品质至上，客户至上，您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 南农农学院联合前沿交叉研究院提出基于无人机图像田间小麦生长均匀度的定量化方法
发表时间：2024-06-24 13:16:20点击：264
来源：植物表型组学
分享：
以下文章来源于作物栽培研究圈
小麦作为全球广泛种植和消费的重要作物，其产量和生物量潜力的评估对于粮食安全和农业可持续发展具有重要意义。在农业生产上，有经验的作物栽培学家和育种家一直很重视均匀度这个概念，小麦在田间的均匀度包括出苗均匀度、生长均匀度、冠层/穗层均匀度及成熟均匀度等方面，一般认为小麦均匀度与其产量存在显著的相关性。然而，均匀度一直以来都是一个较为笼统的概念，存在较强的专家经验性，当前仍缺乏对作物田间生长均匀度的定量分析方法。
为攻克上述问题，南京农业大学农学院姜东课题组联合前沿交叉研究院二宫正士课题组提出了一种基于无人机成像技术的小麦均匀度监测方法，从小麦的生理（SPAD）、形态结构(LAI和PH)和空间分布（FVC）等多个角度进行了田间小麦生长均匀度的定量化分析与探索。该研究结果表明小麦的籽粒产量和最终生物量与均匀度存在显著的正相关关系，为小麦产量和生物量的精确无损评估提供了新思路。
2024年6月，Plant Phenomics 在线发表了南京农业大学题为UAV-assisted dynamic monitoring of wheat uniformity toward yield and biomass estimation 的研究论文。
研究构建了覆盖小麦全生育期的包含210个品种的田间小麦高光谱图像数据集，且基于高光谱图像数据集和深度学习算法构建了叶面积指数（LAI）和叶绿素相对含量（SPAD）的精准预测模型（LAI，R2=0.79；SPAD，R2=0.88）。随后基于预测模型提取了植被覆盖度（FVC）、叶面积指数（LAI）和叶绿素相对含量（SPAD）。同时，利用RGB图像重构的小麦三维点云提取了株高(PH)。基于以上4个农艺参数，共计算了20个小麦均匀度指数。从不同农学参数中提取的均匀度指数变化具有一定的差异。从相同的农学参数中提取的均匀度指数变化较为相似，各指数在抽穗期至灌浆中期小麦的均匀度相对稳定（如图1所示）。这种变化与大田中目视判读的结果较为一致。
由于均匀度指数的变化趋势相似，因此很难确定哪一个最适合使用。因此，研究对均匀度指数与产量和生物量之间的相关性进行了分析（图2）。并分别筛选了4个农艺参数与产量和生物量相关性最高的均匀度指数（FE, LJ, SJ, PM），其中，开花期（FS）的LJ与产量（r=-0.760）和生物量（-0.801）相关性最高。
图2 均匀度指数与产量(A)和生物量(B)的相关性分析
基于筛选到的均匀度指数和传统的平均值分别构建了产量和生物量的多元线性模型。验证结果表明，基于均匀度指数的产量模型(R2 = 0.62，RMSE = 1.19 Mg/ha)和生物量模型(R2 = 0.80，RMSE = 1.95 Mg/ha)的精度均优于基于均值的模型（图3）。
图3 产量和生物量估算模型精度。(A)-(D)是实测值与基于农艺
参数平均值的估算值的散点图。
(E)-(H)是实测值与基于农艺参数均匀度指数的估算值的散点图。
此外，该研究还比较了年度间和品种间的小麦均匀度差异（图4），以及用于均匀度指数计算的分类参数和空间分辨率对均匀度指数的影响。
图4 播种后147天和播种后155天的小麦LJ值。每个色块对应田间试验中的一个小区，白色区域为异常生长的地块。
图5 分类参数对熵值类均匀度指数的影响。(A)和(B)为LAI均匀度指数与产量和生物量之间的相关性；(C)和(D) SPAD均匀度指数与产量和生物量之间的相关性；(E)和(F)为PH均匀度指数与产量和生物量之间的相关性。
图6 空间分辨率对均匀度指数的影响。(A)均匀度指数与产量之间的相关性；(B)均匀度指数与生物量之间的相关性。
该研究从不同农艺性状角度分析了小麦的均匀度。PH和LAI均匀度指数主要描述形态结构的均匀度，FVC均匀度指数描述水平方向的均匀度，SPAD均匀度指数描述小麦的生理方面的均匀度。研究结果表明均匀度指数在小麦产量和生物量估算中具有较大潜力。除此之外，该研究还指出均匀度在诸如长势监测评估、高产品种筛选等方面都具有较好的应用前景。
南京农业大学前沿交叉研究院的在读博士研究生杨艳东和农学院钟山青年研究员李庆为本论文的第一作者，南京农业大学穆悦老师、姜东教授和日本东京大学的二宫正士教授为通讯作者，南京农业大学已毕业硕士生李海涛、农学院在读博士研究生王恒通参与了本论文的研究。该研究得到了国家自然科学基金等项目的资助。
作者及团队介绍
AUTHOR AND TEAM
二宫正士老师，作物表型组学交叉研究中心。日本东京大学名誉教授，曾任亚洲农业信息技术联盟主席，日本农林水产省农业研究中心上席研究官，农林水产省农业IT研究推进负责人，日本国家农业研究机构研究管理监等职务，现任日本科学技术振兴机构超先端研究总负责人，日本农林水产省农林水产技术会议会员，Plant Phenomics主编。
研究领域：（1）多平台的基于图像的作物表型研究，包括作物生长监测，花、果实等器官检测，以及作物（及果树）的三维模型构建与分析；（2）田间服务器（Field Server）研究，包括收集图像，局地气象数据，采样等；（3）农业大数据研究，包括农业大数据的构建 (G+E+M+P)和机器学习等技术应用分析。
穆悦老师，作物表型组学交叉研究中心。博士毕业于中国林业科学研究院，博士后留学于日本东京大学。
研究领域：（1）果树冠层结构分析与光合利用研究。构建了基于无人机图像的快速、精准测量果树冠层特征的算法，并进一步利用地基激光雷达开展了基于三维模型的果树冠层结构分析与光截获模拟。（2）智慧果园的相关应用。完成了基于深度学习的温室内原位果实检测，构造了基于机械臂和机器视觉技术的水果拾取系统，为下一步开发果园自动采摘机器人奠定了基础。
主持国家自然科学基金青年基金“基于三维模型的不同树形及光照情景下梨树冠层光分布响应研究”1项，参与日本科学技术振兴机构 “利用农业大数据发掘科学新见解” 、日本印度学术振兴机构联合研究项目 “数据科学驱动下的可持续性农业生产系统的开发” 等项目。在 Horticulture Research、Sensors、Geomorphology、Agricultural and Forest Meteorology、Pant Phenomics 等杂志发表SCI论文6篇，申请国内发明专利1项，国际发明专利2项。
南京农业大学农学院小麦生理生态与生产管理团队以长江中下游麦区小麦高产、优质高效生产为目标，以技术创新、产品创制及推广服务为主要途径，致力于小麦多维度、多尺度表型高通量获取与分析平台研发应用、品质生理生态与品质调优、非生物逆境胁迫记忆与抗逆丰产、小麦资源高效利用机制与安全清洁生产、营养功能食品开发和利用等领域的研究。
团队现有固定人员10名，其中教授5名，副教授2名，钟山青年研究员2名，实验师1名。获“CJ学者”讲座教授荣誉1人，“杰青”1人，“万人计划”科技创新领军人才1人，省“333工程”高层次人才2人。依托农业部作物生理生态与生产管理重点实验室，建设有农业部小麦区域技术创新中心，建成了设施一流、配备精良、功能齐全的的科研基地和实验室。
近年来，团队承担国家自然科学基金重点项目、面上项目、国家重点研发计划、农业部公益性行业科技专项以及部省科研课题等20余项。累计发表论文360余篇，其中SCI论文180余篇。授权国家发明专利20余项、实用新型和软著50余件；发布《小麦微课》、《图说小麦》等多个视频、专著和教材。团队成员以主要完成人先后获国家科技进步二等奖2项、省部科技进步一等奖2项、省科技进步二等奖2项、农业部全国农牧渔业丰收奖一等奖1项、江苏省农业技术推广一等奖1项，2项技术入选农业农村部粮油生产主推技术，制定地方标准3项。
论文链接：
https://doi.org/10.34133/plantphenomics.0191
——推荐阅读——
Interaction of Genotype, Environment, and Management on Organ-Specific Critical Nitrogen Dilution Curve in Wheat
https://doi.org/10.34133/plantphenomics.0078
Plant Phenomics | 南京农业大学揭示基因型、环境和管理对小麦器官特异性临界氮稀释曲线的影响
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
加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信，备注姓名+单位+PP，加入作者交流群
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
审核：孔敏、王平
