欢迎您来到博普特科技官方网站!

土壤仪器电话

010-82794912

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 | 北京市农林科学院基于冠层光合作用模型刻画出玉米高光效理想株型

发表时间:2024-09-24 13:55:21点击:85

来源:植物表型组学

分享:

1727160735265699.png

1727160750760161.png

面临全球人口增长和极端气候事件频发等挑战,提高单位面积作物产量已成为保障粮食安全的重要途径。光能利用效率(RUE)作为决定作物单产的关键功能性状,其值仅为理论上限的1/3,仍存在较大的提升空间。大量控制试验和计算模拟分析结果表明,光氮协同分布可以有效提高C3植物冠层RUE,这种策略在C4作物玉米上的可行性尚未得到证实。

2024年7月, Plant Phenomics 在线发表了北京市农林科学院信息技术研究中心的题为Maximizing the Radiation Use Efficiency by Matching the Leaf Area and Leaf Nitrogen Vertical Distributions in a Maize Canopy: A Simulation Study 的研究论文。

该研究假设冠层垂直方向各层叶面积和氮素分布特征相匹配可实现RUE的最大化。为了证实这一假设,通过组合叶倾角、叶面积和叶氮垂直分布特征,生成了各种海量虚拟玉米冠层(19600组),利用改进后的多层冠层光合作用模型评估冠层光合、干物质生产与光能利用效率。结果表明,在密植结构冠层下,叶倾角保持在71°、叶片氮素更多地向叶面积更大的叶层分配可以实现冠层RUE最大化,这种高光效理想冠层也呈现出垂直方向光氮协同分布的特征,这一结果与创高产记录的玉米群体结构和基于优化理论的模拟结果均保持较好的一致性。

1727160778943403.png

图1 模拟了叶面积和叶氮垂直分布对玉米冠层在不同LAI 下的光能利用效率(RUE)的影响

1727160794352190.png

图2 模型模拟的高光效理想冠层结构与2015年新疆高产记录品种登海618冠层结构的比较

1727160808177227.png

图3 实现RUE最大化的玉米理想株型特征

本文利用穷举法,结合大规模计算模拟,定量刻画出高光效作物冠层的形态结构和光合功能特征,不仅为玉米高光效理想株型育种提供参考,还可进一步结合高通量表型技术为大规模材料和品种的高光效鉴定提供工具支撑。

北京市农林科学院信息技术研究中心硕士研究生王柏雁、顾生浩高级农艺师和已毕业硕士研究生王俊浩为该文第一作者,赵春江研究员和郭新宇研究员为通讯作者,副研究员温维亮和已毕业博士研究生陈博参与研究工作。该研究得到国家重点研发计划(2022YFD2001003)、国家自然科学基金(32330075和32001420)等项目资助。

论文链接:

https://doi.org/10.34133/plantphenomics.0217

——推荐阅读——

Fine-scale Quantification of Absorbed Photosynthetically Active Radiation (APAR) in Plantation Forests with 3D Radiative Transfer Modeling and LiDAR Data

https://doi/10.34133/plantphenomics.0166

Plant Phenomics | 北京林业大学林业定量遥感团队开展人工林精细尺度光合有效辐射吸收(APAR)量化研究

Quantifying Contributions of Different Factors to Canopy Photosynthesis in Two Maize varieties: Development of a Novel 3D Canopy Modeling Pipeline

https://doi/10.34133/plantphenomics.0075

Plant Phenomics | 玉米品种间冠层光合效率差异的多因素贡献率解析:一种新的三维冠层建模流程

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。

1662096989509323.png

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JCR2022影响因子为7.6,位于农艺学一区(1/125名),植物科学一区(13/265名),遥感一区(6/62名)。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。

说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

特邀作者:顾生浩,王柏雁

排版:赵庆泽(南京农业大学)

审核:孔敏、王平

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报