近端传感在紫花苜蓿发育曲线建模和遗传参数估计中的应用


发布时间:

2022-12-06

来源:

植物表型资讯

作者:

PhenoTrait

利用配备多光谱相机的无人飞行器(Unoccupied aerial vehicle,UAV)采集的营养指数(Vegetative indices,VIs)可用于研究苜蓿在每个生长周期的生长发育。随机回归模型非常适合拟合纵向表型,如随着时间的推移收集的VIs,使用协方差函数估计生长曲线。利用这些功能,可以估计生长随时间的遗传变异,并评估VIs与饲草产量和品质等最终使用性状之间的关系。


本项目的主要目的是(1)利用航空高通量表型分析来预测育种材料的性能和遗传价值;(2)拟合纵向随机回归模型来估计基因型特异性生长曲线和估计关键生长参数的遗传力。采用单变量和多变量模型估算2020和2021年Helfer苜蓿试验图像特征的遗传力。苜蓿不同影像特征的遗传力在0 ~ 0.78之间。初步结果表明,如图1,2020年位于伊萨卡州Helfer的试验第1、2和3个切割的绿色NDVI与生物量产量的相关性最强(0.4053、0.7875和0.6779),其次是红边NDVI与生物量产量的相关性(0.417、0.7898和0.6417),而2021年红边NDVI与生物量产量的遗传相关性最强(0.76、0.74和0.66),其次是绿色NDVI与生物量产量(0.75,0.76和0.60)用于第一、第二和第三次切割。在2020年和2021年,当成像日与收获日天数的差异较小时,多光谱成像得出的表型指标与产量的相关性最强。NDVI与生物量产量的遗传相关性在最接近采收期的成像时间点最强,在生长季最早的成像时间点最弱,如图2。三阶Legendre多项式的随机回归模型收敛性好,能够将大部分分割的高产(上10%)和高产(下10%)区分离出来(图3和图4)。目前正在评估包含其他环境试验的勒让德多项式随机回归模型,以了解这些模型拟合多个时间点VIs的潜力。随机回归模型收敛于大多数时间点,显示出与生长发育相关的遗传参数建模的潜力。   

 

图1 (a)显示绿色归一化植被指数差(Green normalized difference vegetation indices,GNDVI)、归一化植被指数(Normalized difference vegetation indices,NDVI)、归一化绿红差异指数(Normalized green-red difference index,NGRDI )、三角绿色指数(Triangular greenness index,TGI)和可见大气阻力指数(Visible atmospherically resistant index,VARI)遗传力的箱线图。(b)2020年和2021年GNDVI、NDRE、NDVI、NIR和VARI与生物量产量的相关性红、绿、蓝三色线分别表示第一、第二、第三次切割。     

 

图2 显示不同成像时间点NDVI遗传相关性的热图(转换为生长度日(GDD)与生物量产量)。 

 

图3 36个基因型在第一、第二和第三切割(2020)和第四、第五切割的生长曲线,使用三阶Legendre多项式随机回归模型计算的NDVI育种值。x轴为生长度天数(GDD), y轴为育种值。高产基因型的上十分位和低产基因型的下十分位分别用蓝色和红色表示。

    

图4 36个基因型在第一、第二和第三切割(2020年)和第四、第五切割期间的生长曲线,使用三阶Legendre多项式随机回归模型计算cNDVI(Cumulative NDVI,累积NDVI)育种值。x轴为生长度天数(GDD), y轴为育种值。高产基因型的上十分位和低产基因型的下十分位分别用蓝色和红色表示。

 

来 源

Thapa, Ranjita & Santantonio, Nicholas & Morales, Nicolas & Hansen, Julie & Wickes-Do, Liam & Ray, Ian & Pierce, Christopher & Gore, Michael & Moore, Virginia & Robbins, Kelly. (2022). Proximal Sensing for modeling development curves and genetic parameter estimation in alfalfa. 10.22541/au.166672608.83367867/v1.


编 辑

王春颖

 

扩展阅读

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。