由于可用种子数量较少，通过测量产量本身来准确估计大豆 [Glycine max (L.) Merr.] 子代行（PR）产量潜力具有挑战性。为了获得更精确的表型并控制非遗传变异源，美国的大豆育种者使用次要性状、目测评估、田间空间变异调整、谱系信息和基于无人机系统（UAS）的植物表型；然而，不同 PR 测试程序之间的比较有限。我们在 2018 年从四个大豆育种计划中针对产量和多样性开发的 PR 群体中进行了一项选育实验。然后，我们比较了在 2019 年初步产量试验（PYT）中使用 13 个选择类别选出的品系的表现。不同类别中使用的信息来源包括空间调整性状（SP）、血统信息（PED）、通过航空和地面数字图像测量的植株冠层（CC）、生殖长度（RL）和产量。空间调整性状协变量和冠层覆盖率数据是与PYT较低产量等级和较高产量表现关联度最高的信息来源。最有效的次要性状是通过高通量表型（HTP）平台测量的平均冠层覆盖率（ACC）。我们的选育实验表明，ACC作为次要性状，结合空间变异调整，可以有效地从非重复实验中选择高产品系。基于本研究中考虑的情景，可能通过使用HTP对次要性状进行表型分型并在PR试验中实施空间变异调整来增加选择的收益，这可能有助于提高作物生产力。

图1 印第安纳州（IN）、俄亥俄州（OH）、密歇根州（MI）、伊利诺伊州 A 级（ILA）和伊利诺伊州 B 级（ILB）2019 年初步产量试验（PYT）中各选择类别所选品系的调整产量（千克/公顷）和给定 R8 的调整产量（Yield|R8）分布图。

图2 根据2018年用于子代行（PR）选择的信息来源，2019年初步产量试验（PYT）中产量等级（RANK）、粮食产量（kg/ha-1）（产量）和成熟度调整后的粮食产量（kg/ha-1）（产量|R8）回归模型系数。