品质至上，客户至上，您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 氮肥都去哪儿了？湿地松不同部位氮元素含量差异及其光谱预测方法
发表时间：2022-01-24 09:43:47点击：760
氮肥作为现代三大化肥之首，是人类提高植物产量的法宝。氮是叶绿素的重要组成部分，也是构成作物体内蛋白质和酶的主要成分。当氮素充足时，植物可合成较多的蛋白质，促进细胞的分裂和增长，相关生长代谢和光合作用强烈。然而关于氮在植物体内的分布主要集中在作为光合作用的叶片上，较少关注作为氮吸收和传输的根部和茎部，对于湿地松等高大常绿乔木来说，氮在各组织器官的分布研究就更少了。实际上，高大乔木根皮、树干和枝丫等的生物量远大于叶片，其活跃的韧皮和木质部细胞都是重要的生化代谢场所，研究氮在不同器官的分布有助于理解氮肥的功能区域、氮素代谢循环，为氮肥营养管理提供检测、评价标准。氮在植物体内以各种化合物形态存在，原子吸收光谱法是测定氮元素的经典化学方法，然而其测试费用较高，测定分析时间较长，不适合大规模样品检测分析。近红外光谱高通量快速测定成为生物质中化学元素测定分析最活跃的更新技术措施。
近日，Plant Phenomics在线发表了题为Spectrometric Prediction of Nitrogen Content in Different Tissues of Slash Pine Trees的研究论文。
湿地松原产美国东南部，在我国引种栽培已经100多年。我国现有湿地松面积2200多万亩，仅初级原料松脂产值达20亿元以上，是我国南方重要的速生用材树种和绿色化工原料松脂生产树种，也是优良的松材线虫病抗性树种，木材和生态价值巨大。在我国林业迈入提质增效的十四五阶段，了解湿地松氮的内部循环过程对其培育和管理十分重要。本研究以中国林科院亚热带林业研究所1994年营造的湿地松育种群体为研究对象，在2016年夏季和冬季分别收集湿地松根、树干、树枝的幼嫩韧皮部和针叶，利用传统方法测定其氮的含量，同时收集各样品的近红外光谱数据，建立各部位氮含量和光谱之间的预测模型，并试图采用混合样品建立一个通用的近红外预测模型。
研究显示各组织氮含量高低依次是：根<树枝<针叶<树干，这揭示了大型针叶树种主干树皮担负了丰富的生长代谢功能，其主要收获产品木材和松脂主要合成部位均依赖树皮和木质部之间丰富的活性细胞；针叶作为光合同化作用的场所，叶绿素及其生物蛋白酶中氮的含量也相对较高；树枝可能担负了氮的运输和小型树干功能，氮含量相对较少，根部主要作为氮的吸收、供给器官，其储存的氮最少。
FIGURE 1: The variation of measured N content in different parts of slash pine trees (root, branch, needle, and trunk) in different seasons.
研究人员构建了根、树枝、针叶以及树干的N含量的近红外光谱预测模型，利用多次随机迭代的方式对数据集进行分割，综合评价各组织内数据集建模精度，最终构建的各组织模型平均准确率(R2)在0.42到0.72之间，根部模型最差，树枝最佳。我们也构建了各组织的混合近红外预测模型，模型平均准确率为0.62，结果较为理想，同时，为了减少无效光谱信息对模型的影响，使用显著多元相关算法(sMC)对重要特征变量进行了筛选，筛选出5个对氮的重要特征吸收光谱，主要包括1480、1650、1744、2170和2390 nm。研究结果为快速预测湿地松各组织氮含量以及研究树体氮循环提供了技术基础。
FIGURE 3: Measured and predicted nitrogen content (N) in the needle, trunk, branch, and root tissues and the generic models of slash pines trees using full length of NIR spectra. Error bars: standard deviations of 100 simulated models.
作者及研究团队介绍
第一作者：李彦杰，新西兰坎特伯雷大学博士毕业，主要从事林木表型高通量监测与林木种质资源评价方向研究，坎特伯雷大学最佳毕业生。新西兰农科院从事博士后，获得国家人社部高层次留学人才回国和海外赤子为国服务行动计划等资助。近5年来，发表了19篇 SCI期刊收录论文，获得国家自然基金青年项目1项，1项国家发明专利，主编完全开源免费的“R语言基础与光谱建模”专著1部。
通讯作者：栾启福，林木遗传育种专业，博士，副研究员，主要从事湿地松、火炬松等国外松遗传育种和林木遗传学研究，在南方多个省份建立了育种基地。主持国家和省级自然科学基金面上项目、省级项目等10项，执行国家科技支撑国外松专题任务等10余项。出版专著2部，发表SCI\EI\CSCD 检索论文20余篇，授权国内外专利4个，软件著作权3个，主持制定国家林业行业标准1项，选育、审定国家级/省级林木品种11个，获得浙江省科学技术进步奖二等奖等多项成果奖励。
栾启福博士
论文链接
http://doi.org/10.34133/2022/9892728
——推荐阅读——
Classification of Soybean Pubescence from Multispectral Aerial Imagery
http://doi.org/10.34133/2021/9806201
Plant Phenomics | 基于多光谱航拍图像对大豆茸毛进行分类
The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines
http://doi.org/10.34133/2021/9890745
Plant Phenomics | 无人机高光谱影像在玉米自交系作物性状估算中的应用
加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信，备注姓名+单位+PP，加入作者交流群
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。2021年中科院期刊分区表影响因子5.706，位于农艺学、植物科学两个小类一区，遥感小类二区，生物大类一区（Top期刊）。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
编辑：赵瑜涵（实习）
审核：孔敏、王平
