2019年9月，Plant Phenomics刊發(fā)了來自加拿大薩斯喀徹溫大學(xué)（University of Saskatchewan）的Hema S.N.Duddu等人撰寫的題為High-Throughput UAV Image-Based Method Is More Precise Than Manual Rating of Herbicide Tolerance的研究論文，介紹了一種基于無人機(jī)圖像的高通量除草劑耐受性評價方法，發(fā)現(xiàn)該方法比人工評價方法更加精準(zhǔn)。

傳統(tǒng)的視覺評分系統(tǒng)勞動強(qiáng)度大，耗時長，容易出現(xiàn)人為錯誤。基于無人機(jī)（UAV）圖像的植被指數(shù)（VI）在高通量植物表型研究中具有潛在的應(yīng)用價值。本研究旨在確定無人機(jī)圖像能否準(zhǔn)確、一致地估計除草劑對作物的傷害，及其作為人工視覺評價方法替代品的潛力。該研究于2016年和2017年在薩斯喀徹溫大學(xué)的Kernen作物研究農(nóng)場進(jìn)行。采用隨機(jī)完全區(qū)組設(shè)計（RCBD）的方法，以2種耐藥率評價了蠶豆作物對9種混合除草劑的耐藥性。在試驗(yàn)處理1周后，使用多光譜相機(jī)對試驗(yàn)田進(jìn)行成像，地面采樣距離（GSD）為1.2 cm。在成像的同時記錄生長減少和生理性萎黃的人工視覺評分。根據(jù)正交鑲嵌圖的閾值計算土壤調(diào)整植被指數(shù)（OSAVI）的優(yōu)化值。將人工視覺評分與基于無人機(jī)的OSAVI進(jìn)行比較，結(jié)果顯示，基于無人機(jī)的結(jié)果更為精確。OSAVI的變異系數(shù)（CV）為~1%，而人工視覺評分的變異系數(shù)為18%~43%。此外，Tukey檢驗(yàn)的真實(shí)顯著性差異（HSD）測試顯示，基于無人機(jī)植被指數(shù)的平均分離度比人工視覺評分的更為精確。該研究的OSAVI與人工視覺評分之間的顯著相關(guān)性表明，使用基于無人機(jī)的方法可以最小化人工視覺評分相關(guān)的不良變異�；�于無人機(jī)圖像的方法評價除草劑對作物的危害比人工視覺評分更為精確。這些方法有可能取代人工視覺評分，并有助于篩選對除草劑具有耐受性的作物。

Field experimental layout of the study.

Image processing workflow for vegetation index calculation.

本研究主要是為了比較數(shù)字和人工視覺評分方法的表型精確度。因此，在比較其他方法時，應(yīng)謹(jǐn)慎使用本研究得出的結(jié)論。本研究中OSAVI較低的變異系數(shù)和標(biāo)準(zhǔn)誤差表明，基于無人機(jī)的方法可以將人工視覺評分相關(guān)的不良變異性降至最低。重復(fù)之間缺乏可重復(fù)性是人工視覺評分方法性能差的主要原因。在高通量表型分析的背景下，需要在短時間內(nèi)對大量植物進(jìn)行評估，評估者/評估者們的表現(xiàn)是否一致將成為評估是否準(zhǔn)確的關(guān)鍵因素。此外，重復(fù)性通常與育種過程中的遺傳性相關(guān)，因此通常從分析中去除低重復(fù)性的測量值。這將使重復(fù)和地點(diǎn)增多，以獲得足夠的可重復(fù)性/遺傳性，可能導(dǎo)致額外的育種成本。根據(jù)本研究的結(jié)果，具有高通量能力和足夠精度的基于無人機(jī)的方法有可能取代人工視覺評分，特別是對于冠層尺度的測量。

How to Cite this Article

Hema S. N. Duddu, Eric N. Johnson, Christian J. Willenborg, and Steven J. Shirtliffe, “High-Throughput UAV Image-Based Method Is More Precise Than Manual Rating of Herbicide Tolerance,” Plant Phenomics, vol. 2019, Article ID 6036453, 9 pages, 2019.https://doi.org/10.34133/2019/6036453.