近日，申仕康教授团队在国际生态学知名期刊《Journal of Ecology》（2026）上在线发表了题为“Deep learning derived leaf traits reveal phylogenetic and environmental drivers of diversification in Rhododendron”的最新研究成果。该研究利用深度学习技术大规模提取杜鹃花属叶片性状，系统揭示了叶片性状演化过程中系统发育历史与当代环境的相对贡献，为理解高山植物多样化机制提供了新视角。

杜鹃花属（Rhododendron）是全球物种多样性最丰富的木本植物类群之一，也是高山灌丛植被的重要组成部分，广泛分布于北半球温带及热带高山地区，尤其在喜马拉雅-横断山区形成了极高的物种多样性。叶片作为植物与环境进行能量和物质交换的核心器官，其形态性状（如叶面积、叶圆度等）的变异不仅反映了植物对环境的适应策略，也记录了长期的进化历史。然而，由于杜鹃花属物种繁多、分布广泛且标本数量庞大，传统的人工测量方法难以在大尺度上获取叶片性状数据，导致我们对这一关键类群叶片性状演化规律及其驱动机制的认识仍十分有限。如何高效、准确地从海量标本中提取性状信息，并解析其在宏观进化尺度上的生态与进化驱动力，一直是植物生态学与进化生物学领域亟待解决的科学难题。

针对上述挑战，研究团队创新性地采用深度学习实例分割技术，构建了一套高效的叶片性状自动化提取流程。研究数据来源于中国虚拟植物标本馆（CVH）的93个标本馆数字化标本以及中国西南山地302个采样点的野外样本。通过对68,802份杜鹃花属标本图像的标准化处理与自动化分析，研究团队成功在44,020份标本中检测到完整叶片，最终获得了涵盖5个亚属、624个物种、26个变种的105,897个独立叶片数据。验证结果表明，深度学习模型提取的性状测量值与人工测量值高度一致（相关系数r=0.99），证实了该方法在大尺度植物性状研究中的可靠性与高效性，为利用海量数字化标本开展宏观生态学研究奠定了坚实的技术基础。

基于这一大规模数据集，研究团队发现：（1）杜鹃花属叶片性状表现出显著的系统发育保守性，且不同性状的进化可塑性存在差异。叶面积在进化过程中表现出较强的保守性，而叶圆度则具有更高的进化可塑性。研究进一步识别出在30至10百万年前至少发生了6次主要的适应性转变事件，这一时间段恰好与喜马拉雅造山运动的快速隆升和亚洲季风的增强相吻合，表明杜鹃花属叶面积的演化可能与重大古环境变化密切相关，是植物对地质-气候协同演化的响应。（2）当代气候对叶片性状的解释力有限，其对叶片性状变异的额外解释力较低（marginal R²< 0.1），这表明进化约束在塑造杜鹃花属叶片性状变异中起主导作用，当代环境的影响相对次要。不过，在更寒冷、多风的环境中，叶片仍倾向于变得更小、更圆，体现了植物对极端环境的适应性调整。（3）两个主要亚属在地理重叠区域表现出显著的分化响应。杜鹃亚属（subg.Rhododendron）和常绿杜鹃亚属（subg.Hymenanthes）在生境利用和对共享气候梯度的响应强度上存在明显差异。其中，杜鹃亚属对风速更为敏感，表现出更大的叶面积下降斜率和叶圆度增加斜率，揭示了不同谱系在面对相同环境压力时可能采取差异化的适应策略。

图.杜鹃花属植物叶面积的变异及演化模式

本研究不仅展示了深度学习在植物性状大数据提取中的巨大潜力，也为理解高山植物多样化的进化机制提供了新的实证依据。研究结果表明，杜鹃花属叶片性状的演化是长期进化历史与短期环境适应共同作用的结果，其中系统发育约束占据主导地位，而重大地质-气候事件则可能触发了关键的适应性转变。这些发现对于深入认识生物多样性形成与维持机制、预测植物对全球变化的响应具有重要的科学意义。同时，该研究所建立的大规模叶片性状数据集和自动化提取方法，也为未来开展更大尺度的植物功能性状研究和生态系统模型构建提供了宝贵资源。

云南大学吕振宇博士为论文第一作者，申仕康教授为通讯作者。该研究得到了国家重点研发计划、国家自然科学基金、云南省国际联合实验室及云南省教育厅科技服务计划等项目的资助。

论文链接：

https://doi.org/10.1111/1365-2745.70440

来源：植被结构功能与建造全国重点实验室

编辑：张懿淼 责任编辑：李哲