無(wú)人機(jī)遙感監(jiān)測(cè)技術(shù)助力優(yōu)化濕地松遺傳育種策略

Plant Phenomics | 無(wú)人機(jī)遙感監(jiān)測(cè)助力優(yōu)化濕地松遺傳育種策略

林木通過光合作用產(chǎn)生碳水化合物，這些碳水化合物對(duì)于林木的生長(zhǎng)、繁殖和生存至關(guān)重要。碳水化合物分為結(jié)構(gòu)性碳水化合物和非結(jié)構(gòu)性碳水化合物（NSC）。當(dāng)林木過度生產(chǎn)時(shí)，非結(jié)構(gòu)性碳水化合物（NSC）會(huì)暫時(shí)儲(chǔ)存在植物體內(nèi)，其濃度變化通常反映了植物的碳供應(yīng)能力。植物中的氮（N）是氨基酸、蛋白質(zhì)、葉綠素等成分的組成部分，對(duì)碳水化合物的儲(chǔ)存和光合產(chǎn)物的運(yùn)輸起著關(guān)鍵作用。因此，林木冠層葉片中的NSC和N含量是反映代謝健康的重要指標(biāo)，與植物生長(zhǎng)、發(fā)育和繁殖密切相關(guān)。

在傳統(tǒng)的林木遺傳育種研究中，林木冠層生理性狀的測(cè)量通常僅進(jìn)行一次或少數(shù)幾次，無(wú)法全面反映林木在整個(gè)生長(zhǎng)周期中的動(dòng)態(tài)變化。同時(shí)，這種測(cè)量方法容易受到季節(jié)性和環(huán)境因素的影響，從而降低預(yù)測(cè)結(jié)果的準(zhǔn)確性，并對(duì)遺傳育種效果產(chǎn)生不利影響。因此，在林木遺傳育種領(lǐng)域，多時(shí)相表型性狀預(yù)測(cè)具有明顯優(yōu)勢(shì)。這種方法不僅能夠捕捉林木生長(zhǎng)和生理過程的動(dòng)態(tài)變化，還可以通過數(shù)據(jù)融合提高預(yù)測(cè)模型的準(zhǔn)確性，降低因季節(jié)性和環(huán)境變化引起的誤差。此外，這種方法有助于識(shí)別具有優(yōu)良表型特征和穩(wěn)定性的林木品種。近年來(lái)，無(wú)人機(jī)（UAV）遙感技術(shù)已成為農(nóng)林領(lǐng)域中測(cè)量植物結(jié)構(gòu)和監(jiān)測(cè)冠層生理性狀的有效手段。該技術(shù)具有無(wú)損、高通量和快速采集等優(yōu)勢(shì)，為多時(shí)相研究提供了新的機(jī)遇。

2023年2月，Plant Phenomics在線發(fā)表了中國(guó)林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所聯(lián)合多家單位合作完成的題為Prediction of Needle Physiological Traits Using UAV Imagery for Breeding Selection of Slash Pine 的研究論文。

該論文利用無(wú)人機(jī)多光譜技術(shù)結(jié)合機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了對(duì)林木冠層氮（N）和非結(jié)構(gòu)性碳水化合物（NSC）含量的高效監(jiān)測(cè)。通過對(duì)不同預(yù)測(cè)模型的比較，結(jié)果發(fā)現(xiàn)梯度提升機(jī)（GBM）模型在預(yù)測(cè)林木冠層N和NSC含量方面具有較高的準(zhǔn)確性，其在驗(yàn)證集（20%）上對(duì)氮N和NSC的預(yù)測(cè)效果最好，R2值分別為0.60和0.65。此外，研究還生成了遺傳育種方面的相關(guān)數(shù)據(jù)，通過對(duì)遺傳變異、遺傳力和育種值的分析，揭示了在不同月份進(jìn)行遺傳選擇的最佳時(shí)機(jī)。最后，研究選出了多個(gè)具有高氮和高NSC育種價(jià)值的家系。該研究成果有助于深化對(duì)林木生長(zhǎng)特性和遺傳變異的認(rèn)識(shí)，推動(dòng)林木遺傳育種研究和實(shí)踐的發(fā)展。
 

圖1 2021年濕地松家系試驗(yàn)林中每棵樹的氮（N）（A）和非結(jié)構(gòu)性碳水化合物（NSC）（B）含量的月度分布。一個(gè)點(diǎn)代表一棵樹。
 

圖2 2021年不同月份預(yù)測(cè)的氮（N）和非結(jié)構(gòu)性碳水化合物（NSC）含量的育種值變化。每條線代表一個(gè)家系，總共有20個(gè)家系。
 

本研究闡明了無(wú)人機(jī)多光譜技術(shù)在林木遺傳育種中的應(yīng)用潛力，以及其在預(yù)測(cè)林木生長(zhǎng)特性和遺傳變異方面的優(yōu)勢(shì)。通過構(gòu)建有效的預(yù)測(cè)模型，研究者能夠更好地了解林木在不同環(huán)境條件下的生長(zhǎng)和生理響應(yīng)，為抗逆性改良提供依據(jù)。這一成果不僅為林木遺傳育種研究和實(shí)踐提供了新的思路和方法，同時(shí)也為類似領(lǐng)域的研究和應(yīng)用提供了寶貴的借鑒。
 

中國(guó)林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所與河北農(nóng)業(yè)大學(xué)聯(lián)合培養(yǎng)的在讀碩士研究生、2022年國(guó)家獎(jiǎng)學(xué)金獲得者宋釗穎以及河北農(nóng)業(yè)大學(xué)副教授牛小云為本文的共同第一作者，中國(guó)林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所李彥杰副研究員擔(dān)任本文的通訊作者。李彥杰副研究員主要從事林木表型組學(xué)、林木種質(zhì)資源表型精確鑒定與評(píng)估等交叉領(lǐng)域研究。相關(guān)工作得到了中國(guó)林業(yè)科學(xué)研究院優(yōu)秀青年創(chuàng)新人才培育計(jì)劃、浙江省農(nóng)業(yè)（林木）新品種選育重大科技專項(xiàng)等項(xiàng)目的資助支持。
 

論文鏈接：
https://doi.org/10.34133/plantphenomics.0028

——推薦閱讀——
Shortwave Radiation Calculation for Forest Plots Using Airborne LiDAR Data and Computer Graphics
https://doi.org/10.34133/2022/9856739
Plant Phenomics | 基于機(jī)載LiDAR數(shù)據(jù)和計(jì)算機(jī)圖形學(xué)的林分短波輻射計(jì)算
3dCAP-wheat: a computational framework quantifies wheat foliar, non-foliar and canopy photosynthesis
https://doi.org/10.34133/2022/9758148
Plant Phenomics | 基于整合葉片與非葉片組織光合作用的三維冠層模型精確刻畫小麥群體光合

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：李彥杰
排版：張婕（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平