傳統小麥抗旱性篩選依賴人工測量氣孔導度，效率低且易損傷植株。本研究旨在開發非破壞性、高通量的表型監測技術，透過無人機遙測數據精準量化小麥水分調節能力，並建立生理性狀與基因組的關聯，加速耐旱品種的遺傳選育。面對全球暖化加劇的乾旱風險，此方法有望縮短育種周期，提升糧食系統韌性。

　　研究團隊在Pheno-IL人工控雨設施中，對300種小麥基因型進行兩季栽培試驗，分別模擬理想供水與乾旱條件。無人機定期飛行採集熱輻射與光譜反射數據，透過支持向量機（SVM）模型解析葉片溫度、葉面積指數及葉綠素動態，並推算氣孔導度變化。結合基因組關聯分析（GWAS），鎖定與抗旱性相關的遺傳位點，最終以田間試驗驗證標記可靠性。

　　研究發現試驗成功識別16個與抗旱性顯著相關的遺傳標記，其中5個標記同時調控氣孔導度效率與葉綠素維持能力。在乾旱條件下，攜帶這些標記的小麥品系產量穩定性提高19%，水分利用效率提升32%。田間驗證證實，利用無人機表型篩選的品系，其遺傳增益較傳統方法加速3倍，且無需接觸植株即可獲得精準數據。

　　此項研究發表在2025年《Computers and Electronics in Agriculture》期刊，研究貢獻在於為智慧農業與作物分子育種開創了全新典範。研究團隊首度將無人機遙測、熱成像與高光譜技術結合機器學習，成功實現了對小麥氣孔導度等抗旱性狀的非接觸式、大規模、高精度監測，克服了傳統人工測量耗時且易受損的技術瓶頸。

【延伸閱讀】- 結合光譜技術建立一套準確檢測南瓜品質方法，提供客觀品質保證