开发能够在盐水条件下成功生长的面包小麦新品种已成为植物育种家的紧迫任务。高通量表型工具对于这项任务至关重要。近端遥感作为一种快速、经济、非侵入性的工具在育种项目中越来越受欢迎，可以评估大型基因库中的冠层结构和生理性状。目前对RGB和热成像相结合评价不同小麦基因型耐盐性的有效性研究较少。本研究旨在评价利用热红外和RGB图像获取的多个指标与人工神经网络(artificial neural networks，ANN)相结合评估18个重组自交系(recombinant inbred Lines，RILs)及其3个亲本在盐水(150 mM NaCl)灌溉条件下相对含水量(relative water content，RWC)、叶绿素a (chlorophyll a，Chla)、叶绿素b (chlorophyll b，Chlb)、总叶绿素(total chlorophyll，Chlt)和植株干重(plant dry weight，PDW)的有效性。结果表明，各基因型间各性状指标差异显著。归一化相对冠层温度(normalized relative canopy temperature，NRCT)指数与RWC、Chla、Chlb、Chlt和PDW呈较强的相关性，R2分别为0.50 ~ 0.73、0.53 ~ 0.76、0.68 ~ 0.84、0.68 ~ 0.84和0.52 ~ 0.76。多个RGB指数与被测性状之间存在较强的相关关系，R2值最高可达0.70。可见光大气抗性指数(visible atmospherically resistant index，VARI)与NRCT、RWC、Chla、Chlb、Chlt和PDW呈显著相关，R2值在0.49 ~ 0.62之间。不同的人工神经网络模型对NRCT和其他测量性状的预测精度较高，训练数据集中的R2值在0.62 ~ 0.90之间，交叉验证数据集中的R2值在0.46 ~ 0.68之间。因此，研究表明，将高通量数字图像工具与人工神经网络模型相结合，可以有效且无创地评估育种计划中大量小麦基因型的耐盐性。

图1  试验研究站2019-2020年和2020-2021年两个季节小麦生育期12 - 4月的月平均气候资料。

图2  盐渍灌溉系统及基因型田间试验综述。

图3  用于植被提取的图像处理流程。

图4  通过相对含水量(RWC)、叶绿素a (Chla)、叶绿素b (Chlb)、总叶绿素(Chlt)和干重(DW)间接量化小麦标准化相对冠层温度(NRCT)的方法概述流程图。

图5  盐度条件下测定的破坏性性状的基因型变异。

图6 标准化相对冠层温度(NRCT)与小麦基因型各季节和跨季节相对含水量(RWC)、叶绿素a (Chla)、叶绿素b (Chlb)、总叶绿素(Chlt)和植株干重(DW)的关系。

图7  盐度条件下(a)第一季、(b)第二季和(c)两季小麦基因型各RGB指数与标准化相对冠层温度(NRCT)、相对含水量(RWC)、叶绿素a (Chla)、叶绿素b (Chlb)、总叶绿素(Chlt)和干重(DW)线性回归的决定系数(R2)。

图8  建立了小麦基因型标准化相对冠层温度(NRCT)、相对含水量(RWC)、叶绿素a (Chla)、叶绿素b (Chlb)、总叶绿素(Chlt)和干重(DW)的神经网络图。