密歇根大学研究团队近日发布LeafMachine2机器学习算法，可高效从数字化植物标本馆藏中自动提取叶面积与叶柄宽度等核心性状。该算法由施密特AI科学研究员威廉·韦弗主导开发，其研究成果已纳入英国皇家植物园邱园2026年《世界植物与真菌报告》。团队对逾两万片木本被子植物标本进行批量分析后发现，叶片质量面积比与温度及太阳辐射的相关性显著强于降水变量，证实了热环境对植物形态构建的主导作用。此项技术突破不仅实现了全球尺度植物性状与环境关联的自动化解析，更利用现代植物力学规律建立了可靠的形态代用指标。古植物学者可据此通过化石印痕反演历史气候参数，充分激活了跨越两个世纪的历史标本数据价值。研究指出，数字化工具的深度融合正系统性重塑生物多样性危机的监测与响应范式，为精准定位科研盲区及制定针对性保护策略提供了关键基础设施支撑。