人工智能（AI）可以帮助植物科学家收集和分析前所未有的大量数据，而使用传统方法则无法做到这一点。苏黎世大学的研究人员利用大数据、机器学习的方法，基于实地观察，展示了植物如何应对环境变化。

在全球气候变化的背景下，了解植物如何在不断变化的环境中生存和成长变得越来越重要。实验室的常规实验表明，植物会根据环境因素积累色素。迄今为止，这种测量需要通过切除部分植物的采样方式进行，因此会对植物造成损害。当需要采集数千或数百万个样本时，这种劳动密集型方法就变得不可行。此外，重复取样会损坏植物，进而影响对植物如何应对环境因素的观察。目前还没有一种合适的方法来长期观察生态系统中的单株植物。

在苏黎世大学的Evolution in Action项目支持下，该研究团队已经开发出一种方法，使科学家能够非常精确地观察自然界中的植物。PlantServation是一种结合了强大的图像采集硬件和基于深度学习的软件来分析野外采集图像的方法，并且可以在任何天气下工作。

利用PlantServation，研究人员在三个季节（从秋季到春季，历时五个月）收集了实验田拟南芥植物的（俯视）图像，然后利用机器学习技术分析了400多万张图像。这些数据记录了一种名为"花青素"的植物色素的物种特异性积累，它是对温度、光照强度和降水量的季节性和年度性波动的反应。

基于PlantServation，科学家还能够通过实验复制杂交多倍体物种自然分化后的情况。这些物种由其祖先的整个基因组复制而成，是植物物种多样化的常见类型。

在此研究中，杂交多倍体A. kamchatica的花青素含量与其两个祖先相似：从秋季到冬季，其花青素含量与源自温暖地区的祖先物种相似；而冬季到春季，其花青素含量与源自寒冷地区的另一个物种相似。研究结果证实，这些杂交多倍体结合了其祖先的环境反应，这支持了一个关于多倍体进化的长期假设。

（编译自：https://www.sciencedaily.com/releases/2023/09/230922110801.htm）

（本刊讯）