冠层粗糙度:一种用于无人机航测估算地上生物量的新表型性状


发布时间:

2021-02-02

来源:

本站

作者:

植物表型组学

太阳辐射能够改变生物物理参数(如作物的冠层光合作用速率、蒸发蒸腾量、辐射捕获量和水分利用效率等),从而对作物的生长产生直接影响。就植物冠层而言,其形态特征往往与冠层和太阳辐射的相互作用有关。

 

遥感技术能在作物生长初期对冠层性状进行无损测量。与人工测量相比,遥感测量显著提高了数据采集质量,并降低了后期表型鉴定的时间和费用。为了满足未来几十年对食物、燃料和纤维制品的需求,很有必要使用性价比高的表型分析方法来促进作物遗传学研究。因此,近十年来,无人机航测(UAS)技术成为了植物表型分析的重要工具之一。

 

在数据采集方面,无人机航测系统有许多优势,例如:操控便捷,数据准确性高,时空/辐射分辨率高,能够克服那些土壤条件不便于人工测量的情况等。而只有使用高度自动化的分析算法,才能够充分发掘无人机航测系统在数据采集方面的潜力。可以预见的是,提高育种研究效率的下一个突破将高度依赖于表型分析过程的自动化,从而利用作物全生育期中的基因组和表型信息,将基因型和作物表型相关联。

 

Figure 1: Schematic overview of the developed pipeline to estimate AGB by the proposed canopy roughness trait by 3D point clouds coming from RGB imagery

 

近日,Plant Phenomics在线发表了美国普渡大学Monica Herrero-Huerta等人题为"Canopy Roughness: A New Phenotypic Trait to Estimate Aboveground Biomass from Unmanned Aerial System"的研究论文。文章中,作者引入冠层粗糙度作为植物在小区层面的新性状。为了测试这种新性状的可用性,作者使用了无人机航测系统采集到的大豆光学数据,结合该性状对大豆生物量进行估计,并使用盛花期内108个大豆重组自交系在多环境下试验(Figure 2)中得到的面板数据进行验证。

 

Figure 2: Test site locations in Indiana (left) and the setup of the soybean experiment with marked locations of each plot, height bars, and GCPs (right)

 

文章使用搭载紧凑型相机的无人机平台采集航拍图像,并使用运动恢复结构(SfM)技术,对试验中的大豆进行三维重建;之后,采用新开发的特征提取算法计算大豆点云的冠层粗糙度(Figure 1, 3);最后,使用回归分析对使用冠层粗糙度计算的地上生物量(AGB)及其实地测量值进行关联性分析,并进行留一法交叉验证。

 

Figure 3: Point cloud processing steps for a random plot

 

结果表明,试验中的所有数据在文中介绍的模型内均获得了大于0.5的决定系数(R2),证明了冠层粗糙度有望成为在高通量表型分析中用于估计地上生物量的一个可靠性状。

 

来源:

Herrero-Huerta M, Bucksch A, Puttonen E and Katy M. Rainey. Canopy Roughness: A New Phenotypic Trait to Estimate Aboveground Biomass from Unmanned Aerial System. Plant Phenomics. https://doi.org/10.34133/2020/6735967.

 

 

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。