無人機航測估算地上生物量的新表型性狀冠層粗糙度的應用及前景

Plant Phenomics | 冠層粗糙度：一種用于無人機航測估算地上生物量的新表型性狀

太陽輻射能夠改變生物物理參數（如作物的冠層光合作用速率、蒸發(fā)蒸騰量、輻射捕獲量和水分利用效率等），從而對作物的生長產生直接影響。就植物冠層而言，其形態(tài)特征往往與冠層和太陽輻射的相互作用有關。

遙感技術能在作物生長初期對冠層性狀進行無損測量。與人工測量相比，遙感測量顯著提高了數據采集質量，并降低了后期表型鑒定的時間和費用。為了滿足未來幾十年對食物、燃料和纖維制品的需求，很有必要使用性價比高的表型分析方法來促進作物遺傳學研究。因此，近十年來，無人機航測(UAS)技術成為了植物表型分析的重要工具之一。

在數據采集方面，無人機航測系統有許多優(yōu)勢，例如：操控便捷，數據準確性高，時空/輻射分辨率高，能夠克服那些土壤條件不便于人工測量的情況等。而只有使用高度自動化的分析算法，才能夠充分發(fā)掘無人機航測系統在數據采集方面的潛力�？梢灶A見的是，提高育種研究效率的下一個突破將高度依賴于表型分析過程的自動化，從而利用作物全生育期中的基因組和表型信息，將基因型和作物表型相關聯。

近日，Plant Phenomics在線發(fā)表了美國普渡大學Monica Herrero-Huerta等人題為Canopy Roughness: A New Phenotypic Trait to Estimate Aboveground Biomass from Unmanned Aerial System的研究論文。

文章中，作者引入冠層粗糙度作為植物在小區(qū)層面的新性狀。為了測試這種新性狀的可用性，作者使用了無人機航測系統采集到的大豆光學數據，結合該性狀對大豆生物量進行估計，并使用盛花期內108個大豆重組自交系在多環(huán)境下試驗(Figure 2)中得到的面板數據進行驗證。

文章使用搭載緊湊型相機的無人機平臺采集航拍圖像，并使用運動恢復結構(SfM)技術，對試驗中的大豆進行三維重建；之后，采用新開發(fā)的特征提取算法計算大豆點云的冠層粗糙度(Figure 1,3)；最后，使用回歸分析對使用冠層粗糙度計算的地上生物量(AGB)及其實地測量值進行關聯性分析，并進行留一法交叉驗證。

結果表明，試驗中的所有數據在文中介紹的模型內均獲得了大于0.5的決定系數(R2)，證明了冠層粗糙度有望成為在高通量表型分析中用于估計地上生物量的一個可靠性狀。

Figure 1: Schematic overview of the developed pipeline to estimate AGB by the proposed canopy roughness trait by 3D point clouds coming from RGB imagery

Figure 2: Test site locations in Indiana (left) and the setup of the soybean experiment with marked locations of each plot, height bars, and GCPs (right)

Figure 3: Point cloud processing steps for a random plot

論文鏈接

https://spj.sciencemag.org/journals/plantphenomics/2020/6735967/

——推薦閱讀——

Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems

https://spj.sciencemag.org/journals/plantphenomics/2020/9452123/

Plant Phenomics | 對比無人車(UGV)和無人機(UAV)表型系統評估甜菜褐斑病的病害等級

High-Throughput Phenotyping of Dynamic Canopy Traits Associated with Stay-Green in Grain Sorghum

https://spj.sciencemag.org/journals/plantphenomics/2020/4635153/

Plant Phenomics | 高通量表型分析滯綠相關的高粱動態(tài)冠層性狀

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被CABI、CNKI、DOAJ和PMC數據庫收錄。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：王棟（實習）
編輯：周燦彧（實習）、鞠笑、孔敏
審核：尹歡