利用快速育种和模型优化实现作物可持续发展

全球人口不断增长，预计到2050年将达到100亿，这将使食品(尤其是动物性产品)的需求增加一倍。需求激增将加剧农业资源的压力，在气候变化的背景下带来额外的挑战。

为了满足这些需求，开发高产、抗逆作物品种至关重要。快速育种(SB)是一种通过受控环境条件加速作物繁殖的技术，已成为一种有前景的解决方案。SB于20世纪80年代首创并于近期取得进展，可实现快速作物改良并提高作物生成频率。然而，优化SB的环境条件(例如光照、温度和水资源)仍然存在挑战。

PlantPhenomics发表了一篇题为“作物/植物建模支持植物育种：I.优化环境因素加速作物生长和发育以实现快速育种”的评论文章。

本综述重点关注使用作物和植物模型来确定SB的理想条件，认为这些工具对于定制和增强SB协议以快速开发抗逆高产作物至关重要。

本综述深入探讨了SB在彻底改变作物发展方面的变革潜力，强调其显着缩短培育新作物品种所需时间的能力。SB通过控制光周期、光质量、强度和温度等环境因素来实现这一目标，从而缓解了漫长的传统育种过程带来的限制。

小麦、水稻和大麦的成功实施证明了SB的有效性，抗病性和株高等性状得到了迅速改善。然而，SB的功效取决于这些环境条件的优化，这项任务在很大程度上仍然是经验性的，因此完善的时机已经成熟。光周期被认为是SB的关键调节因子，影响关键生长阶段和光合效率。

其他因素，包括光强度、质量和温度也在决定SB性能方面发挥着重要作用。这强调需要全面了解和精确控制这些因素，以最大限度地缩短世代时间而不诱发生长障碍。此外，审查承认当前的SB实践严重依赖已发表的文献和个人经验，揭示了环境设置缺乏精确性和标准化。

为了解决这些差距，作物和植物模型被引入作为预测各种环境条件下生长和发育的强大工具。这些模型支持虚拟试验，有助于快速确定优化的环境条件，以实现所需的植物表型。

人工智能的集成被提出作为进一步提高这些模型的预测准确性和效率的手段。然而，挑战依然存在。现有模型通常不能准确代表温室的独特条件或SB的具体要求。

它们需要针对不同的作物类型和条件进行校准或修改。此外，大多数模型不能充分捕捉光质量对植物生长的影响，这一领域需要进一步的研究和开发。

总之，虽然SB为快速开发新作物品种提供了一条有前途的途径，但其成功取决于环境条件的精确优化。

作物和植物模型，尤其是在人工智能增强后，提供了实现这种精度的途径。随着这些工具的发展和适应，它们预计将在实现SB的潜力方面发挥越来越重要的作用，从而通过促进改良作物品种的有效开发为未来的粮食安全做出贡献。