基于无人机成像的草坪草抗旱品种选育试验


发布时间:

2023-09-03

来源:

本站

作者:

PhenoTrait

本研究评估了无人机成像和地面平台作为抗旱结缕草表型的无损手段,并评估了它们取代草坪草抗旱性评估中常用的主观视觉评级系统的潜力。该研究比较了243个结缕草杂交种和两个市售品种。采用随机完全区组设计,有三个重复。在夏季干旱条件下,通过停止灌溉21天,结缕草受到干旱胁迫。无人机在实验期间进行了12天的数据采集。从12个采样日期获得的无人机图像中确定了近红外、无人机NDVI、叶绿素指数绿色、绿叶指数、土壤调整植被指数、优化土壤调整植被指标和叶面积指数。在每次无人机监测后立即测量视觉草坪质量评级、视觉绿色覆盖率评级、地面NDVI (NDVI- g)和相对叶绿素含量。基于无人机的NDVI、土壤调整植被指数(Soil-adjusted vegetation index, SAVI)和优化土壤调整植被指数(Optimized soil adjusted vegetation index, OSAVI)指数与干旱胁迫下第11、15、18和21天的地面实况数据具有较高的相关性(0.70 ~ 0.86)。结果表明,基于无人机的NDVI、SAVI和OSAVI可以预测干旱胁迫条件下的草坪草质量(Turfgrass quality, TQ) (R2=0.74)和绿化覆盖率(Percent green cover, PGC) (R²=0.63)。在使用地面测量(TQ、NDVI- g和PGC)确定的表现最好的10%的育种品系中,97%与在干旱胁迫下使用基于无人机的NDVI、SAVI和OSAVI指数确定的品系一致。在大规模植物育种应用中,无人机为视觉评分和地面传感器提供了更快速和非主观的替代方案。

 

图1 研究区位于土耳其安塔利亚

 

图2 研究区日平均气温、相对湿度和风速

 

图3 使用无人机和地面测量的数据采集、处理和决策流程图

 

图4 地面点

 

图5 在研究中使用了Inspire 2无人机和近红外相机系统

 

图6 MAPIR相机反射校准,地面目标包,和MAPIR相机控制

 

图7 无人机Mapir调查干旱胁迫处理期间和处理后结缕草样地12个不同日期的RGB和NIR影像。

 

图8 在田间试验中,干旱胁迫21 d下结缕草的草坪草质量(a)、绿化百分比(b)、地面NDVI (c)、无人机NDVI (d)和相对叶绿素含量(e)的箱线图。方框由第25和第75个百分位数分隔;水平线表示中位数。数据为结缕草基因型的平均值,按时间点分组。

 

图9 箱形图表示在田间试验中恢复灌溉后干旱胁迫后恢复期间,结缕草在每个时间点的草坪草质量(a)、绿化百分比(b)、地面NDVI (c)、无人机NDVI (d)和相对叶绿素含量(e)的分布。

 

来 源

Mutlu, S.S., Sönmez, N.K., Çoşlu, M. et al. UAV-based imaging for selection of turfgrass drought resistant cultivars in breeding trials. Euphytica 219, 83 (2023). https://doi.org/10.1007/s10681-023-03211-3

 

编辑

王春颖

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。