Plant Phenomics | 凍害指數(shù)：與生長(zhǎng)度日相對(duì)的概念

氣候變化是當(dāng)前全球面臨的一項(xiàng)嚴(yán)重挑戰(zhàn)，對(duì)糧食生產(chǎn)帶來(lái)了重大影響。隨著氣候極端事件的不斷增加，我們迫切需要開(kāi)發(fā)適應(yīng)這些極端環(huán)境的作物品種和農(nóng)業(yè)實(shí)踐模型。尤其值得關(guān)注的是，霜凍應(yīng)激是一種重要但鮮為人知的氣候極端事件，它對(duì)作物，如小麥，造成了重要的損害。而且，人類日常能量主攝入要依賴于少數(shù)幾種主要作物，因此，尋找并減少種植這些作物的風(fēng)險(xiǎn)顯得至關(guān)重要。
 

2023年10月，Plant Phenomics在線發(fā)表了瑞士Institute of Agricultural Sciences等單位題為 Frost Damage Index: The Antipode of Growing Degree Days 的研究論文。
 

本文的核心內(nèi)容是開(kāi)發(fā)了一種新的概念，稱為“Frost Damage Index”（FDI），該概念類似于“Growing Degree Days”（GDD），用于累積計(jì)算冷凍事件的嚴(yán)重性和持續(xù)時(shí)間，從而定量評(píng)估植物的凍害程度（圖2）。研究采用了高分辨率圖像采集技術(shù)，通過(guò)監(jiān)測(cè)植物冠層的變化來(lái)準(zhǔn)確量化冷凍事件引起的葉面積減少。

圖1 Canopy Cover（冠層覆蓋度）的數(shù)據(jù)收集和處理工作流程：以2018年和品種Ludwig為例。
 

圖2 Frost Damage Index（FDI）的概念以及與其相關(guān)的因素

首先，研究進(jìn)行了高分辨率圖像采集，通過(guò)對(duì)作物冠層的變化進(jìn)行時(shí)間分辨的記錄（圖1），以精確監(jiān)測(cè)冷凍事件引起的葉面積減少。接著，研究提出了一個(gè)全新的概念，即“Frost Damage Index”（FDI）。為了確定FDI的有效性，研究進(jìn)行了與育種相關(guān)的實(shí)驗(yàn)，分析了不同冬小麥基因型對(duì)FDI的敏感性，發(fā)現(xiàn)FDI與傳統(tǒng)的視覺(jué)評(píng)分方法相關(guān)。為了更好地估計(jì)FDI，研究還優(yōu)化了時(shí)間滯后（lag）、溫度平滑因子（smoothing factor）、基礎(chǔ)溫度（Tbase）和敏感性因子（s）等關(guān)鍵參數(shù)。最后，為了驗(yàn)證FDI的準(zhǔn)確性，研究人員采用了視覺(jué)評(píng)分作為標(biāo)準(zhǔn)來(lái)評(píng)估冬小麥?zhǔn)軆龊Φ某潭�。研究發(fā)現(xiàn)，F(xiàn)DI可以非常精確地預(yù)測(cè)冷凍損害，與視覺(jué)評(píng)分結(jié)果之間存在著強(qiáng)烈的正相關(guān)性。這表明FDI不僅可以提供一個(gè)客觀的、可量化的方式來(lái)評(píng)估凍害，還可以在更短的時(shí)間內(nèi)提供結(jié)果，相比傳統(tǒng)的視覺(jué)評(píng)分方法更加高效（圖3）。尤其是對(duì)于嚴(yán)重的損害事件。這些方法的綜合應(yīng)用使研究人員能夠更好地理解和評(píng)估冷凍事件對(duì)冬小麥等作物的影響，為農(nóng)業(yè)風(fēng)險(xiǎn)管理和育種工作提供了有力工具。
 

圖3 基于Frost Damage Index（FDI）預(yù)測(cè)的霜凍損害與冠層覆蓋下降（ΔCC，每個(gè)播種行測(cè)量）之間的關(guān)系

論文鏈接：

https://doi.org/10.34133/plantphenomics.‍0104

——推薦閱讀——

SPSI: A Novel Composite Index for Estimating Panicle Number in Winter Wheat before Heading from UAV Multispectral Imagery

‍https://doi.org/10.34133/plantphenomics.0087

Plant Phenomics | SPSI：抽穗前估測(cè)冬小麥穗數(shù)的新型復(fù)合指數(shù)

Unsupervised Plot-Scale LAI Phenotyping via UAV-Based Imaging, Modelling, and Machine Learning

https://doi.org/10.34133/2022/9768253

Plant Phenomics 精選2022 | 基于無(wú)人機(jī)成像實(shí)現(xiàn)對(duì)田間小麥葉面積指數(shù)的快速精準(zhǔn)估計(jì)

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、�？�發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。

中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。

撰稿：章?lián)P（南京農(nóng)業(yè)大學(xué)）

排版：蘇梓鈺（南京農(nóng)業(yè)大學(xué)）

審核：孔敏、王平