随着测序技术和基因组学的飞速发展，植物遗传学飞速发展，基因型数据海量扩充。大规模可靠表型数据的匮乏已成为解析遗传信息、精准育种及高效栽培管理的一大瓶颈。这对高通量、多环境、多生育期且高可靠性的表型组学研究提出了新的要求。如何结合快速发展的包括激光雷达技术在内的多尺度遥感和智能化数据解析有望为大规模育种、栽培管理和农业生产提供重大的技术支持。

近日，我校前沿交叉研究院作物表型组学交叉研究中心周济实验室，在Plant Physiology中的突破性技术、工具和资源（Breakthrough Technologies, Tools, and Resources）专栏，在线发表了最新的作物表型研究型论文Large-scale field phenotyping using backpack LiDAR and CropQuant-3D to measure structural variation in wheat。

论文结合了背包式激光雷达、三维计算机视觉技术和开源图像分析算法开展了大规模田间小麦表型性状采集，建立了三维表型分析平台CropQuant-3D，进而通过田间获取的氮素响应性状来鉴选不同的氮素高效利用小麦品种。在作物研究中首次使用了背包式激光雷达在大规模田间试验中开展表型采集技术手段，通过开源三维表型分析算法对获取的数以亿计的三维点云进行了自动化分析，量化了不同小麦品种在田间的空间形态特征和相应的关键农艺性状，进而获取了这些性状与产量、氮肥响应之间的联系(Fig.1, 2)。

本研究通过结合离散傅立叶变换(DiscreteFourier Transform)和三维空间特征转换提出了精确测量不同小区内作物高度、解析复杂冠层结构的算法，通过11个小麦品种结合高中低三个施氮水平在总计近1公顷田间试验中验证了算法的稳定性和鲁棒性，解析了表型性状和小麦氮素响应、产量构成因素和小区产量等关键性状的关系(Fig.3)。

Fig.1 The data acquisition procedure using a backpack LiDAR device together withraw point cloud data generated through pre-processing a LiDAR-acquired 3D pointcloud file.

Fig.2 The GUI for CropQuant-3D was designed for processing 3D point cloud filesusing 2D/3D image analysis algorithms and mathematic transformation foranalyzing canopy structural traits in 3D.

Fig.3 The analysis procedure of measuring 3D canopy structure at the plot levelusing 2D CHM images and a 2D DFT, resulting in 3D canopy structural curves forseparating variety responses to different N treatments.

——推荐阅读——

UAS-Based Plant Phenotyping for Research and Breeding Applications 

https://spj.sciencemag.org/journals/plantphenomics/2021/9840192/

Plant Phenomics 综述 | 基于无人驾驶航空器系统的植物表型分析

Automatic Fruit Morphology Phenome and Genetic Analysis: An Application in the Octoploid Strawberry

https://spj.sciencemag.org/journals/plantphenomics/2021/9812910/

Plant Phenomics | 对八倍体草莓形态的自动化表型和遗传分析