Plant Phenomics | 葉片病害壓力在多大程度上影響遙感氮狀況?以條銹病為例研究
在田間生產中,作物同時會受到多種脅迫,包括生物脅迫和非生物脅迫,它們都會導致作物產量和品質的降低,因此了解作物如何應對多重脅迫對于提高作物產量是至關重要的。隨著高通量表型系統(tǒng)的發(fā)展與利用,其為評估作物脅迫提供了新的方法,但是數(shù)據(jù)采集、管理和分析的多樣性帶來了新的挑戰(zhàn)。在此背景下,對作物脅迫的研究是一個突出和持續(xù)的過程,一個特別關注的領域是氮缺乏的檢測。目前對氮狀況的檢測研究都是基于單個脅迫下的研究,但很少研究有涉及到多重脅迫間的相互作用對其檢測的影響,因此需要進一步的研究來應對這些影響。
2023年6月,Plant Phenomics 在線發(fā)表了比利時列日大學題為To what extent does yellow rust infestation affect remotely sensed nitrogen status? 的研究論文。
本研究以小麥條銹病為例探討了該病對反射率的測量和氮狀態(tài)評估的影響,首先在為期兩年的施氮試驗中,利用多傳感器遙感平臺采集了小麥的RGB和多光譜圖像,使用的SegVeg方法可以對圖像進行有效的分割。
研究結果表明,SegVeg模型結合了EfficientNetB2290和Xgboost模型,可以有效地分割了整個數(shù)據(jù)集,即使在強烈的直射陽光條件下,也能非常準確地分割土壤、綠色元素和受損區(qū)域(圖1)。此外研究發(fā)現(xiàn)病害不僅通過葉片損傷來影響作物反射率(表1),同時通過破壞作物的氮狀況來影響健康區(qū)域的反射率(圖2),將作物健康區(qū)域的NDRE植被指數(shù)和損害比例納入模型可以有效減輕病害對氮狀況遙感監(jiān)測的影響(圖3)。
該研究以小麥條銹病為例,融合了多種圖像分析方法,準確分割了數(shù)據(jù)集,同時定量分析了作物病害對遙感氮狀況檢測的影響。強調了進一步研究多重脅迫對作物表型觀測影響的重要性,為其他作物脅迫研究對氮狀況影響提供了新思路。
圖1基于SegVeg方法的分割示例
圖2主要生長階段處理的NDREgreen值
圖3不同生育期NDRE與氮素狀況變量的相關矩陣
https://doi.org/10.34133/plantphenomics.0083
——推薦閱讀——
An effective image-based tomato leaf disease segmentation method using MC-UNet
https://doi.org/10.34133/plantphenomics.0049
Plant Phenomics | 基于自制番茄葉片病害的圖像分割方法研究
A Precise Image-Based Tomato Leaf Disease Detection Approach Using PLPNet
https://doi.org/10.34133/plantphenomics.0042
Plant Phenomics | 中南林業(yè)科技大學周國雄教授團隊基于PLPNet的番茄葉片病害圖像精確檢測方法
加入作者交流群
掃碼添加小編微信,拉您進入《植物表型組學》作者交流群,群內不定期開展作者分享會、專刊發(fā)布會等高質量活動。
添加小編微信,備注姓名+單位+PP,加入作者交流群
《植物表型組學》(Plant Phenomics)是由南京農業(yè)大學和美國科學促進會(AAAS)合作創(chuàng)辦的英文學術期刊,于2019年1月正式上線發(fā)行。采用開放獲取形式,刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術,基于圖像分析和機器學習的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農業(yè)實踐中的表型組學新應用,與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究,表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄?祁Nò睯CR2022影響因子為6.5,位于農藝學、植物科學、遙感一區(qū)。中科院農藝學、植物科學一區(qū),遙感二區(qū),生物大類一區(qū)(TOP期刊)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。
說明:本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考,一切內容以英文原版為準。
撰稿:嚴鑫(南京農業(yè)大學)
排版:向雪薇(南京農業(yè)大學)
審核:孔敏、王平