以小麥條銹病為例探討該病對(duì)反射率的測(cè)量和氮狀態(tài)評(píng)估的影響

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(chǎn)中，作物同時(shí)會(huì)受到多種脅迫，包括生物脅迫和非生物脅迫，它們都會(huì)導(dǎo)致作物產(chǎn)量和品質(zhì)的降低，因此了解作物如何應(yīng)對(duì)多重脅迫對(duì)于提高作物產(chǎn)量是至關(guān)重要的。隨著高通量表型系統(tǒng)的發(fā)展與利用，其為評(píng)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(lái)了新的挑戰(zhàn)。在此背景下，對(duì)作物脅迫的研究是一個(gè)突出和持續(xù)的過(guò)程，一個(gè)特別關(guān)注的領(lǐng)域是氮缺乏的檢測(cè)。目前對(duì)氮狀況的檢測(cè)研究都是基于單個(gè)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(duì)其檢測(cè)的影響，因此需要進(jìn)一步的研究來(lái)應(yīng)對(duì)這些影響。
 

2023年6月，Plant Phenomics 在線發(fā)表了比利時(shí)列日大學(xué)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(duì)反射率的測(cè)量和氮狀態(tài)評(píng)估的影響，首先在為期兩年的施氮試驗(yàn)中，利用多傳感器遙感平臺(tái)采集了小麥的RGB和多光譜圖像，使用的SegVeg方法可以對(duì)圖像進(jìn)行有效的分割。
 

研究結(jié)果表明，SegVeg模型結(jié)合了EfficientNetB2290和Xgboost模型，可以有效地分割了整個(gè)數(shù)據(jù)集，即使在強(qiáng)烈的直射陽(yáng)光條件下，也能非常準(zhǔn)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(guò)葉片損傷來(lái)影響作物反射率（表1），同時(shí)通過(guò)破壞作物的氮狀況來(lái)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(duì)氮狀況遙感監(jiān)測(cè)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(zhǔn)確分割了數(shù)據(jù)集，同時(shí)定量分析了作物病害對(duì)遙感氮狀況檢測(cè)的影響。強(qiáng)調(diào)了進(jìn)一步研究多重脅迫對(duì)作物表型觀測(cè)影響的重要性，為其他作物脅迫研究對(duì)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(zhǎng)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(guān)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(xué)周國(guó)雄教授團(tuán)隊(duì)基于PLPNet的番茄葉片病害圖像精確檢測(cè)方法

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

《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�？祁Ｎò睯CR2022影響因子為6.5，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)。
撰稿：嚴(yán)鑫（南京農(nóng)業(yè)大學(xué)）
排版：向雪薇（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平