甜菜（Beta vulgaris L.）是温带地区重要的糖料作物，尽管近几十年种植面积有所减少，但通过利用杂种优势等育种技术，其产量显著提升。杂种优势使甜菜后代比其亲本表现出更高的生物量、发育速度和繁殖力。为了更好地估计遗传与非遗传效应，并量化杂种表现，育种者采用双向杂交分析等工具。近年来，高通量表型分析技术如无人机和多光谱成像的应用，有助于捕捉作物生长动态，如叶面积指数（LAI）和作物生长速率（CGR），从而加速甜菜遗传-环境互作的研究及优良品种的培育。

2024年6月，Plant Phenomics 在线发表了Hokkaido Agricultural Research Center等多家单位合作完成的题为High-Throughput Yield Prediction of Diallele Crossed Sugar Beet in a Breeding Field Using UAV-Derived Growth Dynamics 的研究论文，本研究开发一种高通量方法，通过精确捕捉冠层覆盖和高度动态，来预测小区育种田中的甜菜根重（RW）和糖含量（SC）。

Kazunori Taguchi 等人使用安装在无人机（UAV）上的RGB相机，在三个季节内，每个季节收集包含20个基因型的小面积育种田的甜菜冠层覆盖率（CC）和冠层高度（CH）的时间序列数据。每次飞行都生成数字正射影像图和数字表面模型，并将其转换为单个小区级别的数据。以单个小区为基础计算了CC和CH的数据，构建了一个多元回归模型，该模型利用单个时间点的CC和CH数据来预测根重（RW）和糖含量（SC），在三个季节中的预测相关系数分别为0.89、0.89和0.92，以及0.79、0.83和0.77。六月底的个体CC和CH值倾向于成为RW和SC的强预测因子，表明生长季早期的生长对获得较高的RW和SC至关重要。

图1 双列杂交中的多元回归(2018、2020和2021)。CC和CH的每个DAT组合的RW(上图)和SC(下图)的决定系数(R²)。

图1展示了不同日期组合下的CC和CH与RW或SC之间的相关性。对于RW，相关性最高是在大约6月后期左右，但在2018年，CH的相关性在130之后最高。对于SC，相关性峰值出现在6月至7月后期之间。

图2 双列杂交中的多元回归(2018、2020和2021)。为CC和CH的每个DAT组合计算的RW和SC积分的决定系数(R²)

图2展示了在不同日期（DAT）上，使用CC和CH预测的RW和SC的相关性。可以看出，随着日期的增加，预测的准确性逐渐降低。在约60至140天期间，预测的RW通常具有相对稳定的较高相关性（R²在0.7到0.8之间），而对于SC，预测的相关性在早期阶段（60到80天）略高，达到R²在0.29到0.56之间。

该研究开发并演示了一种基于无人机的高通量且易于实施的技术，利用作物生长动态来估算根重和糖产量。这一简单而稳健的方法可以通过提供收获前的选择标准来增强育种者的决策能力，适用于田间所有品系，从而减少繁琐的手动测量需求。此外，该无人机方法还可以扩展到指导生产田中的精准施肥。

论文链接：

https://doi.org/10.34133/plantphenomics.020‍9

——推荐阅读——

IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis

https://doi.org/10.34133/plantphenomics.0164

Plant Phenomics | 华中农业大学开发了基于无人机平台的大田作物表型数据提取和分析平台

UAV-assisted dynamic monitoring of wheat uniformity toward yield and biomass estimation

https://doi.org/10.34133/plantphenomics.0191

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

加入作者交流群