2024年中央一号文件提出“推动生物育种产业化扩面提速”
当前育种加速主要采取两种思路，在加代繁育阶段通过干预作物的正常生长周期来加速生长进程，在大田选种阶段通过高通量表型监测平台来赋能育种决策。
植物工厂通过营造生长环境来加代繁育新品种，极大地缩短了育种周期。育种到用种的关键，是要培育出能对抗不确定性的作物。植物工厂通过精准的环境-营养调控来诱导作物的开花结果，而真实的农业种植环境中，水、土、气、生的耦合作用往往是难以模拟出来的。实践出真知，作物在大田里能否延续其在温室中的优良性状，就必须把它种在地里，经历正常的生命周期，经受多变气象、病虫害的考验，才能得到验证。
验证需要有抓手，作为作物生长的外化表现，“表型”是解密作物状态第一抓手。要使得验证过程更加可靠，就需要通过时空密集地观测作物的生长表现、性状变化来分析品种的抗性和品质。于是，一些农业科技公司开发了轨道式植物表型通量平台、表型监测系统来精准地收集作物在全生命周期的各种表型，替代人工肉眼采集的不便和低效，来加速数据采集和育种决策的进程。
轨道式高通量表型监测平台
然而，高通量植物表型平台看似极具前景，实际在种业产业的加速上效果甚微。首先，高通量植物表型平台集成了多种高端传感器，建设价格高昂，维护的费用和人工成本也都很高，很少有种业企业负担得起，难以形成推动整个行业数据采集方式变革之势。其次，高通量平台需要大量的设备和设施支持，如数据采集与处理系统、分析系统、供电系统等，对地形地势要求极高，一般只建设于平整、开阔且稳定的区域。这也使得育种试验基地的选址受限，而平整开阔稳定的土地属于优良的种植地，不利于作物抗逆性的评估，导致平台难以获取具有代表性的环境和作物数据。最后，作物的抗逆性在关键生长阶段中表现得最为显著，而高通量平台对所有表型进行全面扫描，采集的数据包含大量冗余信息，缺乏对关键特征的关注，难以抓住关键节点和关键表型分析作物抗逆性差异。
一、以“空间换时间”，加速育种决策
南繁候鸟式的育种，将种子从全国各地带到光热资源充足的海南进行加代繁育，是“以空间换时间”，来缩短育种周期。而大田种植阶段，将种子广泛地播撒在各种土地上，培育在不同气象下，也是“以空间换时间”，来加速分析作物的抗逆性和稳定性。
多点试验能以空间换时间的本质，是用时空推断来做控制实验。相较于在一块试验田里去观察，多点试验的方式可以同时获取真实又多样的温度、湿度、光照、土壤养分等环境动态数据，以及作物在多样环境下的性状表现和时序变化。进而能够在相似的气象条件分析不同品种的响应，或是在不同的气象条件下分析同一品种的响应，为育种抗逆性的评估提供丰富且稳健的支撑材料。
时空数据有用吗？环境对作物生长的影响很复杂，只知道今天气温多少度，降雨量多少，作物株高多少，开花率多少，并不能直接用于评价品种的优劣。就好比做饭，有了鸡肉、黄瓜、辣椒、花生和各种调味料，直接丢进锅里炒是做不出一份宫保鸡丁的。必须把鸡胸肉切块，干辣椒剪段，花生炒香，酱料调配好。最后按照顺序把食材下锅，控制火候和时间，翻炒到位才能做好一份宫保鸡丁。在育种的过程中，温湿光等记录，作物株高，叶片面积、颜色，开花率、结果率等时空数据，就相当于未经处理的原材料，基于时空数据分析作物对气象的定量响应，相当于把食材切丁、洗净、调味的过程，使得数据能够直接服务于作物抗逆性的评估。食材是否新鲜，处理是否到位，调味是否恰当，直接决定了菜品的质量。
作物对气象的响应
（1）食材的选择：自顶向下，化被动为主动
当前的数据采集，往往是设备能采集什么数据就采集什么，于是一套高通量表型平台，把叶面积、卷曲程度、叶面颜色等几十上百种表型统统采集了一遍。就像仗着有钱把整个菜市场都搬过来了，等到动手做菜时候，就会开始犹豫用鸡腿肉还是鸡胸肉，思考放黄瓜还是芹菜，不仅浪费了食材，也降低了炒菜的效率。
对于一道菜，需要的食材就那么几样。评估一个品种，核心就在于关键时间节点的作物表现。从评估品种的顶层目标向数据采集的底层需求去看，作物的抗逆性在关键生长阶段中表现得最为显著，且通常由一些关键表型表现出来，比如评估抗旱性时，主要看干旱时水稻叶片上的变化，而不用过多关注于茎秆粗细的变化，因此采集表形时只需要关注水稻的叶片颜色、萎蔫、蜷缩程度的变化即可。与被动地无差别地采集很多种表型数据不同，自顶向下设计在什么时候采集，到哪里去采集，采集什么数据，是主动采集数据低成本、高效率的优势所在。
智能航线调度
什么时候采集，由气象和作物状态共同决定的。基于历史气象数据的统计，积温到达一定程度容易使作物产生热害，于是当前的积温如果到达该程度时，就要启动飞巡。基于长期的作物表型数据，联合温湿光等气象因子推断作物的生长速率，在作物到达关键时间节点时启动飞巡。到哪里去采集，重点关注那些可能出现生长异常或受到外界压力影响的作物，比如生长缓慢的、易受到病虫害侵袭、受胁迫程度较高的作物。采集什么数据，需要根据作物的生长阶段和环境条件，在特定时期关注特定的表型特征。例如，在苗期要关注作物的发芽率和幼苗的生长状况；在生长旺季，重点采集叶面积、茎秆高度、花芽分化等数据；在灌浆期和成熟期，需关注果实发育状况和叶片黄化等标志性特征。
作物生长是一环扣一环的过程，了解关键节点的表型特征，我们就能够推断出作物品种对气候的响应以及在不同胁迫条件下的抗逆表现。一个优秀的厨师，应该想的是怎么用现有的材料做出一份好吃的蛋炒饭，而不是想着在蛋炒饭里加入山珍海味。
（2）处理和调味：变数据为信息
育种的关键不是表型，不是气象，而是作物抗逆性。将气象数据、表型数据转化为有用信息，应始终围绕评估作物抗逆性这一目的，那就需要知道作物表型如何反映其对环境变化的抗逆性。
要分析作物的抗热性、抗旱性、抗寒性、抗病性等，通常需要对对温度、湿度、光照、土壤等变量进行剥离，通过控制单一变量的变化来分析抗逆性。然而，两个再相像的人，身高、体重、肤色等总还是会有差异的，只要区域不同，环境就会在水土气生等多个变量上有差异，这就导致难以通过控制气象变量来分析作物的抗逆性。比如A地低温且雨水少，B地温度适宜且雨水充足，C地高温且雨水充足，作物在A、 B、C地均表现良好，凭借这些信息并不足以说明作物具有良好的抗旱性，因为在高温的协同作用下，干旱胁迫会被放大，作物在高温干旱的条件下不一定能够表现出很强的抗旱性。
虽然无法控制气象变量，但好在作物对于气象的响应是有迹可循的，这个“迹”就是气象对对作物的胁迫。我们可以根据温度、湿度、光照等因子对作物生理过程的影响机制，计算出气象对作物的胁迫值，把无法控制的气象变量转变为可以控制的胁迫变量，结合长期的表型记录，分析作物在胁迫下的抗逆表现。比如计算气象对于荔枝秋梢期光合效能的胁迫等级，通过前后期表型计算秋梢的生长速度，就能够定量判断，哪一些品种对环境变化的适宜性更强。
计算作物胁迫
而能以空间换时间的前提，就在于在空间上采集数据的成本可控。
二、全行业的加速：共性路径探索
育种要加速，不是单个企业的课题，而是全行业的课题。当前的育种加速，应聚焦于如何通过优化技术手段来加速种业行业的发展，探索育种加速的共性路径。现如今，对于每一个品种，都要设计先设计一套表型，大大增加了研发和推广成本。对于水稻、小麦、大豆等草木作物，可以很方便的迁移到育种加速器中加代繁殖。而对于苹果、柑橘等乔木作物，不仅无法通过控制变量来加代繁殖，也不可能将几百上千棵果树移栽到玻璃室里。因此加速的关键在于探索一套低成本且易于推广的共性技术，惠及种业行业的创新主体和多个品种。
所有作物的生长和抗逆性，都是气候、土壤与作物本身特性共同作用的结果。围绕天、地、作物特性分析作物生长发育机制和抗逆性，是找到育种加速共性路径的关键。通过系统地研究不同环境条件下作物的表型特征，可以揭示哪些基因或特性影响作物在特定气候和土壤条件下的表现，从而为加速育种提供科学依据。这种以共性技术为基础的加速路径，将使得育种工作在不同作物之间实现技术共享，提升整个行业的创新能力和生产效率。
结语
我们必须清醒地认识到，高科技产品和设备只是农业发展的手段，而推动种业产业加速的，是极具创新思想和创造力的研发主体。星星之火，可以燎原。智慧农业不仅要赋能龙头企业，更要进一步协同中小企业，举众力而克难关，才能真正推动种业行业走得更快更远。