在田间生产中，作物同时会受到多种胁迫，包括生物胁迫和非生物胁迫，它们都会导致作物产量和品质的降低，因此了解作物如何应对多重胁迫对于提高作物产量是至关重要的。随着高通量表型系统的发展与利用，其为评估作物胁迫提供了新的方法，但是数据采集、管理和分析的多样性带来了新的挑战。在此背景下，对作物胁迫的研究是一个突出和持续的过程，一个特别关注的领域是氮缺乏的检测。目前对氮状况的检测研究都是基于单个胁迫下的研究，但很少研究有涉及到多重胁迫间的相互作用对其检测的影响，因此需要进一步的研究来应对这些影响。

2023年6月，Plant Phenomics 在线发表了比利时列日大学题为To what extent does yellow rust infestation affect remotely sensed nitrogen status? 的研究论文。

本研究以小麦条锈病为例探讨了该病对反射率的测量和氮状态评估的影响，首先在为期两年的施氮试验中，利用多传感器遥感平台采集了小麦的RGB和多光谱图像，使用的SegVeg方法可以对图像进行有效的分割。

研究结果表明，SegVeg模型结合了EfficientNetB2290和Xgboost模型，可以有效地分割了整个数据集，即使在强烈的直射阳光条件下，也能非常准确地分割土壤、绿色元素和受损区域（图1）。此外研究发现病害不仅通过叶片损伤来影响作物反射率（表1），同时通过破坏作物的氮状况来影响健康区域的反射率（图2），将作物健康区域的NDRE植被指数和损害比例纳入模型可以有效减轻病害对氮状况遥感监测的影响（图3）。

该研究以小麦条锈病为例，融合了多种图像分析方法，准确分割了数据集，同时定量分析了作物病害对遥感氮状况检测的影响。强调了进一步研究多重胁迫对作物表型观测影响的重要性，为其他作物胁迫研究对氮状况影响提供了新思路。

图1基于SegVeg方法的分割示例

图2主要生长阶段处理的NDREgreen值

图3不同生育期NDRE与氮素状况变量的相关矩阵

https://doi.org/10.34133/plantphenomics.0‍083

——推荐阅读——

An effective image-based tomato leaf disease segmentation method using MC-UNet

https://doi.org/10.34133/plantphenomic‍s.0049

Plant Phenomics | 基于自制番茄叶片病害的图像分割方法研究

A Precise Image-Based Tomato Leaf Disease Detection Approach Using PLPNet

https://doi.org/10.34133/plantphenomics.0042

Plant Phenomics | 中南林业科技大学周国雄教授团队基于PLPNet的番茄叶片病害图像精确检测方法

加入作者交流群