气候变化是当前全球面临的一项严重挑战，对粮食生产带来了重大影响。随着气候极端事件的不断增加，我们迫切需要开发适应这些极端环境的作物品种和农业实践模型。尤其值得关注的是，霜冻应激是一种重要但鲜为人知的气候极端事件，它对作物，如小麦，造成了重要的损害。而且，人类日常能量主摄入要依赖于少数几种主要作物，因此，寻找并减少种植这些作物的风险显得至关重要。

2023年10月，Plant Phenomics在线发表了瑞士Institute of Agricultural Sciences等单位题为 Frost Damage Index: The Antipode of Growing Degree Days 的研究论文。

本文的核心内容是开发了一种新的概念，称为“Frost Damage Index”（FDI），该概念类似于“Growing Degree Days”（GDD），用于累积计算冷冻事件的严重性和持续时间，从而定量评估植物的冻害程度（图2）。研究采用了高分辨率图像采集技术，通过监测植物冠层的变化来准确量化冷冻事件引起的叶面积减少。

图1 Canopy Cover（冠层覆盖度）的数据收集和处理工作流程：以2018年和品种Ludwig为例。

图2 Frost Damage Index（FDI）的概念以及与其相关的因素

首先，研究进行了高分辨率图像采集，通过对作物冠层的变化进行时间分辨的记录（图1），以精确监测冷冻事件引起的叶面积减少。接着，研究提出了一个全新的概念，即“Frost Damage Index”（FDI）。为了确定FDI的有效性，研究进行了与育种相关的实验，分析了不同冬小麦基因型对FDI的敏感性，发现FDI与传统的视觉评分方法相关。为了更好地估计FDI，研究还优化了时间滞后（lag）、温度平滑因子（smoothing factor）、基础温度（Tbase）和敏感性因子（s）等关键参数。最后，为了验证FDI的准确性，研究人员采用了视觉评分作为标准来评估冬小麦受冻害的程度。研究发现，FDI可以非常精确地预测冷冻损害，与视觉评分结果之间存在着强烈的正相关性。这表明FDI不仅可以提供一个客观的、可量化的方式来评估冻害，还可以在更短的时间内提供结果，相比传统的视觉评分方法更加高效（图3）。尤其是对于严重的损害事件。这些方法的综合应用使研究人员能够更好地理解和评估冷冻事件对冬小麦等作物的影响，为农业风险管理和育种工作提供了有力工具。

图3 基于Frost Damage Index（FDI）预测的霜冻损害与冠层覆盖下降（ΔCC，每个播种行测量）之间的关系

论文链接：

https://doi.org/10.34133/plantphenomics.‍0104

——推荐阅读——

SPSI: A Novel Composite Index for Estimating Panicle Number in Winter Wheat before Heading from UAV Multispectral Imagery

‍https://doi.org/10.34133/plantphenomics.0087

Plant Phenomics | SPSI：抽穗前估测冬小麦穗数的新型复合指数

Unsupervised Plot-Scale LAI Phenotyping via UAV-Based Imaging, Modelling, and Machine Learning

https://doi.org/10.34133/2022/9768253

Plant Phenomics 精选2022 | 基于无人机成像实现对田间小麦叶面积指数的快速精准估计

加入作者交流群