Plant Phenomics | 基于多源數(shù)據(jù)的水稻抗病性動(dòng)態(tài)無(wú)人機(jī)表型分析

培育和利用抗病品種是防控水稻白葉枯病的重要手段。稻種資源抗性表型的變異水平或表達(dá)穩(wěn)定性需要多年多點(diǎn)的精準(zhǔn)鑒定。但是，以田間選擇為主的“經(jīng)驗(yàn)育種”表型評(píng)價(jià)方法仍然需要耗費(fèi)大量的人力和物力，且效率低。由于植物表型本身的復(fù)雜性以及動(dòng)態(tài)變化的特性，傳統(tǒng)人工測(cè)量誤差大且費(fèi)時(shí)耗力、數(shù)據(jù)質(zhì)量參差不齊，嚴(yán)重限制了優(yōu)良種質(zhì)資源的評(píng)估和利用過(guò)程。無(wú)人機(jī)遙感技術(shù)為田間作物表型精確獲取提供了可選擇的方法。但是，無(wú)人機(jī)獲取的數(shù)據(jù)質(zhì)量會(huì)受到天氣、生育期、地理位置等因素的影響，導(dǎo)致病害程度評(píng)估精度下降。因此，有必要構(gòu)建普適的田間病害評(píng)估模型，實(shí)現(xiàn)水稻白葉枯抗性的準(zhǔn)確評(píng)估和抗性基因挖掘。
 

2022年12月，Plant Phenomics在線發(fā)表了浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院農(nóng)業(yè)部光譜檢測(cè)重點(diǎn)實(shí)驗(yàn)室聯(lián)合浙江省農(nóng)業(yè)科學(xué)院病毒學(xué)與生物技術(shù)研究所題為Dynamic UAV Phenotyping for Rice Disease Resistance Analysis Based on Multisource Data 的研究論文。
 

本研究利用時(shí)序時(shí)間序列無(wú)人機(jī)遙感數(shù)據(jù)結(jié)合田間積溫?cái)?shù)據(jù)構(gòu)建水稻白葉枯病嚴(yán)重程度評(píng)估模型，分別基于光譜數(shù)據(jù)、顏色特征及其二者數(shù)據(jù)融合進(jìn)行分析，結(jié)果顯示光譜數(shù)據(jù)融合積溫?cái)?shù)據(jù)得到最優(yōu)的預(yù)測(cè)結(jié)果，Rp2和RMSEp分別為0.86和0.65。采用模型更新策略探討構(gòu)建的病害評(píng)估模型在不同地理位置間的可拓展性，研究顯示將在不同實(shí)驗(yàn)地點(diǎn)新采集的數(shù)據(jù)遷移20%至原始模型中可以得到滿意的病害程度評(píng)估結(jié)果。最后，基于無(wú)人機(jī)高通量表型數(shù)據(jù)結(jié)合數(shù)量性狀位點(diǎn)（QTL）方法相結(jié)合在不同生育期定位水稻白葉枯抗性QTL。不同生育期檢測(cè)到不同的QTL，控制不同發(fā)育階段白葉枯抗性的遺傳基礎(chǔ)存在明顯差異。共鑒定出8個(gè)抗性QTL，其中有3個(gè)是之前未檢測(cè)到的。QTL和無(wú)人機(jī)高通量表型分析相結(jié)合，為加速水稻抗病育種研究提供了新的思路。
 

圖1基于不同數(shù)據(jù)集的PLSR和SVR模型預(yù)測(cè)結(jié)果
 

圖2 在遺傳群體檢測(cè)到的QTL。相鄰標(biāo)記間的遺傳距離（cM）和標(biāo)記名稱分別顯示在染色體左右和右側(cè)，染色體邊不同的符號(hào)表示對(duì)應(yīng)時(shí)間下檢測(cè)到的QTL位置，time1、time2和time3表示無(wú)人機(jī)飛行作業(yè)的三個(gè)時(shí)間。

本研究由浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院農(nóng)業(yè)部光譜檢測(cè)重點(diǎn)實(shí)驗(yàn)室與浙江省農(nóng)業(yè)科學(xué)院病毒學(xué)與生物技術(shù)研究所合作完成。浙江大學(xué)馮旭萍副研究員和浙江省農(nóng)業(yè)科學(xué)院楊勇副研究員為共同通訊作者，浙江大學(xué)博士生白秀琳為第一作者。相關(guān)工作得到廣東省科技計(jì)劃項(xiàng)目、湖州市重點(diǎn)研發(fā)項(xiàng)目和農(nóng)產(chǎn)品質(zhì)量安全生物與化學(xué)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室項(xiàng)目資助。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0019

——推薦閱讀——

Application of UAV Multisensor Data and Ensemble Approach for High-Throughput Estimation of Maize Phenotyping Traits

https://doi.org/10.34133/2022/9802585

Plant Phenomics | 基于無(wú)人機(jī)多傳感器和集成學(xué)習(xí)的玉米表型高通量估算

Repeated Multiview Imaging for Estimating Seedling Tiller Counts of Wheat Genotypes Using Drones

https://doi.org/10.34133/2020/3729715

Plant Phenomics | 使用無(wú)人機(jī)多視角成像技術(shù)估算小麥幼苗分蘗數(shù)

加入作者交流群

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(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6.961，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。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)。
特邀作者：白秀琳（浙江大學(xué)）
排版：張婕（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平