基于无人机表型的中期干旱胁迫下花生农艺及生理性状分析


发布时间:

2023-11-08

来源:

本站

作者:

PhenoTrait

花生是重要的经济作物之一。农业用水需求的增加以及可利用淡水量的降低,干旱胁迫已经成为全世界范围内影响作物生产的最重要的环境因子。花生的农艺性状及生理性状对育种家选择高产、抗逆基因型具有重要意义。

 

本研究评估了基于无人机(Unmanned Aerial Vehicle,UAV )高光谱成像和机器学习(Machine learning,ML )技术预测干旱胁迫下花生3个农艺性状(生物量、荚果数和产量)和2个生理性状(光合作用和气孔导度)的可行性。其核心思想为:1)在结荚期对花生F1群体进行干旱处理;2)在干旱处理14、18和29天收集基于无人机高光谱图像数据;3)利用机器学习和深度学习模型预测农艺性状及生理性状。

 

本研究基于两种方法:第一种方法利用80个窄带植被指数作为集成模型的输入特征,包括支持向量回归、随机森林和多层感知器等;第二种方法利用了每个波段的冠层光谱反射率平均值和标准差,将得到的400个特征用于训练由一维卷积层和MLP回归器组成的深度学习( Deep Learning,DL )模型。结果显示,ML和DP都解释了数据集中50 %的变异,在干旱胁迫后18天达到了整体最佳预测精度。较于两种方法,使用特征输入和DL(R²=0.45~0.73;MAPE=24%~51%),获得的农艺性状预测优于传统ML模型( R²=0.44~0.61, MAPE=27%~59%);集成模型在预测生理性状(R²=0.35 ~0.57;MAPE=37%~70%)上的精度略优于DL模型(R²=0.36~0.52;MAPE= 47%~64%)。

 

本研究评估了基于无人机高光谱成像和ML用于预测花生生物量、荚果数、荚果产量、光合作用速率和气孔导度的可行性,比较了该领域的两种常用方法(DL和特征学习),结果证明了集成模型和DL模型能够利用高光谱图像提取有价值的信息,结合无人机高光谱成像技术与最大似然法具有辅助育种家快速筛选气候适应性花生品系基因型的潜力。

 

图1. 4个打开遮雨棚的试验田航空影像,红色方格表示地块边界

 

表1对测定的农艺性状和生理性状进行统计汇总

 

图2. 干旱14、18和29天的平均冠层光谱反射率加减标准差( SD )

 

图3. 本研究高光谱成像与处理工作流程

 

图4. 深度学习模型架构:( a )模型示意图;( b )详细的DL模型层及其超参数。其中,Conv1D表示一维卷积;FC表示全连接

 

图5. DL 模型在干旱处理14、18和29天生物量、荚数和产量的测试数据上的预测性能

 

图6. 集成模型在干旱处理14、18和29天生物量、荚数和产量的测试数据上的预测性能

 

图7. DL 模型预测干旱处理14,18和29天光合速率和气孔导度的测试数据上的性能

 

图8. 集成模型预测干旱处理14、18和29天光合速率和气孔导度的测试数据上的性能

 

图9. 集成模型中用于( a )光合作用,( b )气孔导度,( c )生物量,( d )荚果数,( e )荚果产量德前10个植被指数

 

图10. DL 模型中用于 ( a )光合作用、( b )气孔导度、( c )生物量、( d )荚果数、( e )荚果产量的波长

 

来 源

Bagherian, K., Bidese-Puhl, R., Bao, Y., Zhang, Q., Sanz-Saez, A., Dang, P. M., Lamb, M. C., & Chen, C. (2023). Phenotyping agronomic and physiological traits in peanut under mid-season drought stress using UAV-based hyperspectral imaging and machine learning. The Plant Phenome Journal, 6, e20081. https://doi.org/10.1002/ppj2.20081

 

编辑

Grape

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。