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 | 利用高通量冠层高光谱遥感预测高粱的光合参数

发表时间:2022-04-11 13:52:55点击:830

来源:北京博普特科技有限公司

分享:

1649656166664267.png

1649656205414324.png

提高植物的光合作用是进一步提高作物产量的重要途径,而传统的光合表型数据获取方式非常耗时,严重制约了这一途径在育种中的应用。高光谱反射率与植物的生化和生理过程具有高度的相关性,但目前利用高光谱技术预测C4植物的三个重要生化限制因素(Vcmax、Vpmax和Jmax)的相关研究较缺乏。

近日,Plant Phenomics在线发表了澳大利亚昆士兰大学支晓宇等人完成的题为Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum 的研究论文。

该研究利用田间机载表型获取平台在169个高粱试验小区中收集了124个基因型的冠层高光谱反射数据,并实测了叶片气体交换和生理指标(SLN和LMA)。运用最小二乘法(PLSR)建立了高光谱反射率与三个重要的光合生化限制因子( Vcmax、 Vpmax和Jmax)及两个光合相关生理指标(SLN和LMA)间关系,结果均呈现出较高的准确性(R2 > 0.70)。该研究进一步将PLSR模型扩展到了两个GWAS试验中,预测值均表现出中高的遗传率。此外,通过将Vcmax和Jmax的预测值用于GWAS分析后鉴定出了4个和Vcmax相关及2个和Jmax相关的QTL,并在这些QTL附近(200 kb)找到了与电子传递链相关的候选基因。这些结果表明高光谱成像技术能够准确预测植物光合相关生化和生理指标,为在大的育种群体中筛选具有较高光合能力的材料找到了方法。

QQ图片20220411134300.png


Fig.5 Cross-validated predictions of SLN (a) and LMA (b) and corresponding loadings with principal components 1 and 2 for SLN (c) and LMA (d) using partial least square regression (PLSR) with reflectance values at different wavelengths between 395 and 997 nm.

QQ图片20220411134308.png

Fig.6 Manhattan and Q-Q plots of GWAS for Vcmax and Jmax in GAT1.


本研究得到澳大利亚研究委员会(CE140100015)和比尔-梅琳达盖茨基金会(OPPGD1197)的支持。


作者介绍

第一作者为支晓宇,澳大利亚昆士兰大学博士,主要研究方向为利用高通量表型和基因组学技术提高作物光能利用率。通讯作者为Barbara George-Jaeggli,澳大利亚昆士兰大学高级职称,长期从事植物生理和表型组学研究。

论文链接


https://doi.org/10.34133/2022/9768502


——推荐阅读——

High-Throughput Phenotyping of Dynamic Canopy Traits Associated with Stay-Green in Grain Sorghum



https://doi.org/10.34133/2020/4635153

Plant Phenomics | 高通量表型分析滞绿相关的高粱动态冠层性状

Semantic Segmentation of Sorghum Using Hyperspectral Data Identifies Genetic Associations



https://doi.org/10.34133/2020/4216373

Plant Phenomics | 利用高光谱数据对高粱进行语义分割可识别遗传关联

1649656321564390.png

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。2021年中科院期刊分区表影响因子5.706,位于农艺学、植物科学两个小类一区,遥感小类二区,生物大类一区(Top期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。

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:支晓宇

编辑:张威(实习)

审核:王平、孔敏

  • 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