**Sanbon Chaka Gosa** | **Bogale Abebe Gebeyo** | **Ravitejas Patil** | **Ramón Mencia** | **Menachem Moshelion**
**R.H. Smith植物科学与农业遗传学研究所**，**R.H. Smith农业、食品与环境学院**，**耶路撒冷希伯来大学**，雷霍沃特，76100，以色列
**摘要**
在农作物中，诸如蒸腾作用、气孔导度和光合作用等关键生理特性与生产力密切相关。然而，这些动态特性通常在稳态条件下进行研究，或者使用有限的数据进行建模，无法捕捉植物对动态田间条件的多样化响应。我们假设气孔形态特性的自然变异，特别是背腹分布和密度，调节了番茄渐渗系（ILs；野生型（WT）、S. Pennellii和M82系之间的杂交后代）的生理响应模式。进一步假设，这些响应模式的差异可以解释干旱响应和产量的关键变化。为了验证这一假设，我们对具有多年田间产量记录的渐渗系群体进行了连续和同时的功能表型分析。研究结果表明，典型渐渗系（在各种田间条件下表现出良好产量的植物）在动态水分平衡调节方面具有高度的可塑性。这些典型系在灌溉充足的条件下表现出更高的蒸腾速率和生长速率。此外，它们对环境变化的响应迅速，干旱后恢复也很快。从解剖学上看，这些系具有较高的背腹气孔密度比，且气孔开口在一天中的早期达到最大值，即使在缺水条件下也是如此。我们的研究表明，对整个植物水分损失进行功能表型分析的方法有助于我们理解和识别与产量相关的动态、复杂的生理特性。
**1. 引言**
为了满足世界不断增长的人口对食物的需求，必须显著提高农作物的生产力。在压力条件下提高产量同时尽量减少环境破坏的挑战仍然至关重要（Tian等人，2020年）。在干旱条件下进行产量改良的育种是一个漫长的过程（Moshelion和Altman，2015年）。因此，在育种前期识别与产量相关的特性是一个主要挑战（Voss-Fels等人，2019年）。气孔在水分受限条件下调节二氧化碳吸收和蒸腾作用中起着关键作用（Endo和Torii，2019年；Harrison等人，2020年）。植物通过控制气孔密度、大小和开口来调节生产力与脆弱性之间的平衡（Shahinnia等人，2016年）。测量冠层导度和/或气孔导度（gs）和蒸腾作用是另一种有效的筛选植物水分利用特性的方法。然而，这些特性通常使用稳态测量方法进行研究，这无法捕捉植物在波动田间条件下的行为（Matthews等人，2018年），这突显了测量植物对波动环境动态响应的重要性（Adachi等人，2019年）。气孔密度、大小、开口和分布等特性决定了气孔导度（gs）和蒸腾作用（Shahinnia等人，2016年；Ohsumi等人，2007年）。此外，气孔大小和密度的变化影响气孔对环境信号的响应速度和效率（McAusland等人，2016年），而对光照变化的快速气孔响应与高水分利用效率（WUE）相关（Battle等人，2024年）。尽管如此，在实验过程中及时表型分析这些特性仍然具有挑战性。最近的研究（Vialet-Chabrand和Lawson，2019年；Durand等人，2019年）表明，在动态环境条件下，动态模型比稳态模型更能准确预测gs。此外，对幼年番茄植株进行连续的整个冠层导度（Gsc）测量发现，早晨的高Gsc峰值模式与田间条件下的高产量之间存在密切关系（Gosa等人，2022a）。然而，相对于基于静态环境条件的测量，动态环境条件下的Gsc测量及其与环境相互作用的研究较少。这突显了精确生理表型分析在改进作物育种中的必要性（Ghanem等人，2015年）。因此，整个植物的G×E功能表型分析平台在应对此类挑战中至关重要（Dalal等人，2020年），因为这些方法可以测量植物在波动环境下的实际水分损失。这些平台能够收集关于整个植物气孔行为对其周围环境响应的准确和连续数据（Jaramillo Roman等人，2021年），这一点非常重要，因为气孔的动态响应既受外部条件影响，也受内部生化-生理状态的影响。叶片正反表面的气孔比例直接影响气孔响应，通过改变二氧化碳吸收和蒸腾的扩散途径。双面气孔的叶片（两面都有气孔）通常表现出更高的最大气孔导度和更快的气体交换动力学，但由于边界层阻力减小，它们在高光照或低湿度条件下也可能面临更大的蒸腾需求（Xiong和Flexas，2020年；Parkhurst，1978年）。因此，气孔比例的变化改变了碳同化与水分保持之间的平衡，从而影响了气孔对光照、蒸气压差（VPD）和二氧化碳浓度（CO₂）等环境因素的响应敏感性和幅度（Drake等人，2013年；Muir，2015年）。在C₃叶片中，气孔密度是气孔导度（gₛ）的主要解剖学决定因素，因为较高的密度增加了可用于扩散的潜在最大孔隙面积（Franks和Beerling，2009年；Lawson和Vialet-Chabrand，2019年）。
在这项研究中，我们假设早期季节累积蒸腾量较高且干旱后恢复较快的基因型在田间水分受限条件下会积累更多生物量并实现更高产量，而水分利用效率较低或恢复较慢的基因型则不然。我们进一步假设，渐渗系（ILs）的气孔密度比、开口以及对环境变化生理响应速率将在动态条件下转化为产量优势，从而提高水分利用效率。为了验证这一假设，我们在多年田间试验中对结合了S. pennellii遗传特性与育种品种M82的番茄渐渗系（ILs）进行了整个植物的表型分析，分析了它们的产量和植株重量。我们确定了29个表现出从高到低产量和抗逆性的ILs，并使用气孔印记和自动化功能表型分析平台对其早期生长阶段的营养生长进行了表型分析。虽然之前的研究强调了气孔特性或稳态导度作为耐旱性和产量的指标，但能够连续监测真实环境波动下的整个植物导度的新兴能力引入了表型分析的新维度。连续动态表型分析能够检测到瞬态峰值、恢复速率和导度-环境反馈，这是稳态方法无法实现的。这为理解气孔行为如何转化为WUE、生长以及最终产量提供了新的机制见解，从而弥合了基础生理学与育种相关性能之间的差距。
**2. 材料与方法**
本研究结合了多年田间表现数据和受控温室功能表型分析。首先，使用29个Solanum pennellii渐渗系（ILs）的历史田间试验数据，在湿润和干旱灌溉条件下对其产量和生物量表现进行了分类。根据这些分类，选择了六个代表不同生产力和抗逆性特征的ILs以及M82进行温室测试。在温室中，使用PlantArray重量平台连续监测植物，量化整个植物的蒸腾作用、冠层导度、干旱响应和恢复情况，并将这些生理输出与田间表现和气孔特性联系起来。
**2.1. 用于选系的田间试验数据**
我们分析了29个由Solanum pennellii与M82（Solanum lycopersicum cv. M82；表1）杂交得到的ILs的多年田间产量和生物量数据，每个ILs包含一个独特的Solanum pennellii染色体片段（Eshed和Zamir，1995年）。田间试验在以色列阿科的Western Galilee实验站进行，采用随机区组设计（Gur和Zamir，2004年）。试验的种植密度为每4平方米14株植物。在干旱处理中，移植后立即每1000平方米田地施加30立方米的水。相比之下，在湿润处理中，整个生长季节每1000平方米田地施加320立方米的水，符合该地区的灌溉协议。所有试验均采用随机区组设计（Fridman等人，2000年）。多年田间数据指导了选择高产和低至中等产量的渐渗系进行温室植物阵列测试，以表征其生理表现。这些灌溉数据来自用于选系的原始历史田间试验，并非当前温室试验的一部分。来自实验地点最近气象站的天气条件数据（包括辐射、温度和湿度）显示了该地区的典型夏季天气（补充表1和2）。
**表1. 基于灌溉充足和干旱条件下总产量和植株重量的番茄渐渗系表型分类（如图2所示）**。相对于M82，根据果实重量将系分为三组：高产系（HY，>20%）、低产系（LY，20%）和中产系（MY，相似）。同样，根据生物量将系分为高生物量（HB）、中生物量（MB）和小生物量（SB）（相对于M82）。所有具有“高”特征的系被视为典型系。干旱胁迫响应表型根据Moshelion（2020年）的建议进行分类。具体来说，在干旱条件下，果实重量比M82高20%的系被归类为高耐受性（HT），果实重量比M82低20%的系被归类为低耐受性，果实重量与M82相似的系被归类为中等耐受性（MT）。在胁迫下保持或增加生物量的植物被归类为高抗逆性（HR）。保持或达到中等水平茎生物量的植物被归类为中等抗逆性（MR）。在胁迫下保持或减小尺寸的植物或失去生物量的较大植物被归类为低抗逆性（LR）；前者表型也被称为生存表型。我们确定了20个分类组；其中7个（用⁎标记）被选用于进一步的功能遥测分析。所有这些系在研究年份中表现出一致的行为。
| 线ID | 数量 | 果实产量 | 枝条重量 | 果实产量 | 枝条重量 | 组分类 | 缩写 | 分类编号 | 空单元 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| M82 | 30 | CONTROL | CONTROL | CONTROL | CONTROL | Control⁎ | IL1 | 2-1-14 | HIGH | HIGH | HIGH | HIGH | 高产系 | 高生物量 | 高耐受性 | 高抗逆性 | 典型系 |
| IL5 | 2-1 | 6 | HIGH | HIGH | HIGH | HIGH | 高产系 | 高生物量 | 高耐受性 | 高抗逆性 | 典型系 |
| IL6 | 4-2 | 6 | HIGH | HIGH | HIGH | HIGH | 高产系 | 高生物量 | 高耐受性 | 高抗逆性 | 典型系 |
| IL7 | 4-1 | 2 | 2 | HIGH | HIGH | HIGH | 高产系 | 高生物量 | 高耐受性 | 高抗逆性 | 典型系 |
| IL2-4 | 8 | HIGH | HIGH | HIGH | HIGH | 高产系 | 高生物量 | 中等耐受性 | 高抗逆性 |
| IL2-6 | 9 | HIGH | HIGH | LOW | HIGH | 高产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL11 | 4-3 | 2 | HIGH | MEDIUM | MEDIUM | MEDIUM | 高产系 | 中等生物量 | 中等耐受性 | 中等抗逆性 |
| IL4-3 | 2 | 0 | MEDIUM | HIGH | LOW | HIGH | 中产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL9 | 3 | 2 | 9 | MEDIUM | HIGH | LOW | HIGH | 中产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL9-1 | 2 | 6 | 2 | 8 | MEDIUM | HIGH | MEDIUM | 高产系 | 高生物量 | 中等耐受性 | 高抗逆性 |
| IL9-1 | 2 | 6 | 2 | 8 | MEDIUM | HIGH | MEDIUM | 高产系 | 高生物量 | 中等耐受性 | 高抗逆性 |
| IL9-2 | 6 | 5 | 10 | MEDIUM | MEDIUM | HIGH | MEDIUM | 高产系 | 中等生物量 | 中等耐受性 | 高抗逆性 |
| IL9-1 | 2 | 6 | 2 | 8 | MEDIUM | HIGH | MEDIUM | 高产系 | 高生物量 | 中等耐受性 | 高抗逆性 |
| IL5 | 3 | 1 | 7 | MEDIUM | MEDIUM | MEDIUM | 高产系 | 中等生物量 | 中等耐受性 | 高抗逆性 |
| IL9-1 | 3 | 2 | 7 | MEDIUM | MEDIUM | LOW | MEDIUM | 中产系 | 高生物量 | 低耐受性 | 中等抗逆性 |
| IL10 | 2 | 2 | 2 | MEDIUM | MEDIUM | MEDIUM | 中产系 | 中等生物量 | 中等耐受性 | 中等抗逆性 |
| IL5 | 5 | 1 | 8 | MEDIUM | SMALL | HIGH | 中产系 | 小生物量 | 高耐受性 | 高抗逆性 |
| IL12 | 2-1 | 7 | MEDIUM | SMALL | MEDIUM | MEDIUM | 中产系 | 小生物量 | 中等耐受性 | 低抗逆性 |
| IL12 | 2-1 | 7 | 13 | MEDIUM | SMALL | MEDIUM | 中产系 | 小生物量 | 中等耐受性 | 中等抗逆性 |
| IL12 | 2-3 | 16 | MEDIUM | SMALL | MEDIUM | MEDIUM | 中产系 | 小生物量 | 中等耐受性 | 中等抗逆性 |
| IL14 | 12 | 10 | 1 | LOW | HIGH | LOW | 低产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL15 | 3-3 | 11 | LOW | HIGH | LOW | 低产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL15 | 3-4 | 12 | LOW | HIGH | LOW | 低产系 | 高生物量 | 低耐受性 | 高抗逆性 |
| IL15 | 6-2 | 19 | LOW | MEDIUM | LOW | LOW | 低产系 | 中等生物量 | 低耐受性 | 低抗逆性 |
| IL16 | 4-1 | 11 | 3 | LOW | MEDIUM | MEDIUM | 低产系 | 中等生物量 | 中等耐受性 | 中等抗逆性 |
| IL18 | 8-1 | 2 | 3 | LOW | SMALL | LOW | 低产系 | 小生物量 | 低耐受性 | 中等抗逆性 |
| IL18 | 8-1 | 2 | 3 | LOW | SMALL | LOW | 低产系 | 小生物量 | 低耐受性 | 中等抗逆性 |
| IL19 | 8-1 | 2 | 3 | 2 | 5 | LOW | SMALL | LOW | 低产系 | 小生物量 | 低耐受性 | 低抗逆性 | 生存表型 |
| IL20 | 4-3 | 2 | 1 | 5 | LOW | SMALL | LOW | 低产系 | 小生物量 | 低耐受性 | 低抗逆性 | 生存表型 |
**2.2. 功能表型分析的实验设置**
根据多年（2000-2004年）的果实和生物量产量表现，从低产到高产的选定ILs在以色列研究中心（iCORE；https://researchinfrastructure.inwise.net/iCORE）的温室中种植，该温室位于耶路撒冷希伯来大学雷霍沃特校区（2019年9月）。PlantArray系统的协议和方法已在之前的研究中详细描述（Dalal等人，2020年；Halperin等人，2017年）。这里我们提供了当前实验的简要描述和具体协议。iCORE聚碳酸酯温室具有冷却垫，当温度达到32°C时激活。温室中的气象站持续监测天气条件。实验期间测量的连续光合光子通量密度（PPFD）和蒸气压差（VPD）见图3A。在实验开始前，使用PlantArray自动校准应用程序对所有负载单元进行了准确性和漂移水平的校准（恒定负载重量1公斤和5公斤）。该设置使用了高灵敏度、温度补偿的负载单元作为称重仪。每个测量单元都安装了一个装有单株植物的4升花盆，并连接到其控制器上，控制器负责收集数据并控制灌溉。每个花盆通过盖子上的孔和O形圈放入塑料容器中，以防止水分从排水孔底部蒸发。容器侧壁上的孔位于相同的高度，以便在灌溉后排出多余水分后保持相似的水位。通过中心有圆形切口的土壤覆盖层来防止花盆表面水分蒸发，植物可以从这个开口生长出来。番茄种子在温室中的育苗盘里发芽。选定的ILs和M82番茄植株的五周大幼苗被移植到装有石英砂（20/30目筛网；20表示筛网每线性英寸有20个方孔）的4升花盆中，从而得到0.595至0.841毫米大小的砂粒（Negev Industrial Minerals Ltd., Israel）。肥料（Poly Feed 17:10:27，Haifa Chemicals, Haifa, Israel）通过称为肥水灌溉的系统提供给植物。每个花盆通过插入砂层上部的四个滴头进行肥水灌溉，以确保每次灌溉时介质均匀湿润。肥水灌溉在夜间分多次进行。对照组的肥水灌溉包括四次每次持续15分钟的灌溉，每两小时一次，以确保充分淋溶并达到花盆的最大容量。
2.3 提高温室表型分析的信噪比
表型分析系统采用了多种策略来提高信噪比，从而减少嘈杂温室环境中的潜在干扰。这些策略包括使用高精度负载传感器，每个传感器的精度达到每公斤负载±0.167克。这些传感器还具有温度补偿功能，可以有效减少环境温度波动引起的漂移。此外，每个负载传感器通过一根短电缆（45厘米）连接到其模数转换（A/D）控制器，显著减少了模拟电干扰和噪声（通常与连接到中央数据记录器的长电缆相关）。每个负载传感器还配备了隔热和密封盖，以防止直接太阳辐射导致的过热。通过在每个负载传感器下方放置压缩泡沫垫和质量块来减轻振动引起的噪声。还采取了其他措施来对抗“花盆效应”（Gosa等人，2019年），例如双花盆布置，将土壤和根系与直接太阳辐射隔离；定期冲洗以防止频繁肥水灌溉导致的盐分积累；以及使用分滴灌系统，避免因水分分布不均造成的局部土壤压实，从而确保实验期间收集的生理数据的可靠性和一致性。
2.4 干旱处理
为了在不同蒸腾速率的基因型之间标准化干旱胁迫，我们使用PlantArray系统施加反馈控制的亏缺灌溉。每株植物的日灌溉量设定为其前一天蒸腾量的80%，确保蒸腾速率快的植物获得相对更多的水分。这样在所有植物中施加了类似的脱水过程，同时保留了基因型之间的水分利用和动态差异。在整个干旱处理阶段一直采用这种方案，直到重新灌溉（见图3C）。为了避免干旱效应与营养限制混淆，在干旱处理期间，植物继续通过肥水灌溉接收相同的营养液，但灌溉量由反馈控制的亏缺协议决定。
2.3. 提高温室表型分析的信噪比
表型分析系统采用了多种策略来提高信噪比，从而减少嘈杂温室环境中的潜在干扰。这些策略包括使用高精度负载传感器，每个传感器的精度达到每公斤负载±0.167克。这些传感器还具有温度补偿功能，可以有效减少环境温度波动引起的漂移。此外，每个负载传感器通过一根短电缆（45厘米）连接到其模数转换（A/D）控制器，显著减少了模拟电干扰和噪声（通常与连接到中央数据记录器的长电缆相关）。每个负载传感器还配备了隔热和密封盖，以防止直接太阳辐射导致的过热。通过在每个负载传感器下方放置压缩泡沫垫和质量块来减轻振动引起的噪声。还采取了其他措施来对抗“花盆效应”（Gosa等人，2019年），例如双花盆布置，将土壤和根系与直接太阳辐射引起的热量隔离；定期冲洗以防止频繁肥水灌溉导致的盐分积累；以及使用分滴灌系统，避免因水分分布不均造成的局部土壤压实，从而确保实验期间收集的生理数据的可靠性和一致性。
2.4 干旱处理
为了在不同蒸腾速率的基因型之间标准化干旱胁迫，我们使用PlantArray系统施加反馈控制的亏缺灌溉。每株植物的日灌溉量设定为其前一天蒸腾量的80%，确保蒸腾速率快的植物获得相对更多的水分。这样在所有植物中施加了类似的脱水过程，同时保留了基因型之间的水分利用和动态差异。在整个干旱处理阶段一直采用这种方案，直到重新灌溉（见图3C）。为了避免干旱效应与营养限制混淆，在干旱处理期间，植物继续通过肥水灌溉接收相同的营养液，但灌溉量由反馈控制的亏缺协议决定。
2.3. 提高温室表型分析的信噪比
表型分析系统采用了多种策略来提高信噪比，从而减少嘈杂温室环境中的潜在干扰。这些策略包括使用高精度负载传感器，每个传感器的精度达到每公斤负载±0.167克。这些传感器还具有温度补偿功能，可以有效减少环境温度波动引起的漂移。此外，每个负载传感器通过一根短电缆（45厘米）连接到其模数转换（A/D）控制器，显著减少了模拟电干扰和噪声（通常与连接到中央数据记录器的长电缆相关）。每个负载传感器还配备了隔热和密封盖，以防止直接太阳辐射导致的过热。通过在每个负载传感器下方放置压缩泡沫垫和质量块来减轻振动引起的噪声。还采取了其他措施来对抗“花盆效应”（Gosa等人，2019年），例如双花盆布置，将土壤和根系与直接太阳辐射隔离；定期冲洗以防止频繁肥水灌溉导致的盐分积累；以及使用分滴灌系统，避免因水分分布不均造成的局部土壤压实，从而确保实验期间收集的生理数据的可靠性和一致性。
2.4 干旱处理
为了在不同蒸腾速率的基因型之间标准化干旱胁迫，我们使用PlantArray系统施加反馈控制的亏缺灌溉。每株植物的日灌溉量设定为其前一天蒸腾量的80%，确保蒸腾速率快的植物获得相对更多的水分。这样在所有植物中施加了类似的脱水过程，同时保留了基因型之间的水分利用和动态差异。在整个干旱处理阶段一直采用这种方案，直到重新灌溉（见图3C）。为了避免干旱效应与营养限制混淆，在干旱处理期间，植物继续通过肥水灌溉接收相同的营养液，但灌溉量由反馈控制的亏缺协议决定。
2.5 选择用于生理实验的导入系
根据（Moshelion, 2020）提出的分类和术语，植物的干旱响应行为定义如下：植物的恢复力（从胁迫中恢复的能力）通过其在相似干旱条件下的生物量相对于M82的表现来确定，而植物的耐受性则通过其在相同干旱条件下的总产量（TY）来衡量。在这种情况下，恢复力指的是植物在重新灌溉后恢复到与M82相同生物量的能力。同时，耐受性定义为植物在胁迫下保持或增加产量的能力。因此，在可比的干旱胁迫下，表现出更高生物量和更高产量的系被归类为具有高恢复力（HR）和高耐受性（HT）表型（HrHt）。相反，在干旱条件下生物量和产量较低的系被归类为具有低恢复力（LR）和低耐受性（LT）表型（LrLt）。如果一个系在胁迫下的生物量大于对照组的20%，但其产量低于M82，则被定义为高恢复力-低耐受性（HrLt；表1）。这种分类产生了20个组，从理想型到生存型不等。
2.6 定量生理特征的测量
通过连续和同时监测土壤-植物-大气条件，确定了所有植物的水分关系、动力学和生理特征，如图1所示。使用PlantArray 3.0系统（PlantDiTech, Israel）根据Halperin等人（2017）和Dalal等人（2020）描述的方法测量了整株植物的生理特征。简而言之，每天在每次灌溉和排水结束后以及黎明前（ΔPW）计算植物重量增加量（g）。系统通过在连续几天土壤达到田间持水量时比较排水结束后的花盆重量（减去所有皮重）自动完成这一过程。每天的植物蒸腾量（PDT, g·day⁻¹）是通过计算黎明前和夜间第一次灌溉前几分钟的重量差来计算的。在特定时间段内的整株植物水分利用效率（WUE）是通过将每日植物鲜重增加量（ΔPW）与该期间使用的水量之和的比值来确定的：
(1) WUE = ∑ΔPWn / ∑PDTn
2.7 气体交换测量
在最年轻的、完全展开的叶片上评估了叶片气体交换。测量数据来自约8周大植物冠层顶部成熟、完全展开的小叶，时间在上午10:00到中午12:00之间。使用便携式红外气体分析仪（LI-6800XT；Li-Cor Inc., Lincoln, NE, USA）获取碳同化率（AN）。在中午时分，在6平方厘米的腔室中测量气孔导度（gs），CO2参考浓度设为400 ppm（µmol mol⁻¹），光合有效辐射（PPFD）为1400 µmol m–2 s–1，VPD为1.4 kPa，温度设为25°C。这些参数的选择是为了复制初始测量时的温室环境条件。
2.8 气孔密度和开口
使用快速压印方法（Geisler和Sack, 2002）确定了叶片表面的气孔开口和密度，该方法适用于快速干燥（约1分钟）（Attia等人，2015a），使用轻质乙烯基聚硅氧烷牙科树脂（Heraeus-Kulzer, https://www.kulzerus.com）。测量在主要叶肉区域进行，避开主要叶脉和叶脉相关组织，以确保一致性和准确性。通过仔细选择叶脉间区域进行分析，遵循标准协议以最小化变异性并确保气孔分布的代表性。干燥后的树脂用于用透明指甲油制作正模，然后转移到显微镜载玻片上。然后使用明场倒置显微镜（Nikon Eclipse TS100, Japan）和20×/NA 0.40物镜以及12位CCD相机（Manta G-235B; https://www.alliedvision.com）拍摄所有气孔的图像。气孔开口直接从印模中的孔径尺寸测量，从而捕捉固定时的孔隙几何结构。我们将这解释为固定时的解剖快照，而不是功能性气孔开放度或气孔导度的直接等效值。这使我们能够收集大量气孔印模样本（见补充图4）。为了确保采样的均匀性，我们从暴露在全日照下的最年轻、完全展开的三出复叶上印取气孔，并获取叶片上大约四个随机选择区域的图像，避开主要叶脉和叶脉相关组织。使用ImageJ软件和校准的显微镜尺进行图像分析。
2.9 统计分析
除非另有说明，所有统计分析均使用JMP ver. 15统计软件包（SAS Institute, Cary, NC, USA）进行。计算了方差分析（ANOVA），随后的比较使用Tukey的事后检验。ANOVA检验的p值≤0.05被视为统计显著。具体使用的统计检验在每个图表或表格的图例中说明。图表使用OriginPro 2021版本（OriginLab Corporation）生成。相关性分析使用R统计软件包的cor()函数进行，该函数计算连续变量的成对相关系数。
3. 结果
3.1 IL群体的田间表现
我们首先分析了2000年和2004年进行的两个田间实验（见表1），这些实验包括29个IL系和M82。这些植物的产量和生物量参数进行了表征，并与最佳条件和水限制条件下的对照M82进行了比较（见图2）。生物量和果实产量的百分比变化是相对于M82计算的，“对照品种”。在最佳灌溉条件下，根据相对于M82的产量，这些系被分为高产（HY）、中产（MY）和低产（LY）组：HY = 比M82的产量高20%以上，MY = 产量与M82相当但不一定相等，LY = 比M82的产量低20%。根据实验结束时从田间收集的不同系的生物量相对于M82的情况，这些基因型还被分类为具有高茎生物量（HB, >20%）、中等茎生物量（MB, =20%）或低茎生物量（LB, <20%；表1）。
3.1 IL群体的田间表现
我们首先分析了2000年和2004年进行的两个田间实验（见表1），这些实验包括29个IL系和M82。这些植物的产量和生物量参数进行了表征，并与最佳条件和水限制条件下的对照M82进行了比较（见图2）。生物量和果实产量的百分比变化是相对于M82计算的。在最佳灌溉条件下，根据相对于M82的产量，这些系被分为高产（HY）、中产（MY）和低产（LY）组：HY = 比M82的产量高20%以上，MY = 产量与M82相当但不一定相等，LY = 比M82的产量低20%。根据实验结束时从田间收集的不同系的生物量相对于M82的情况，这些基因型还被分类为具有高茎生物量（HB, >20%）、中等茎生物量（MB, =20%）或低茎生物量（LB, <20%；表1）。
3.1 IL群体的田间表现
我们首先分析了2000年和2004年进行的两个田间实验（见表1），这些实验包括29个IL系和M82。这些植物的产量和生物量参数进行了表征，并与最佳条件和水限制条件下的对照M82进行了比较（见图2）。生物量和果实产量的百分比变化是相对于M82计算的。在最佳灌溉条件下，根据相对于M82的产量，这些系被分为高产（HY）、中产（MY）和低产（LY）组：HY = 比M82的产量高20%以上，MY = 产量与M82相当但不一定相等，LY = 比M82的产量低20%。根据实验结束时从田间收集的不同系的生物量相对于M82的情况，这些基因型还被分类为具有高茎生物量（HB, >20%）、中等茎生物量（MB, =20%）或低茎生物量（LB, <20%；表1）。D. 在干旱条件下，两年收获时的平均茎干重量（从低到高排序）。箱线图中的方块（□）代表平均值。分割箱体的水平带表示样本中位数，条形图显示四分位数范围（第25百分位到第75百分位）。位于四分位数范围之外的点分别被视为异常值（n=9-13）。选择了六条线（在表1中用⁎标记），这些线的生物量和果实产量从低到高不等，以及M82线，使用功能表型平台进一步进行生理特征分析，以揭示它们之间的差异。这六个基因型被选中，以代表广泛的植物响应特性，基于4到5年的充分灌溉田间实验数据以及至少两年的胁迫条件下的表现数据。选定的线包括IL5-2、IL11-4、IL2-6、IL8-1、IL10-1和IL8-1-3。在这些线中，IL5-2在两种环境下的所有参数上都优于M82；因此，我们将HY、HB、HT和HR（HyHbHtHr）线归类为理想型。IL2-6在最佳灌溉条件下产量高，但在干旱胁迫下产量低，同时在两种条件下都保持高生物量（HyHbLtHr）。IL11-4在最佳灌溉条件下产量高，但在其他选择标准上的值处于中等水平（HyMbMtMr）。IL10-1表现出强健的植株生长，但在湿润和干燥条件下产量低。它的特点是产量低、生物量高、耐受性低和恢复力强（LyHbLtHr）。IL8-1在最佳灌溉条件下的总产量和生物量低，在干旱条件下产量也低，但在干旱胁迫下的生物量中等（LySbLtMr）。IL8-1-3在最佳灌溉条件下的总产量和生物量低，在最佳灌溉和干旱条件下的产量都低（LySbLtLr）。
3.2. �胁迫响应和恢复力评估
在干旱期间，各线之间的植物蒸腾作用没有差异（图3B）。因此，我们在完全恢复灌溉后，当植物蒸腾作用下降到其最大蒸腾量的大约10%时（第29天），评估了不同线的恢复率（恢复力）（图3B）。蒸腾作用一直测量到植物恢复到干旱胁迫前的蒸腾速率。在此期间，所有线都成功恢复到了胁迫前的蒸腾水平。然而，高蒸腾率的线（IL5-2）表现出更快的绝对恢复率（通过实际的全株水分损失率测量，未进行标准化；图5A），表明其干旱响应和恢复机制更有效。我们原本假设蒸腾率较高的植物会受到更严重的干旱影响。然而，值得注意的是，高蒸腾率与较高的恢复力相关。此外，我们观察到累积蒸腾量（CT）与收获时的干生物量之间存在强相关性（图5B，r2=0.89）。此外，具有较高CT的线（IL5-2和IL11-4）表现出更高的蒸腾利用效率（WUEb，即蒸腾量与生物量的比值；IL11-4的WUEb显著高于IL8-1，P<0.05），表明这些高蒸腾率线的水分利用效率机制有所改进（图5C）。
3.3. 全株-环境动力学
单点测量每日蒸腾参数比较植物表现可能具有挑战性，因为植物对微气候因素（如光照、温度和蒸气压差（VPD）的反应是动态的。该系统的高信噪比（见材料和方法）能够精确测量瞬时蒸腾率，而不仅仅是每日平均值，从而确保了对瞬时生理反应的连续监测和分析。因此，我们可以测量一天中不同时间点对环境条件的可塑性响应差异，这可能为解释线间表现差异提供额外解释。为了理解Gsc和蒸腾率对环境条件的响应，我们在最佳灌溉和相似土壤水分含量条件下（实验第23天的中午蒸腾量的50%，即θcrit之后；这种应力水平的同步化（图3C）是由于系统的自动反馈灌溉控制实现的，见材料和方法）同时监测了所有线的生理表现。在充分灌溉条件下（实验第16天），整个冠层的Gsc和TR对光和VPD的反应模式相似。所有线在06:00到10:00之间响应PAR和VPD打开了气孔，增加了Gsc和TR（图6B和6C）。每日最大Gsc和TR随着早晨PAR和VPD的增加而增加，在上午10:00左右稳定下来，之后环境和植物生理参数在整个中午和下午保持相对恒定（10:00到16:00）。在下午晚些时候，Gsc随着PAR的下降而急剧减少，而TR则遵循VPD的模式保持较高。Fridman等人（2000年）也有类似发现，他们发现冠层光合作用在日出后迅速增加，达到高水平。相比之下，蒸腾作用随着VPD的趋势缓慢增加，最终在7:00之前导致高WUE和高的碳同化。这一观察表明，植物的WUE可能在下午和傍晚时段最低；然而，需要进一步将蒸腾作用与生物量或光合速率进行标准化以确认这一推测。最大中午蒸腾率显示出与图3中呈现的每日蒸腾趋势相似的模式，线间存在一致差异。然而，当通过植物生物量和VPD进行标准化以获得冠层导度（Gsc）时，出现了不同的模式，表现为早晨高峰后中午和下午的下降。与最佳灌溉条件不同，暴露在土壤水分限制条件下的植物的Gsc和TR动力学在不同线之间以及对PAR和VPD的响应上存在差异（与胁迫前条件非常相似；见补充图1）。所有线从上午晚些时候到中午都经历了Gsc和TR的减少，无论环境PAR和VPD条件如何。然而，表现优异的线（即IL5-2和IL11-4）表现出不同的响应模式，表现为早晨Gsc的高峰（图7A和B），以及同时相对较低的蒸腾率（图7a和b），随后在中午和下午这些参数立即且线性减少。
3.4. 蒸腾作用对蒸气压差（VPD）和气孔导度（gₛ）对光的差异敏感性
蒸腾作用对蒸气压差（VPD）和气孔导度（gₛ）的差异敏感性与已建立的气孔控制机制一致，其中VPD直接影响蒸发需求，而光通过光合作用信号通路调节气孔开闭（Buckley, 2005; Farquhar和Sharkey, 1982）。这种模式可以在光合作用对气孔的反馈背景下解释，其中叶肉光合作用和细胞间CO₂浓度的变化调节gₛ，将光驱动的碳同化与气孔行为联系起来（Wong等人，1979年；Lawson等人，2012年）。相反，表现较差的线（即IL10-1、IL8-1和IL8-1-3）在早晨早期（VPD较低时）的Gsc较低。它们在一天中的较晚时间达到Gsc峰值（图7E、F和G）。这些峰值持续时间更长，导致这些植物通过蒸腾作用失去更多水分（图7e、f和g）。重要的是，图7中的所有测量都是在相同的VPD轨迹和相似的土壤水分含量水平下进行的（图3B和4），确保了线间的可比性。在这些高分辨率的连续Gsc和Tr测量中，我们发现了单点每日蒸腾测量中未显现的线间差异（即，在胁迫前期间未检测到线间差异；图3A）。为了更好地理解高产线的不同Gsc响应模式，我们检查了它们的背腹气孔密度和每日开口度。数据是在同一天，在相同的VPD（蒸气压差）条件下收集的。此外，在测量时，各条线路的土壤含水量相似。虚线框表示某些线路中观察到气孔峰值出现的早晨时段。数据以平均值±标准误差（n = 5–8）的形式展示。阴影区域表示标准误差条。
3.4. 不同线路间气孔形态的差异
气孔密度和孔径（孔隙宽度）的测量结果显示，IL5-2、IL11-4、IL8-1-3和IL10-1线路的背叶面气孔密度高于腹叶面。相比之下，其他线路的叶片两侧气孔密度相似。除了M82和IL8-1-3线路外，各线路的背叶面和腹叶面的最大气孔孔径没有差异（图8B）。然而，每条线路的叶片在一天中的不同时间点都有最大孔径（图9；所有测量都在相同的VPD和土壤含水量条件下进行，确保了实验条件的一致性）。具体来说，IL5-2的背叶面最大孔径峰值出现在大约07:00，腹叶面最大孔径峰值出现在大约10:00（图9A，a）。M82的背叶面和腹叶面最大孔径峰值都出现在大约10:00。IL8-1、IL11-4和IL10-1线路的背叶面和腹叶面最大孔径峰值都出现在大约13:00。然而，IL10-1和IL11-4的气孔孔径在达到峰值后缩小，而IL8-1的气孔孔径则保持较大直到17:00。IL8-1-3线路的气孔孔径在整个白天都保持较小（图9G和g）。IL8-1-3线路的孔径模式与我们对冠层水平导度的观察结果不太吻合，这可能是由于单点叶片水平测量与整株植物综合导度数据之间的差异。因此，气孔孔径模式（图9）显示了背叶面和腹叶面之间的相对良好对应关系。总体而言，气孔孔径模式与冠层水平导度趋势基本一致。然而，也有一些差异，例如IL8-1-3线路的气孔孔径模式与冠层水平测量结果不完全吻合。这些差异可能是由于单点气孔孔径测量方法与整株植物冠层导度连续测量之间的方法学限制，或者是其他因素（如边界层效应）造成的。这些方面需要进一步研究。
下载：下载高分辨率图像（194KB）
下载：下载全尺寸图像
图8. 不同番茄线路的叶片气孔特征。A，六个番茄导入系和M82的总气孔密度（灰色为背叶面，浅绿色为腹叶面）。数据来自三个技术重复和三个生物学重复，在它们的中央叶片层进行测量。分割盒子的水平带表示样本中位数，中间的方框表示平均值，条形图显示四分位数范围（第25至第75百分位数），位于四分位数范围之外的点被视为异常值。B，相同线路的总气孔孔径（孔隙宽度，µm）。*表示根据Student’s t检验，背叶面和腹叶面之间存在显著差异。不同的字母表示显著不同的平均值（大写字母表示总气孔密度，浅绿色小写字母表示背叶面，深绿色小写字母表示腹叶面），根据Tukey’s Honest Significance检验（p < 0.05，n=8）。
下载：下载高分辨率图像（369KB）
下载：下载全尺寸图像
图9. A–G表示背叶面气孔孔径的日变化，a–g表示腹叶面气孔孔径的日变化。虚线表示某些线路观察到最大孔径的早晨时段。箱形图中的方块（□）表示平均值。分割盒子的水平带表示样本中位数，条形图显示四分位数范围（第25至第75百分位数）。位于四分位数范围之外的点被视为异常值。每个图中的虚线表示孔径最大的时间点（n=8）。
为了明确性状关联，我们使用皮尔逊相关性（n = 7，补充表S3）量化了气孔性状、水分利用性状和生物量之间的关系。累积蒸腾量（CT）是一个在整个胁迫和恢复期间连续测量的整株植物性状，与生物量（R² = 0.85，p = 0.003）和干旱后恢复（CT vs. Drought_Recovery，R² = 0.85，p = 0.003）有很强的关联。相比之下，农艺WUEb和气孔密度性状在这个面板中显示出弱的相关性，但不显著，包括背叶面与腹叶面气孔密度比率与WUEb之间的弱相关性（R² = 0.035，p = 0.689；补充表S3）。
4. 讨论
采样纵向性状，即重复测量的性状，对于理解环境如何影响植物表现至关重要（Yang等人，2006年）。连续测量已被证明可以提高植物生长预测模型的准确性，并识别与生长轨迹相关的位点（Campbell等人，2019年）。监测土壤-植物-大气连续体比单点测量提供更多信息（Moshelion等人，2024年）。在胁迫条件下，植物从生产模式转变为生存模式，在生理、解剖和生化方面进行调整（Kerchev和Van Breusegem，2022年）。了解这些动态在缺水条件下的变化，特别是在培育更高产量时尤为重要（Sinclair，2011年；Snowdon等人，2021年）。使用长时间停止灌溉来研究干旱胁迫的挑战突显了植物蒸腾的变异性以及需要仔细管理土壤水分水平，正如（Snow和Tingey，1985年）开发的方法所展示的那样。尽管如此，准确预测通过新的生物或技术发展可能在栽培前阶段节省的时间仍然具有挑战性。尽管如此，目前的大量工作仍然集中在识别最终不适合特定环境条件的线路上。如果这些不合适的线路能够在早期阶段被筛选出来，就可以节省时间和资金资源，使更合适的候选线路更早进入田间试验，从而加速作物改良的生理性状发现。在我们的研究中，我们使用每株植物自身的蒸腾作为反馈，自动为所有线路同时维持类似的干旱处理（图3C）。此外，我们根据每株植物的θcrit定义了初始干旱胁迫点作为标准的干旱评估点（图4，补充图2）。因此，θcrit揭示了土壤含水量，这是蒸腾的限制因素，以及植物在达到θcrit点后能够多快减少蒸腾，这可能影响它们的胁迫耐受性（Negin和Moshelion，2016年；Gosa等人，2019年）。例如，如图3B和4以及补充图2所示，IL5-2和IL11-4比其他线路更快达到θcrit点。这表明在充分灌溉（高生产模式）下蒸腾更多的线路会更快达到其水分限制，从而迅速关闭气孔（切换到保护模式）。IL11-4观察到的这种蒸腾方式类似于在胁迫条件下的“风险”更高的水分利用策略（Tardieu和Simonneau，1998年；Attia等人，2015b；Gosa等人，2019年）；而IL8-1表现出更保守的水分利用行为，虽然生产力较低，但可能有助于在更长的胁迫期间存活。尽管不同线路之间的土壤湿度差异可能很微妙，但这些模式在生物学上是有意义的，并且与其他性状一致。“风险”更高的水分利用策略（在胁迫下更高的蒸腾）通常支持更高的短期碳同化，如果水分在关键发育阶段保持可用，可以转化为更大的早期生物量积累和潜在的更高产量。然而，由于这种策略加速了土壤水分的消耗，它增加了在生殖阶段提前出现水分限制的可能性，从而减少了最终生物量向谷物的分配，并在长期或极端干旱条件下降低了产量（Blum，2009年）。相反，保守的水分利用策略通常由于气体交换减少而导致瞬时生物量生产较低，但它可以在更长的时间内保持土壤水分，从而在敏感生长阶段稳定产量（Blum，2009年；Passioura，2012年）。
从干旱胁迫中恢复意味着一旦土壤含水量恢复，植物就能回到胁迫前的生长和生理功能水平。尽管恢复力与胁迫反应同样重要，但由于其表征的挑战，它受到的关注较少（Guo等人，2020年）。在图5A中，各线路在干旱处理后恢复灌溉的前五天内，表现出不同的能力来恢复到胁迫前的日蒸腾水平（图3B）。在严重的干旱胁迫条件下（植物蒸腾量低于其最大蒸腾量的10%），我们预计由于干旱相关的损害（如叶片和根部干燥、栓塞、光呼吸和活性氧-ROS），蒸腾率较高的植物会比蒸腾率较低、生长较慢的植物受到更严重的影响。有趣的是，具有较高胁迫前蒸腾水平的线路（IL5-2、IL11-4）在干旱后迅速恢复，这与我们的假设相反。同样，这些线路在田间条件下分别被分类为高恢复力和中等恢复力（表1）。它们表现出更快的气孔关闭（图7A、B），高WUEb（图5C），以及在干旱条件下的相对较高的Gsc与TR（图7A、b和B、b）。基于这些发现，我们推断在胁迫期间可能难以察觉的胁迫适应机制有助于植物的恢复力。这与之前关于玉米的研究结果一致（Chen等人，2016年），该研究认为干旱恢复对水分胁迫条件下的整株植物生长至关重要。采用一种方法在早期生长阶段检测干旱胁迫恢复力，并结合田间试验，可能有助于在早期阶段预测恢复力。这种方法还有助于识别新的耐受机制的遗传变异。
4.1. 动态水分利用效率：缺水条件下的早晨气孔峰值
植物在整个生长季节中表现出动态的水分利用调节，以响应VPD的变化。水分利用性状的时间动态可以显著提高生产力（Sinclair，2018年）。在限制性的SWC（土壤水分含量）下，不同线路对VPD和PAR（光合有效辐射）表现出不同的反应（图7和补充图1），表明某些动态反应在特定环境中可能更有优势。一个显著的例子是在高产线路中观察到的清晨整个冠层导度峰值。在干旱条件下，IL5-2和IL11-4（图7A和7B）在PAR较高时仍保持相对较高的整个冠层导度。这导致通过蒸腾的水分损失率相对较低（图7a和7b）。Lupen solanum penelli（Lupo和Moshelion，2024年）中也报告了这种性质的早晨峰值。这种机会主义的气孔行为已在高度耐旱的森林植物（如金合欢和半寄生槲寄生（Loranthus europaeus (LE)）（Ullmann等人，1985年；Resco de Dios等人，2016年）、小麦（Triticum durum cv）导入系（Bacher等人，2023年）、大豆（Glycine max）（Teare和Kanemasu，1972年）和拟南芥（Arabidopsis thaliana）（Hassidim等人，2017年）中得到记录。虽然这些研究承认了这种早晨气孔峰值的存在，但假设这种表型可以通过利用光合有效辐射（PAR）增加CO2同化来提高干旱下的生产力和适应性（Schoppach等人，2020年）。在最近的一项研究中，我们证明了这种清晨Gsc峰值，称为“黄金小时”（Drake等人，2013年），与田间番茄产量有很强的相关性（Gosa等人，2022b）。我们目前的发现强调了这种清晨气孔峰值在水分限制条件下的重要性，并突出了这一关键性状的遗传变异。具体来说，这两个高产线路是IL5-2和IL11-4，它们在其他方面也有显著差异。此外，这些线路表现出高WUEb、高茎干干重（图5B；P < 0.05）和中等至高的田间耐旱性（表1），证实了平衡和优化水分利用的线路即使在水分胁迫条件下也能保持高生产力。相比之下，IL2-6在灌溉条件下产量较高，但在田间干旱条件下产量较低，其每日Gsc动态与低产的IL8-1相似（图7）。这加强了Gsc早晨峰值是胁迫下重要产量相关性状的证据。此外，IL2-6表现出较低的WUEb值和较低的茎干干重（图5B，P <0.05），并且在田间表现出较差的耐旱性（表1），这表明高产量并不一定意味着耐旱性。因此，不同的性状组合导致了相似的结果。尽管没有直接观察到中午光合作用的下降，但值得注意的是，许多物种在高光照和蒸气压亏缺条件下会表现出中午光合作用和气孔导度的下降，这是由于气孔和非气孔限制引起的，包括生化、光化学、解剖学和水力方面的限制，这些限制即使在气孔相对开放且二氧化碳可用的情况下也会限制光合作用（Henry等人，2019年；Muir等人，2014年）。这一框架有助于理解这里讨论的日变化模式。最近的一些研究提出了气孔功能解剖机制作为提高生产力和抗逆性的有希望的目标（Sadok等人，2021年）。例如，高气孔密度被认为代表了安全性和效率之间的权衡，因为它在叶片脱水时对关闭更加敏感（Henry等人，2019年）。另一个被认为是生产力及WUE良好指标的机制是植物叶片背侧和腹侧气孔密度之比（Muir等人，2014年）。值得注意的是，在我们的实验组中，背侧与腹侧气孔密度之比与WUEb仅显示出微弱的、不显著的相关性（补充表S3），这突显了在解释耐旱性状时整合连续全株测量的价值。实际上，我们的结果支持了这一点，揭示了不同IL系之间的密度组合导致了不同的水分平衡调节策略、耐旱反应和产量。我们的结果表明，静态的气孔密度指标不足以预测耐旱性能。相反，耐旱反应可能取决于动态的气孔调节（例如，对VPD或ABA信号的敏感性）、水力传导以及全株水分利用的协调，而不仅仅是气孔的解剖学丰度本身。这些发现引发了关于气孔比例和密度在Gsc调节中作用的进一步问题。尽管背侧气孔在光敏感性、光合作用和WUE方面似乎起着关键作用（Driscoll等人，2006年；Lei等人，2018年），但背侧和腹侧叶片对作物生产力的实际相对贡献仍然不明确。几个因素，如温室中光源的位置、田间的风速以及作物类型，都会影响这一结果（Zhang等人，2023年；Paradiso等人，2020年）。我们提出，在番茄中，气孔比例、气孔密度以及每侧叶片上气孔对环境条件的敏感性是理解基因型对特定环境的适应（G×E优化）、其抗逆性和水分利用效率（WUE）的关键。例如，IL8-1和IL8-1-3在所有生产力和抗逆性田间参数方面都非常低（表1），而高产的IL5-2（图8A）虽然具有较高的气孔比例，但其蒸腾作用较低（图3A，P<0.05），并且在田间产量也较低（表1）。这可能是由于其叶片两侧的气孔开口相对较小（图8B、9G和9g）。气孔密度数据结合全株冠层传导性表明，气孔分布与木质部水分运输之间存在潜在的水力耦合。未来的研究应该探讨这些方面，以了解背侧与腹侧气孔如何改变叶片边界层阻力、蒸腾通量和冠层的水力信号传导。虽然本研究区分了背侧和腹侧气孔的分布，但我们认识到未来的工作应该将这些参数纳入定量模型中，以更好地捕捉它们对气体交换和水分利用效率的综合影响。与连续和同时进行的冠层尺度测量不同，单叶气孔传导性或开口提供了高空间分辨率的保卫细胞行为信息，但仍然受采样叶片局部微环境的影响，并且只代表了一个时间点的快照。在我们的研究中，单点测量没有显示出叶片气体交换的显著差异。所有植物都在相似的发育阶段进行了测量。然而，由于使用了单一的IRGA设备对多个基因型进行测量，每个稳态测量需要长达20分钟（时间窗口大约为上午10点到下午2点），因此变异性可能来自生物学差异以及测量期间光照、温度和VPD的变化。这样的测量无法捕捉冠层内的空间异质性或在波动条件下的响应时间整合，因此可能无法完全代表全株气体交换动态。因此，在将快照测量与连续全株整合进行比较时，叶片级别的开口模式与冠层级别的传导性之间可能存在部分不匹配。值得注意的是，最近通过将活体共聚焦显微镜与受控环境条件下的叶片气体交换相结合，展示了一种直接同步开口动态和操作气体交换的优雅解决方案（Crawford等人，2025年）。尽管这种方法在机制上非常有信息量，但它不易扩展到多个基因型的高通量表型分析；因此，连续全株冠层传导性仍然是在实际波动条件下进行育种筛选的最实用框架。气孔性状在机制上对这些动态有所贡献。表现优异的品系结合了低VPD条件下的早晨气孔开放和较高的背侧-腹侧气孔密度比，这种配置可能有利于高效的气体交换、减少水分损失，并在压力释放后更快地恢复水力。这些结果支持了一个框架，即气孔分布与全株水力协调相互作用以加速恢复，而不仅仅是作为一个静态的形态学预测因子。因此，将连续全株蒸腾与气孔形态和开口动态相结合，可以提高早期表型分析的分辨率，并有助于识别高产、耐旱的理想型。未来的研究需要应用多种胁迫情景和遗传分析来验证这些机制的普遍性。
作者贡献：
Sanbon Chaka Gosa负责所有实验的设计、实施和分析，并撰写了手稿。Bogale Abebe和Ravitesh Patil参与了蒸渗仪实验的设计和执行。Ramon Manica参与了气孔印记和叶片气体交换实验。Moshelion M是通讯作者，负责监督、规划并与Sanbon Gosa共同撰写了硕士论文。
作者贡献声明：
Sanbon Chaka Gosa：写作 - 审稿与编辑、初稿撰写、可视化、验证、监督、项目管理、方法学、调查、数据分析、概念化。
Ravitejas Patil：写作 - 审稿与编辑、初稿撰写、验证、方法学、调查、数据管理。
Bogale Abebe Gebeyo：写作 - 审稿与编辑、初稿撰写、验证、方法学、数据管理。
Menachem Moshelion：写作 - 审稿与编辑、初稿撰写、验证、监督、资源管理、项目管理、方法学、调查、资金获取、数据分析、概念化。
Ramon Mencia：写作 - 审稿与编辑、初稿撰写、验证、项目管理、数据管理。
