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 | 无人机成像技术助力湿地松生物量遗传选择育种
发表时间:2022-04-27 08:53:54点击:1101
湿地松原产于美国东南部,是南方地区重要的人工林树种。湿地松以其在木材和松脂产量上的优势,成为重要的碳汇树种之一,木材和生态价值巨大,重要固碳造林树种的良种化对于提升碳汇能力,实现双碳目标具有重要的生态和经济意义。
近日,Plant Phenomics 在线发表了中国林业科学研究院亚热带林业研究所林木种质资源研究组题为 Enabling Breeding Selection for Biomass in Slash Pine Using UAV-Based Imaging 的研究论文,提出了利用无人机图像技术推动林木常规遗传育种进程,助力湿地松高固碳良种选育。
目前,专门针对湿地松固碳表型数字化育种研究仍较少,林木生物量与其碳汇能力关系密切,而传统林木生物量测量耗时、耗力,在实际林木遗传育种工作中作用较为有限,因此,本研究以重要碳汇树种湿地松为试验材料,以固碳树种良种化提升为出发点,围绕数字化育种,开发和比较了基于无人机RGB成像技术的湿地松外在形态和生物量相关指标的高通量、快速测量方法,使用无人机成像获取的湿地松固碳相关指标进行了遗传参数估算,深度解析了湿地松生物量相关表型的遗传变异规律,并对比了无人机数据与实际测量数据的准确性。结果表明,无人机RGB成像技术能够以最高85%的准确率实现湿地松树高、胸径、冠幅、地上和地下生物量的高通量、快速预测。无人机获取的所有性状取得了与地面实际测量性状相似的遗传增益,所有性状的遗传力(h2)范围在0.13-0.47,遗传差异显著, 本研究成功筛选出优良的湿地松高固碳良种,该研究提出的方法为推动林木从“试验选优”的传统常规育种向“计算选优”智能化育种的转变,缩短育种周期,实现林木遗传育种数字化等方面提供了良好技术支撑。
Figure 1 Workflow used to evalsuate the potential usage of UAV-SfM-based methods to estimate above- and belowground biomass of slash pine breeding plantations at Matou National Forest Farm, Jing County, Xuancheng City, Anhui Province, China
作者介绍
中国林业科学研究院亚热带林业研究所宋钊颖硕士研究生为论文的第一作者,李彦杰助理研究员(aj7105@gmail.com)为论文的通讯作者。李彦杰博士毕业于新西兰坎特伯雷大学,是2018年坎特伯雷大学优秀博士毕业生,目前主要从事林木表型高通量监测与林木种质资源数字化评价研究,入选2019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SCI期刊收录论文20篇,编写《R语言基础与光谱建模》专著1部。
论文链接:
http://doi.org/10.34133/2022/9783785
——推荐阅读——
Qualification of Soybean Responses to Flooding Stress Using UAV-Based Imagery and Deep Learning
http://doi.org/10.34133/2021/9892570
Plant Phenomics | 基于无人机图像和深度学习鉴定大豆对水涝胁迫的响应
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:王平、孔敏