大麥（Hordeum vulgareL.）是全球廣泛種植的冷季作物，在動物飼料和食品工業中用途廣泛。然而，大麥對干旱脅迫高度敏感，在灌溉條件下產量顯著更高。大麥基因型主要分為二棱和大棱兩類，其中二棱大麥主要用于釀造和食品工業。在育種計劃中，開發高產、優質、能抵抗生物和非生物脅迫的穩定基因型是核心目標。干旱脅迫是影響大麥產量的主要非生物脅迫之一。研究發現，在開花早期施用碘化鉀（PI）可以有效地模擬干旱脅迫條件，為在正常生長條件下進行耐旱性篩選提供了實用工具。PI作為一種化學干燥劑，通過增強細胞失水、引發氧化應激和激活抗氧化防御系統（如過氧化氫酶CAT活性增加）等方式，模擬真實干旱脅迫下的生理反應。

本研究在2020–2021和2021–2022生長季于埃斯基謝希爾奧斯曼加齊大學農學院試驗田進行。試驗地點氣候干旱至半干旱。土壤分析顯示其含有13.5% CaCO₃，pH為7.14。研究選用四個二棱大麥基因型：Tarm 92、?nce、ünver和Burakbey。所有基因型均為二棱、有芒、長穗、白色籽粒，并對倒伏、殼針孢、黑穗病、黃銹病具有抗性。試驗設置三種處理：灌溉、自然干旱以及PI誘導的模擬干旱脅迫。PI在芒抽出三分之一時以0.5%的濃度全株噴施。測量指標包括種子產量、每穗粒數（SNS）、每穗粒重（SWS）、千粒重（TSW）、容重（TW）、蛋白質含量（PC）、微沉降值（MS）、葉綠素含量（SPAD、Chl a、Chl b）、脯氨酸以及過氧化氫酶（CAT）活性。數據分析采用JMP 7、SPSS 26和Minitab 17軟件，包括方差分析（ANOVA）、主成分分析-雙標圖（PCA-Biplot）、決策樹以及嶺回歸（Ridge Regression）人工智能模型。

方差分析表明，灌溉、干旱和PI處理對所研究性狀的影響均達極顯著水平。年份間、基因型間以及處理與基因型互作對多數性狀也有顯著或極顯著影響。三重交互（年份×處理×基因型）僅對SNS和CAT活性有顯著影響。

在平均表現上，灌溉處理獲得了最高的種子產量（5.33 t ha^-1），而PI處理產量最低（3.15 t ha^-1）。自然干旱處理的產量（3.92 t ha^-1）與PI處理相近，證實PI有效模擬了干旱條件。灌溉條件下，除PC、MS、脯氨酸和CAT外，其他所有性狀均表現更優。在基因型中，Tarm 92的產量最高（4.63 t ha^-1），ünver最低（3.83 t ha^-1）。PI處理導致了最高的PC（14.06%）、MS（16.42 mL）、脯氨酸（152.31 g kg^-1）和CAT活性（433.38）。

關于脅迫敏感性指數，在干旱條件下，Burakbey的種子產量敏感性指數（SI Drought）最低（0.90），表明其耐旱性最強。在PI脅迫下，ünver和Burakbey對種子產量的敏感性指數（SI PI）最低（均為0.94），表現出更高的耐受性。干旱嚴重度（DS）分析顯示，PI脅迫對大多數性狀的脅迫強度值高于自然干旱，例如種子產量的DS值在PI下為0.43，而在干旱下為0.26。

PCA-Biplot分析將影響種子產量的因素濃縮到兩個主成分（累計貢獻率89.8%）。分析確定SWS、SNS、TW、SPAD、Chl a和Chl b是影響種子產量的關鍵產量構成因素。分析還表明，灌溉條件下的產量構成更穩定且更高；Tarm 92在所有環境和年份中都是最穩定和高產的基因型。

決策樹分析顯示，葉綠素b（Chl b）是影響種子產量的最關鍵因素。當Chl b高于27.990 μg mL^-1時，預測產量較高（5.261 t ha^-1），反之則產量較低（3.806 t ha^-1）。在Chl b較高的分支中，SWS、CAT、PC、脯氨酸和TW等性狀依次成為次級決定因素。這表明光合效率、形態和生化變量共同影響種子產量。

嶺回歸模型在預測種子產量方面表現出色，確定系數（R²）為0.739，平均絕對誤差（MAE）為0.754。模型比較顯示，嶺回歸性能優于Lasso、ElasticNet等多種模型。

因素重要性分析顯示，處理（灌溉、干旱、PI）對產量預測的影響最大（55.4%），其次是基因型（36.2%），年份的影響最小（8.3%）。在具體的產量構成因素中，對種子產量影響的重要性排序為：Chl b、Chl a、SNS、SWS和TW。

大麥產量和品質受水分供應和脅迫強度的強烈調控。灌溉通過優化光合能力和源-庫關系實現最高產量。干旱和PI脅迫則通過降低光合色素、破壞同化物分配來限制產量。PI處理引起生理生化改變，如干擾光合電子傳遞、增加活性氧（ROS）產生、激活抗氧化酶（如CAT），從而有效模擬干旱脅迫反應。基因型差異明顯，Tarm 92在不同環境中均表現出高而穩定的產量，顯示出強大的農藝潛力；而ünver在干旱和PI條件下表現出更高的生理生化脅迫耐受性，如其脯氨酸積累和CAT活性更強。

PCA-Biplot分析直觀地展示了變量與樣本之間的關系。分析證實灌溉條件下的產量構成更優，PI處理能成功代表干旱條件，但其結果通常比自然干旱更差。基因型表現排序為Tarm 92 > ?nce > ünver > Burakbey，其中Tarm 92綜合表現最佳。

決策樹分析有效可視化了復雜產量構成因素之間的相互作用。Chl b被反復確定為決定性因素，表明光合效率與產量直接相關。在特定條件下，PC和MS等品質參數也會作為增產因素出現，說明植物在不同脅迫下通過多種方式平衡產量。

該混合人工智能模型成功預測了大麥種子產量，強調了管理措施（處理）相對于遺傳因素和時間變化對產量的主導影響。這為在多變氣候和有限資源環境下，通過農藝管理（如精準灌溉）優化表型表達和產量穩定性提供了依據。

本研究證明，大麥的產量、品質及生理生化性狀受水分可用性、脅迫強度和基因型特異性反應的強烈調控。灌溉條件能優化光合能力與種子灌漿，從而獲得最高產量。干旱和PI處理均會因光合作用下降、同化物分配受阻而導致顯著減產。PI處理在引起產量下降、脯氨酸積累和CAT活性升高方面與自然干旱高度相似，證實其是模擬干旱誘導的氧化和代謝脅迫反應的可信工具。基因型差異顯著：Tarm 92具有高產穩產潛力；ünver則表現出更強的脅迫生理耐受性。綜合多變量和機器學習分析一致確定，葉綠素b（Chl b）、葉綠素a（Chl a）、每穗粒數（SNS）、每穗粒重（SWS）和容重（TW）是影響種子產量的最關鍵因素，凸顯了光合效率和生物量分配在產量形成中的核心作用。本研究為在脅迫易發和氣候多變的生產環境中培育高產、抗逆的大麥基因型提供了有價值的生理學、農藝學和方法學見解。