利用无人机高通量表型(HTP)系统估算番茄产量


发布时间:

2021-03-13

来源:

本站

作者:

PhenoTrait

产量预测和品种选择是评估育种和精确农业生产和绩效的关键组成部分。结合植物的遗传、周围环境和管理条件,通过在整个种植季节对作物表型进行测量,表征品种特性。目前,无人机(UAS)为高效收集高质量图像和生成可靠的表型数据提供了新的机会。本文利用UAS多时相图像的高通量表型分析对番茄产量进行估计。

 

(a) 反射面板的地面照片(5%、12%、33%和52%)和(b)彩色红外(CIR)正射马赛克图像中反射面板的子集图像。

 

在(a)三个种植日期和覆盖地的实验区域中,HTP的地块边界生成的多边形。 (b)白色塑料上的单个多边形的子集,包括具有相同品种和植物中心线(黄线)的四棵单株植物。

 

首先,利用UAS分别每周和每两周采集一次RGB和多光谱图像。然后,从UAS图像估算出整个季节的番茄特征形状,如冠层覆盖、冠层、体积和植被指数。为了从基于UAS的表型数据中提取时间序列特征,利用数学曲线和一阶导数方程拟合作物生长和生长速率曲线。接着,从不同表型的拟合曲线中提取时间序列特征,如最大生长速率、特定事件的天数和持续时间。结果发现,即使使用不同的变量选择方法:所有变量(0.79)、正向选择(0.7)和反向选择(0.77),线性回归模型也会产生较高的值。通过因子分析,找出与高产品种相关的两个显著因子:生长速度和生育期。选择5个时间序列表型作为产量预测模型,解释实际收获中65%的方差。从RGB图像中提取的表型特征在产量预测中起着更为重要的作用。这项研究也表明,成功地选择表现较差的番茄品种是可能的。综上所述,这项研究结果对选育高产抗病虫害品种的育种计划和农场研究有一定的参考价值。

 

ExG进度曲线示例

 

来源:

Chang A, Jung J, Yeom J, et al. Unmanned Aircraft System- (UAS-) Based High-Throughput Phenotyping (HTP) for Tomato Yield Estimation. Journal of Sensors. https://doi.org/10.1155/2021/8875606.

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。