利用近端成像光谱在器官尺度上量化水稻小穗腐病严重程度


发布时间:

2023-02-09

来源:

植物表型资讯

作者:

PhenoTrait

小穗病害对作物生产构成严重威胁,作物保护需要及时评估疾病严重程度(DS)。然而,大多数研究只调查了作物生长过程中短时间内的小穗病。很少有人研究过不同生长阶段DS监测准确性的一致性。本研究旨在研究不同生长阶段光谱反应的差异,并开发一个光谱指数(SI),即水稻小穗腐烂指数(RSRI),用于水稻小穗腐烂病的多阶段监测。在抽穗期、开花期和籽粒灌浆期,对具有不同程度DS的小穗近端高光谱图像进行了收集。反射率与从同时进行的高分辨率RGB图像中提取的DS有关。与现有SI相比,对所提出的RSRI进行了DS估计和跨生长阶段的病变可视化评估。结果表明,在绿色和近红外区域,灌浆期对DS的光谱反应比花期的反应要弱,而蓝色波段在早期感染的DS定量中是必要的。与其他SIs相比,基于RSRI的模型表现出最佳的验证精度,并且在不同的生长阶段表现出最一致的性能(抽穗期:R2 = 0.65;开花期:R2 = 0.84;灌浆期:R2 = 0.78)。此外,基于RSRI的DS图对轻微、轻度和严重感染的小穗表现出最好的病害识别能力。无论小穗成熟效果如何,RSRI作为一种新的DS估计指标,在育种和作物保护方面都是有前途的。
 

图1  2019年4个品种(V1: Wuyungen 23, V2: Wuyungeng 24, V3: Wuyungeng 7, V4: Nangeng 44) 和2020年4个品种 (V1: Yangnong 1, V2: Nanggeng 9108, V3: Nangeng 5055, V4: Huaidao 5)的试验区设置图。

 

图2 阳光条件下获取水稻小穗RGB和高光谱图像的实验装置。

 

图3 RSRI开发、DS量化和DS制图的技术流程图(A数据预处理,B DS参考提取,C 指数构建,D 建模和制图)。

 

图4 不同生长阶段(绿色:抽穗期,蓝色:开花期,红色:灌浆期)在450至800 nm波长下疾病严重程度(DS)和反射率之间的斯皮尔曼相关系数。灰色和白色背景分别表示负相关和正相关。黑色垂直线对应于每个灰色或白色相关域中的最大系数(顶行:抽穗期,中间行:开花期,底行:灌浆期)。

 

图5 不同生长阶段(A抽穗期、B花期、C灌浆期)的水稻小穗腐烂病(RSRD)严重程度的反射光谱。由于在早期感染阶段允许的检查水平较低,(A)中的DS范围较窄。

 

图6 DS和SIs与回归线和R2值之间的关系。绿色、蓝色和红色方块分别代表抽穗期、开花期和灌浆期的样品。

 

图7 DS和SIs与回归线和R2值之间的关系。绿色、蓝色和红色方块分别代表抽穗期、开花期和灌浆期的样品。

 

图8 在抽穗期(左列)、开花期(中列)和灌浆期(右列),使用基于SI的模型,测量和估计疾病严重程度(DS)的散点图。

 

图9 RSRI和现有SI在DS(病害严重程度)量化中不同阶段的校准精度(R2)、验证精度(R2)、RMSE和偏差的比较(左栏:抽穗期,中栏:开花期,右栏:灌浆期)。

 

图10 三个独立的小穗样品(A为轻微感染的小穗,B为轻度感染的小穗,C为严重感染的小穗)的RGB图像,病变分布参考,以及从RSRI和现有SIs得出的DS图。

 

图11 A 代表不同RSRD严重程度的三个小穗在花期的反射光谱。B代表分别在抽穗、开花和灌浆阶段独立于本研究的三个健康水稻小穗的反射光谱。

 

图12 三个生长阶段的DS–RSRI关系与模拟的A Airphen和B RedEdge MX数据。绿色、蓝色和红色方块分别代表抽穗期、开花期和灌浆期的样品。RSRI是通过参考Airphen或RedEdge MX的带宽和中心波长,根据高光谱立方体模拟的多光谱反射率计算的。对于每个传感器,454nm、675nm和740nm波段被蓝色、红色和近红外波段取代。

 

图13 根据多光谱数据(A–C Airphen相机,D–F RedEdge MX相机)得出的基于RSRI的模型,对抽穗(A,D)、开花(B,E)和灌浆(C,F)阶段的测量和估计量化DS(疾病严重程度)的散点图。

 

 

来 源

Xue B, Tian L, Wang Z, et al. Quantification of rice spikelet rot disease severity at organ scale with proximal imaging spectroscopy[J]. Precision Agriculture, 2023: 1-23.

https://doi.org/10.1007/s11119-022-09987-z

 

编辑

小王博士在努力

 

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。