近日，南京农业大学园艺学院梨创新团队陶书田教授课题组联合三亚研究院、前沿交叉研究院、新疆农业大学和日本东京大学等国内外单位，在梨树合理负载量精准调控方面取得系列进展。研究团队围绕梨树“到底该留多少果，才能保证产量的同时提升果实品质”这一关键问题，持续开展多年田间试验与技术攻关，从解析梨树果实发育过程中“源-库”关系入手，进一步融合三维点云、树体表型分析与机器学习技术，实现基于整树叶片数量快速估算的单株合理负载量精准决策，逐步构建起“动态标准-叶量估算-负载决策” 的梨树合理负载量精准调控技术体系（图1）。
图1 梨树合理负载量决策技术
合理负载量是协调梨树产量与果实品质的重要基础。果实留得过多，有限的光合产物需要分配给更多果实，容易造成果实发育不足、品质下降；留果过少，则可能造成产量损失。因此，梨树生产中通常需要通过疏果调节树体“源-库”关系。叶果比能够反映树体光合供给能力与果实负载之间的平衡，是科学确定合理负载量的重要生理指标。然而，传统生产中留果量主要依赖人工经验，已有的叶果比标准也多针对某一特定时期，难以充分反映随叶片生长和果实发育而不断变化的“源-库”关系。
针对这一问题，研究团队首先通过连续环剥试验，系统研究梨树整个果实发育过程中叶面积、果实数量与果实品质之间的关系，并结合多元统计和机器学习方法，筛选能够兼顾果实品质与产量的适宜叶面积果比。在此基础上，团队建立了梨树不同发育时期最适叶面积果比和叶果比动态标准，并通过田间试验验证其有效性。研究表明，合理调控叶果关系能够改善果实品质，而过度降低负载并不能带来品质的无限提升，反而可能影响产量（图2）。相关研究为梨树疏果从“凭经验留果”向“依据树体生理状态科学定量”转变提供了理论基础。
图2 超过最适阈值的叶果比无法继续提高梨果品质
明确“叶果比”的标准之后，如何快速判断一棵梨树能够支撑多少果实，成为技术走向生产应用的另一关键问题。成年梨树冠层结构复杂、叶片数量庞大且相互遮挡，依靠人工逐片计数费时费力，难以满足疏果期快速决策的实际需求。为此，团队进一步将三维点云、树体表型解析和机器学习相结合，探索如何利用冠层结构特征间接表征整树叶片数量，从而将难以直接测量的叶片数量转化为可快速获取和计算的树体结构信息的方案。
围绕这一目标，研究团队采集不同品种、不同生育时期梨树的三维点云数据，自主开发FTPCT树体三维结构参数分析软件，实现树高、冠幅、冠层体积、冠层表面积、冠层投影面积以及点云空间分布等多类树体结构参数的标准化提取。在此基础上，通过机器学习建立树体三维结构特征与整树叶片数量之间的定量关系。研究发现，冠层结构中蕴含着能够表征叶片数量的重要信息，其中冠层体积是反映整树叶量的重要结构特征，为利用树体三维表型快速估算叶片数量提供了新的技术路径（图3）。
图3 冠层体积等树体三维结构性状是反映整树叶量的重要结构特征
与逐片识别和重建叶片的传统思路不同，该方法无需对复杂冠层中的每一片叶片进行单独分割，而是利用少量关键树体结构参数推算整树叶量，降低了对超高精度点云和复杂计算过程的依赖。FTPCT软件将相关处理流程集成到图形化界面中，可完成树体点云处理和关键结构参数提取，为三维表型技术从科研分析走向果园生产应用提供了工具支撑。
在此基础上，团队进一步将“整树叶片数量估算”与前期建立的“最适叶果比动态标准”进行衔接：首先通过三维点云获取单株树体结构特征并估算叶片总量，再依据不同发育阶段的最适叶果比，计算每棵树适宜保留的果实数量，形成“树体表型获取-叶片数量估算-合理负载量计算-精准疏果决策” 的完整技术流程。由此，梨树负载量管理由过去面向整个果园的统一经验标准，进一步发展为依据单株树体生长状况进行差异化决策。
为检验该技术的实际应用效果，研究团队连续多年开展田间验证。结果表明，基于树体实际生长状态进行负载量调控，可以在保持产量稳定的同时改善果实大小及部分品质性状（图4），表明该方法具有较好的田间应用潜力，为梨树稳产提质提供了新的技术支撑。
图4 依据该合理负载量决策技术进行疏果可实现梨果“提质稳产”
“减负”并不是简单地让梨树少结果，而是根据每棵树自身的“供养能力”，科学确定最适宜的果实负载。系列研究从最适叶果比这一生理基础出发，进一步利用数字化技术解决整树叶片数量难以快速获取的问题，实现了从“经验疏果”到“标准定量”，再到“单株精准决策”的逐步跨越。相关研究降低了传统叶果比方法在成熟果园中的应用门槛，为数据驱动的梨树精准花果管理提供了新的技术路径，也为苹果、桃等多年生果树合理负载量的数字化调控提供了参考。
本研究由南京农业大学、日本东京大学和新疆农业大学合作完成。南京农业大学园艺学院/三亚研究院陶书田教授牵头开展研究，张帆航博士、王琪博士及前沿交叉研究院许浒、吴庚宸博士生等为主要研究人员，日本东京大学二宫正士教授和南京农业大学前沿交叉研究院穆悦博士参与合作，园艺学院/三亚研究院张绍铃院士为研究提供重要指导。该研究得到新疆维吾尔自治区重大科技专项、江苏省基础研究计划、江苏省农业科技自主创新资金、中国博士后科学基金和国家现代农业（梨）产业技术体系等项目支持。
原文信息：
Zhang F., Xu H., Wu G., et al. Improving pear fruit quality without yield loss through 3D point cloud-based estimation of reasonable fruit load. Plant Phenomics. 2026, 8(3): 100225. DOI: 10.1016/j.plaphe.2026.100225
Zhang F., Wang Q., Li H., et al. Study on the optimal leaf area-to-fruit ratio of pear trees on the basis of bearing branch girdling and machine learning. Plant Phenomics. 2024, 6: 0233. DOI: 10.34133/plantphenomics.0233
10个月宝宝每天需要喝多少奶粉？
