欧亚国际

农作物产量可以用收获指数（HI harvest index）和地上部生物量（AGB above-ground biomass）表示。其中，收获指数反映了作物群体光合同化物转化为经济产品的能力，在上世纪，随着作物新品种的定向选育和栽培措施的不断，收获指数已稳定在0.5左右。如今，通过改变内部遗传基因或遗传机制进而改变作物生长率（CGR crop growth rate）来提高作物产量潜力被认为是较有效的手段之一。作物生长率的传统测定方法是通过地上部生物量计算获到，然而，地上部生物量的测定是破坏性取样，存在费时、费力和重复性差等缺点。因此，无损的、高通量的和重复性高的地上部生物量和作物生长率测定方法的研究将有利于加快小麦品质改良，推动小麦育种的研究进程。近几年遥感技术的出现为无损且高通量地评估粮食潜在产量提供了可能，例如，人们已经利用LIDAR对单一基因型的作物冠层密度变化进行了评估。

2020年5月26日，Plant Phenomics 刊发了题为Ground-Based LiDAR Improves Phenotypic Repeatability of Above-Ground Biomass and Crop Growth Rate in Wheat 的研究论文，本文介绍了一种基于地面激光雷达技术的小麦地上部生物量（above-ground biomass，AGB）和生长率（crop growth rate，CGR）等表型特征的重复性检测方法研究。

本研究开发了一种基于地面激光LiDAR的小麦表型信息检测方法，通过三个独立的大田试验，利用地面激光LIDAR技术对拔节期到开花期的98个不同基因型小麦的冠层表型信息进行获取，即对3D体素参数（3DVI）和3D轮廓参数（3DPI）两个表型参数进行提取，用以评估小麦的地上部生物量和生长率，本方法与传统的破坏性AGB测定方法进行了重复性比较。我们通过较佳线性无偏预测（BLUP）方法进行了相关性分析发现（Figure1），在其中两个试验田（GES15和Yan17）的大部分离散试验中，3DVI和3DPI与传统的破坏性方法获得的AGB有显著相关性，相关系数范围为0.31（P < 0:05）到0.86（P < 0:0001），这为此方法替代传统的AGB测定方法提供了数据支撑。

Figure 1: Phenotypic correlations, at individual sampling events, of the best linear unbiased predictors of genotype effects (BLUPs) for the three experiments.

Figure 2: Repeatability estimates from the (a) GES15 and (b) Yan17 experiments for individual sampling events of above-ground biomass (AGB), green area index (GAI) (Yan17 only), leaf area index (LAI), the two LiDAR biomass indices (3D vegetation index (3DVI) and 3D profile index (3DPI)), normalized difference vegetation index (NDVI) (Yan17 only), and crop height derived from the LiDAR.

为了进一步验证此方法的重复性，我们对该方法采集的GES15和Yan17试验田的数据与传统的AGB采集方法的得到的数据进行了重复性检验（Figure 2）。结果表明（i）该方法对小麦生物量参数测定的重复性不低于且通常高于传统的AGB测定方法，特别是在相对含水量较低的试验环境下，优势较显著。（ii）除了在相对干旱的环境下，运用地面激光LidAR技术获取的CGR表型信息重复性均高于传统的测定方法。简而言之，无论是在离散事件中，还是在计算CGR时，基于地面激光LidAR技术的测定方法的重复性均高于传统的测定方法（除了在干旱环境下的3DPI的重复性较低）。众所周知，重复性的评估是验证表型检测方法在植物育种中有潜在效用的重要一步:可重复性越高，我们可获得遗传增益的机会就越大。本研究则为基于地面激光雷达的表型检测方法在小麦育种上的应用提供了理论依据，了小麦优质品种的筛选和培育技术发展，也对其他农作物的表型检测方法的研究有重要参考价值。

How to Cite this Article

David M. Deery, Greg J. Rebetzke, Jose A. Jimenez-Berni, et al., “Ground-Based LiDAR Improves Phenotypic Repeatability of Above-Ground Biomass and Crop Growth Rate in Wheat,” Plant Phenomics, vol. 2020, Article ID 8329798, 11 pages, 2020.

——推荐阅读——

Nondestructive 3D Image Analysis Pipeline to Extract Rice Grain Traits Using X-Ray Computed Tomography

Plant Phenomics | 一种基于CT成像的水稻3D稻穗图像分析和谷粒性状无损测量技术

Computing on Phenotypic Descriptions for Candidate Gene Discovery and Crop Improvement

Plant Phenomics  | 候选基因发现和作物改良表型描述的计算