Plant Phenomics | 基于高光谱遥感的大豆和花菜豆生理干旱响应的表型研究

欧亚国际

欢迎您来到欧亚国际科技官方网站!

土壤仪器电话

010-82794912

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 | 基于高光谱遥感的大豆和花菜豆生理干旱响应的表型研究

发表时间:2023-02-17 09:21:22点击:601

来源:植物表型组学

分享:

1676596726122398.png

1676596740404363.png

豆科植物通常生长在降雨和灌溉有限的地区,因此培育豆科植物是为了进一步增强耐旱性,进而培育出产量更高、耐力更强以及水分利用效率更高的优势品种。高通量的表型监测工具能够快速筛选出基因与环境互作条件下的作物生理生化特征,加快育种效率。高光谱反射率对于色素、含水量以及叶片和冠层的结构变化的敏感性高,能够捕捉到植物生理结构的细微变化,及时反映出作物的干旱响应,从而评估不同基因型的豆科植物水分状况。

2023年1月,Plant Phenomics在线发表了University of California等单位题为Hyperspectral remote sensing for phenotyping the physiological drought response of common and tepary bean 的研究论文。

本研究基于高光谱反射率数据和偏最小二乘回归(PLSR)模型评估了16种不同耐旱性的大豆基因型子集的植物水分状况和干旱响应。采用来自地面手持仪器和塔基的高光谱数据建立正午的气孔导度以及黎明前和正午的叶片水势预测模型。对于基于地面的PLSR,分别利用可见光和近红外波段(GroundVISNIR)建模以及全光谱波段(GroundFullrange)进行建模;并且模型定标和模型验证分别占70% 和30%。与塔基相比,基于地面的PLSR模型在所有三个特征上表现更好。根据预测特征的不同,GroundVISNIR和GroundFullrange的性能都有显著差异,这表明全光谱(400-2400 nm)不一定能改善预测。GroundVISNIR模型在黎明前水势方面表现更好(图3b),而GroundFullrange模型在正午叶片水势方面表现更好(图3c)。两种模型对气孔导度的表现相似(图3a)。


1676596757208531.png

图3 (a) 午间气孔导度(gs),(b) 黎明前叶片水势(LWP),(c) 午间气孔导度(灰色)

热力图展示了根据观察到的生理特征(图4a - c)和PLSR预测的生理特征(图4d - f),对每个基因型的干旱反应(相对于对照处理的干旱)进行表型分析。其中负值越多,说明干旱处理相对于对照处理的减少幅度越大,因此接近零的相对百分比差异表示最小的干旱反应,表明该基因型具有较高的耐受性。气孔导度、黎明前叶片水势和冠层体积在相对百分比差异上表现出最大的基因型变异。PLSR模型热力图显示气孔导度具有最大的相对百分比差异的基因型变异,其次是黎明前叶片水势(图4e, f)。

1676596780637224.png

图4 热力图显示在不同基因型(紫色:普通豆;绿色:花菜豆)、植物生理以及田块下干旱响应的相对百分比差异。(a - c) 为实测性状,(d - f) 为地面高光谱数据的PLSR模型预测性状。气孔导度(gs)下标表示一天中的时间。黑色单元格表示不可用数据。

研究结果表明,高光谱数据和PLSR模型可以用于识别耐旱物种和基因型的一系列性状的表型分析。

论文链接:

‍http://doi.org/10.34133/plantphenomics.0021

——推荐阅读——

Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum

http://doi.org/10.34133/2022/9768502

Plant Phenomics | 利用高通量冠层高光谱遥感预测高粱的光合参数

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。

1675328342620488.png

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。科睿唯安JCR2021影响因子为6.961,位于农艺学、植物科学,遥感一区。中科院农艺学、植物科学一区,遥感二区,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。

撰稿:董明霞(南京农业大学)

排版:张婕(南京农业大学)

审核:孔敏、王平

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报
欧亚国际