基于RGB圖像的基因型×環境型×管理相互作用下的玉米葉片方向變化分析
Plant Phenomics | 基于RGB圖像的基因型×環境型×管理相互作用下的玉米葉片方向變化分析
玉米是目前全球最重要的作物之一，近幾十年來，玉米產量增加是育種、農藝和栽培模式共同作用的結果，玉米的豐產離不開對其表型特征的研究。現有的關于玉米結構性狀研究，特別是關于葉片重定位的研究，大多都僅限于1或2個基因型，這使得研究人員很難探究其基因型×環境型×管理相互作用。現場人工測量玉米的結構性狀，如葉片方向，是耗時耗力的，這限制了許多有關不同基因型處理的實驗研究。目前還沒有研究人員試圖開發出間接的、自動化的方法來描述田間不同基因型玉米葉片的方向，在野外條件下自動跟蹤實際冠層葉片方向變化仍然是一個挑戰。
2023年4月，Plant Phenomics在線發表了法國阿瓦利斯植物研究所和法國阿維尼翁大學題為Analyzing Changes in Maize Leaves Orientation due to GxExM Using an Automatic Method from RGB Images 的研究論文。
研究主要分為兩個方面：首先，提出一種基于中脈檢測的自動葉片方位角估計的算法（ALAEM），自動檢測玉米田地垂直RGB圖像內葉脈的走向從而描述描述冠層葉片方向；ALAEM提供的分布反映了在密集的冠層中上部葉片的方向，而不是在垂直剖面上的完整分布，與田間試驗使用光學儀器測量的原理是類似的。通過多次的觀察（例如，每3到5天）來跟蹤頂層葉片方向的動態，以實現每個葉片等級的完整分布。在致密的冠層中建立表型信息雖然具有挑戰性，但對于監測和理解在田間條件下優先葉片取向的開始非常有用；其次，描述在法國南部2個不同地點播種2個密度（6株每平方米和12株每平方米）和2行間距（0.4米和0.8米）的5個玉米雜交種葉片方向的基因型和環境差異。ALAEM算法對葉片方向的原位注釋進行了驗證，結果表明，在播種模式、基因型和位點上，垂直于行方向的葉片比例的一致性令人滿意（RMSE = 0.1，R2 = 0.35）。從ALAEM的結果可以確定與葉片種內競爭相關的葉片取向的顯著差異。
圖 1以2021年和2022年阿維尼翁和蒙塔頓試驗地點4葉和12葉期不同時期的日照時間，以及R1（種植矩形度為1）處理和URBANIX G5基因型在兩個地點的葉片方向分布為例，葉片方位角測量與分布圖
在兩個實驗中，當播種模式的矩形度從1（6株每平方米,0.4米行距）增加到8（12株每平方米,0.8米行距）時，垂直于行的葉片比例逐漸增加。5個品種間存在顯著差異，其中2個雜種系統地表現出更具可塑性的行為，葉片垂直方向的比例顯著增加，以避免在高矩形處與相鄰植株重疊。在平方播種模式（6株每平方米,0.4米行距）中，葉片方向也存在差異，表明在種內競爭較低時，光照條件可能導致葉片朝向優先偏向東西方向。另外，本研究結果表明，在高矩形處理下，雜交種之間的葉片重新定位能力存在顯著差異。5個雜種在不同矩形度播種處理下的葉片取向分布均存在顯著差異，表明種內競爭具有一定程度的結構可塑性。
圖2試驗所采取的兩種不同種植模式的示意圖
本文的主要作者為Mario Serouart博士和Frédéric Baret教授，所屬研究單位為法國阿瓦利斯植物研究所和法國阿維尼翁大學。J. Boron 和 C. Amilhastre博士主要進行了田間數據的測量，建立了田間數據集。Mario Serouart主要負責代碼編寫、實驗結果分析和論文評審工作。這項研究的項目基金主要來源于法國應用農學研究所和法國校企聯合培養博士生計劃。
論文鏈接：
https://doi/10.34133/plantphenomics.0046
——推薦閱讀——
https://doi.org/10.34133/2022/9802585
Plant Phenomics | 基于無人機多傳感器和集成學習的玉米表型高通量估算
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020
Plant Phenomics | 基于高通量無人機RGB圖像的水稻植株計數、定位和大小估計方法
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
About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。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性研究論文、綜述、數據集和觀點。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等數據庫收錄。科睿唯安JCR2022影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（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。
排版：張婕（南京農業大學）
審核：孔敏、王平
