使用GPR衍生的空间协方差结构进行木薯田地产量调整:初步研究


发布时间:

2023-05-12

来源:

植物表型资讯

作者:

PhenoTrait

许多关于地下植物表现的过程还没有被完全理解,例如空间和时间动态以及它们与环境因素的关系。这些空间模式可以用来调整掩盖了田间异质性的木薯鲜根产量估计。木薯产量是每个育种者都希望在他们的种质中保持的重要特征。地面探测雷达(GPR)已被证明是研究植物地下特征的有效工具,但尚未探索其在农业田间试验中规范空间异质性方面的效用。我们在哥伦比亚Momil进行的木薯田间试验中评估了使用GPR进行此目的的方法。利用每个田块的GPR雷达图的信号振幅方差构建了空间地块误差结构,并开发了基于GPR的自回归(AR)模型用于鲜根产量调整。模型的比较是基于最佳线性无偏估计器(BLUE)的平均标准误差(SE),并通过多数投票(MV)对各模型的基因型SE进行比较。研究结果显示,基于GPR的AR模型优于其他模型,得到的SE为9.57,MV得分为88.33%,而AR1×AR1和IID模型的SE为10.15和10.56%,MV得分为17.37和0.00%。研究结果表明,在全球根茎类作物项目中,GPR可以起到非破坏性产量估计和田间空间异质性归一化的双重作用,在许多应用中呈现出巨大的潜力。

 

图1 (左)探地雷达装置;(右)显示天线配对的8个信道的天线配置。

 

图2 GPR雷达图的可视化:(A)A扫描代表在一个给定的发射-接收天线的位置通过一个单一的输出脉冲接收的信号;(B)B扫描代表来自一个天线断面的一系列A扫描脉冲;以及(C)C扫描代表收集的

B-扫描。

 

图3 现场地图。紫色阴影表示试验性检查(对照品种)的位置。蓝绿色和橄榄色显示了不同的重复。

 

图4 显示横断面方向的地块行数。

 

图5 使用8位灰度B扫描的样本场图表示(左)。

 

图6 图行上样品脊上的菲涅耳区(左)。足迹延伸到每个样带中山脊的另一侧(右)。

 

图7 所有8个频道的雷达图。在通道1至7中观察到的时间延迟是近乎均匀的,而在通道8中观察到的时间延迟是一致的,过度的,这可能是由于在其天线对的路径上有一些地面波到达的因素。

 

图8 应用背景校正后8个通道的振幅分布。红色虚线表示每个通道的地表。通道1到7中低于地表的峰值主要是来自木薯根部的反射,而通道8中的峰值是来自宿主土壤介质。

 

图9 邻里关系结构。它显示了一个全局结构,其中大多数地块是相连的。

 

图10 表明VOA的原始值在各领域的行和列的分布。

 

图11 热图显示了在整个复制过程中fyld(左)和VOA(右)的原始值的分布。

 

 
来 源

Agbona A, Montesinos-Lopez O A, Everett M E, et al. Yield Adjustment Using GPR-Derived Spatial Covariance Structure in Cassava Field: A Preliminary Investigation[J]. Remote Sensing, 2023, 15(7): 1771.

 
 

doi: https://doi.org/10.3390/rs15071771

 

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。