林业科学

作者：葛晓宁1,2,许新桥3,*,张怀清1,2,*,张京1,2,杨杰1,2,4,崔泽宇1,2,傅汝饶1,2,5,梁金洁3,邹添华3,王林龙1,2,6,刘洋1,2

单位：1. 中国林业科学研究院资源信息研究所　北京 1000912. 国家林业和草原局林业遥感与信息技术重点实验室　北京 1000913. 国家林业和草原局信息中心　北京 1007144. 北京林业大学　北京 1000915. 中南林业科技大学　长沙 4100046. 中国林业科学研究院林业科技信息研究所　北京 100091

关键词：基因型-环境互作,林木育种,数据融合,机器学习,深度学习

基金：中国林业科学研究院基本科研业务费专项（CAFYBB2023PA003）；科技创新2030重大项目（2023ZD0406103-02）。

随着全球气候变化，传统的林木育种方式面临挑战，难以满足快速气候适应与资源优化配置的迫切需求。林木基因型（G）与环境（E）之间的复杂互作关系是林木生长发育研究的核心，阐明G×E互作机制以提高林木育种效率和精准度成为研究的重点。本文围绕林木基因型-环境互作算法的相关研究进展，解析基因型与环境互作对表型特性塑造的机制，包括基因组与表型特征形成的关联机制、环境因子对表型的影响等；探讨多源异构数据融合在解析互作机制和育种中的应用，涵盖数据挖掘技术、融合策略和实时数据处理；阐述基因型与环境互作算法在林木育种中的演变与应用，包括历史演变、在性状预测和分析中的应用等；介绍林木基因型与环境互作算法研发体系，涉及数据获取、融合、算法设计和模型优化。最后，提出林木基因型-环境互作未来研究的方向，结合可解释人工智能、数据融合、育种验证和气候适应性预测，为林木育种提供更精准的预测工具和决策支持，尤其在应对气候变化挑战时，推动林木的生态适应性与生产力提升。

来源：2025年第3期

《林业科学》期刊编辑部

查看林业科学杂志2025年第3期