化对林木生长特性和遗传变异的认识，推动林木遗传育种研究和实践的发展。

图1 2021年湿地松家系试验林中每棵树的氮（N）（A）和非结构性碳水化合物（NSC）（B）含量的月度分布。一个点代表一棵树。

图2 2021年不同月份预测的氮（N）和非结构性碳水化合物（NSC）含量的育种值变化。每条线代表一个家系，总共有20个家系。

本研究阐明了无人机多光谱技术在林木遗传育种中的应用潜力，以及其在预测林木生长特性和遗传变异方面的优势。通过构建有效的预测模型，研究者能够更好地了解林木在不同环境条件下的生长和生理响应，为抗逆性改良提供依据。这一成果不仅为林木遗传育种研究和实践提供了新的思路和方法，同时也为类似领域的研究和应用提供了宝贵的借鉴。

中国林业科学研究院亚热带林业研究所与河北农业大学联合培养的在读硕士研究生、2022年国家奖学金获得者宋钊颖以及河北农业大学副教授牛小云为本文的共同第一作者，中国林业科学研究院亚热带林业研究所李彦杰副研究员担任本文的通讯作者。李彦杰副研究员主要从事林木表型组学、林木种质资源表型精确鉴定与评估等交叉领域研究。相关工作得到了中国林业科学研究院优秀青年创新人才培育计划、浙江省农业（林木）新品种选育重大科技专项等项目的资助支持。

论文链接：

https://doi.org/10.34133/plantphenomics.0028

——推荐阅读——

Shortwave Radiation Calculation for Forest Plots Using Airborne LiDAR Data and Computer Graphics

https://doi.org/10.34133/2022/9856739

Plant Phenomics | 基于机载LiDAR数据和计算机图形学的林分短波辐射计算

3dCAP-wheat: a computational framework quantifies wheat foliar, non-foliar and canopy photosynthesis

https://doi.org/10.34133/2022/9758148

Plant Phenomics | 基于整合叶片与非叶片组织光合作用的三维冠层模型精确刻画小麦群体光合