学术中心
基于轻型无人机和点云深度学习的大豆估产与倒伏判别
发布时间:
2025-05-20
来源:
作者:
背景:在当前气候变化背景下,如何通过调控根系来提高作物表现引起了广泛关注。然而,根系研究面临着一个重大挑战,即如何准确可视化根系系统,尤其是在自然环境中(如土壤中)生长的根系。科学家们常常采用琼脂或纸基试验,这些方法提供了非自然的生长介质,并且根系通常暴露在光照下。其他方法包括根视窗(rhizotrons)或X射线计算机断层扫描,但这些技术需要专业且昂贵的设备,对于受气候变化影响最大的发展中国家来说难以获取。另一种选择是挖掘根系,但这种方法耗时且几乎无法避免对根系造成一定程度的损伤。因此,开发新的、经济实惠且可靠的根系表型分析方法势在必行。
表1 研究中使用的生菜品种,展示了品种名称、登录号以及园艺类型
图1 Rootrainer的设置示意图
(a)展开的Rootrainer;(b)将Rootrainer对折,并在每一行粘上一个楔形物(紫色),以补偿Rootrainer顶部比底部更宽的问题,确保倾斜角度一致。在单元格中填充基质,湿润基质并播种;(c)将Rootrainer排列在盒子中(每个盒子包含6行Rootrainer),并通过放置在木质支架(橙色)上将盒子倾斜至45度,它们被放置在补光灯下;(d)在每个固定的时间点,打开Rootrainer并观察根系。
表2 植物生长过程中所经历的条件
图2:总根长的测定
使用FIJI软件中的SmartRoot插件对根系图像进行分析。首先,将图像转换为RGB(红、绿、蓝)堆栈,并选择蓝色通道。然后,将图像反转并在SmartRoot中打开。设置比例尺,并逐根追踪每一条根系。将每根根系的长度提取到数据文件中,并将属于同一植株的所有根系长度相加,得到总根长。
图3 总叶面积的测定
(a)根据标尺设置图像比例尺;使用图像的绿色通道,并应用滤镜以平滑背景;(b)裁剪出一株植物的叶片进行分析;(c)对图像进行阈值处理;(d)根据阈值处理后的图像创建掩膜,去除任何小于1mm的颗粒;然后对掩膜图像进行总结,得到总面积。该分析在FIJI软件中完成,每个阶段对应的代码显示在图像的右侧。
图4 研究中部分根系在不同时间点的生长情况,DAG:发芽后天数。
图5 实验过程中选定的一行根蘖苗的质量变化,作为基质含水量的指示
图6 播种时胚根的初始长度与5 DAG时的生根深度和5 DAG时的总根长
回归直线以黑色表示,具有皮尔逊系数(R)和p值;数据点根据生菜品种进行着色(见图例);DAG:发芽后天数。
图7 (a)各品种在发芽后5天、7天和9天(DAG)的平均根系深度
误差条表示±一个标准差,字母表示显著性分组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。
图8 (a)每个生菜品种在发芽后5,7,9,12和16天(DAG)的平均总根长。误差棒为±1个标准差;字母表示显著组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。
图9 (a)不同品种生菜11天的平均生长率(DAG5 ~ 16),均值用×表示,字母表示显著组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。
图10 各生菜品种根系性状的比较,通过行列进行可视化
排名越高分别表示根系更深、更长或生长更快。
图11 总根长与发芽后16天(DAG)总叶面积的关系
回归线以黑色显示,并标注了皮尔逊系数(R)和p值,数据点颜色表示生菜品种(见图例)。
Wharton C, Beacham A, Gifford ML, Monaghan J. Rootrainertrons: a novel root phenotyping method used to identify genotypic variation in lettuce rooting. Plant Methods. 2025;21(1):29. Published 2025 Mar 2.
编辑
郑静文
推荐新闻
视频展示