Plant Phenomics | 無(wú)人機(jī)高光譜影像在玉米自交系作物性狀估算中的應(yīng)用

傳統(tǒng)的作物表型分析費(fèi)時(shí)費(fèi)力，效率較低，不能滿足作物育種高通量篩選的需要。近年來(lái)，無(wú)人機(jī)及傳感器的快速發(fā)展為作物育種提供了新方法。在作物育種中，品種間的表型性狀差異較小，數(shù)碼和多光譜圖像不足以反映材料間的差異。無(wú)人機(jī)高光譜圖像在捕捉細(xì)微特征信息方面具有獨(dú)特的優(yōu)勢(shì)，有望準(zhǔn)確估計(jì)育種材料間的相似性狀。目前，將無(wú)人機(jī)高光譜圖像應(yīng)用于數(shù)百種育種材料的報(bào)道很少。

近日，Plant Phenomics在線發(fā)表了中國(guó)農(nóng)業(yè)大學(xué)數(shù)字農(nóng)業(yè)研究團(tuán)隊(duì)題為The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines的研究論文。

本研究利用連續(xù)投影(SPA)和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)(CARS)2種變量篩選方法和偏最小二乘(PLS)和隨機(jī)森林(RF)2種回歸模型，分析無(wú)人機(jī)高光譜圖像在小區(qū)水平上高通量的估計(jì)玉米自交系表型性狀的潛力。

研究表明，采用無(wú)人機(jī)高光譜圖像估算玉米地上部生物量(AGB)、葉面積總量(TLA)、SPAD值和千粒重(TWK)具有可行性，并確定了各自的最優(yōu)估算模型。對(duì)于 AGB、TLA 和SPAD, 最優(yōu)組合是CARS-PLS，而TWK的最優(yōu)組合是CARS-RF。研究結(jié)果對(duì)采用無(wú)人機(jī)高光譜圖像在小區(qū)水平上估算玉米自交系主要性狀具有指導(dǎo)意義和應(yīng)用價(jià)值。

圖2 無(wú)人機(jī)高光譜成像系統(tǒng)

圖4 各參數(shù)與高光譜的相關(guān)性(a)及各參數(shù)之間的相關(guān)性(b)

圖5 基于不同波段組合的地上部生物量反演比較

圖6 基于不同波段組合的葉面積總量反演比較
Figure 6: Total leaf area (TLA) prediction using different band combinations and the PLS or RF model.

圖7 基于不同波段組合的SPAD反演比較
Figure 7: SPAD value prediction using different band combinations and the PLS or RF model.

圖9 基于CARS-RF組合的玉米TWK預(yù)測(cè)結(jié)果。不同材料基因型的箱線圖(a)和產(chǎn)量水平百分比圖(b)
Figure 9: Prediction results of maize TWK based on the optimal combination of the CARS-RF method. Boxplot (a) and percentage chart of the yield levels (b) of different genotypes of materials.

論文第一作者為中國(guó)農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院博士研究生束美艷，論文通訊作者為馬韞韜教授，合作者包括中國(guó)農(nóng)業(yè)大學(xué)的李保國(guó)教授、楊小紅教授，河南農(nóng)業(yè)大學(xué)的湯繼華教授，內(nèi)蒙古生物技術(shù)研究院的王瑞利研究員。該研究得到國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD0300202)、內(nèi)蒙古科技重大(2019ZD024)、成果轉(zhuǎn)化(2019CG093)和科技廳項(xiàng)目(2020GG00038)的支持。

團(tuán)隊(duì)簡(jiǎn)介
中國(guó)農(nóng)業(yè)大學(xué)數(shù)字農(nóng)業(yè)研究團(tuán)隊(duì)主要研究方向?yàn)槎嘣闯叨鹊闹参锕δ?結(jié)構(gòu)-環(huán)境互作的基因型/表型研究。包括植物根/冠生長(zhǎng)與環(huán)境交互的模型研究、植物三維表型與基因型關(guān)聯(lián)分析、基于無(wú)人機(jī)和多源傳感器融合的植物生長(zhǎng)監(jiān)測(cè)。

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2021/9890745/

—推薦閱讀——

lassification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature
https://spj.sciencemag.org/journals/plantphenomics/2021/9765952/
Plant Phenomics | 結(jié)合無(wú)人機(jī)高光譜圖像和倒伏特征構(gòu)建水稻產(chǎn)量類別檢測(cè)模型
Repeated Multiview Imaging for Estimating Seedling Tiller Counts of Wheat Genotypes Using Drones
https://spj.sciencemag.org/journals/plantphenomics/2020/3729715/
Plant Phenomics | 使用無(wú)人機(jī)多視角成像技術(shù)估算小麥幼苗分蘗數(shù)

About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行，是Science合作出版的第二本期刊。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被CABI、CNKI、DOAJ、PMC和Scopus數(shù)據(jù)庫(kù)收錄。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
編輯：周燦彧（實(shí)習(xí)）、鞠笑、孔敏
審核：尹歡