基于RGB图像的基因型×环境型×管理相互作用下的玉米叶片方向变化分析
Plant Phenomics | 基于RGB图像的基因型×环境型×管理相互作用下的玉米叶片方向变化分析
玉米是目前全球最重要的作物之一，近几十年来，玉米产量增加是育种、农艺和栽培模式共同作用的结果，玉米的丰产离不开对其表型特征的研究。现有的关于玉米结构性状研究，特别是关于叶片重定位的研究，大多都仅限于1或2个基因型，这使得研究人员很难探究其基因型×环境型×管理相互作用。现场人工测量玉米的结构性状，如叶片方向，是耗时耗力的，这限制了许多有关不同基因型处理的实验研究。目前还没有研究人员试图开发出间接的、自动化的方法来描述田间不同基因型玉米叶片的方向，在野外条件下自动跟踪实际冠层叶片方向变化仍然是一个挑战。
2023年4月，Plant Phenomics在线发表了法国阿瓦利斯植物研究所和法国阿维尼翁大学题为Analyzing Changes in Maize Leaves Orientation due to GxExM Using an Automatic Method from RGB Images 的研究论文。
研究主要分为两个方面：首先，提出一种基于中脉检测的自动叶片方位角估计的算法（ALAEM），自动检测玉米田地垂直RGB图像内叶脉的走向从而描述描述冠层叶片方向；ALAEM提供的分布反映了在密集的冠层中上部叶片的方向，而不是在垂直剖面上的完整分布，与田间试验使用光学仪器测量的原理是类似的。通过多次的观察（例如，每3到5天）来跟踪顶层叶片方向的动态，以实现每个叶片等级的完整分布。在致密的冠层中建立表型信息虽然具有挑战性，但对于监测和理解在田间条件下优先叶片取向的开始非常有用；其次，描述在法国南部2个不同地点播种2个密度（6株每平方米和12株每平方米）和2行间距（0.4米和0.8米）的5个玉米杂交种叶片方向的基因型和环境差异。ALAEM算法对叶片方向的原位注释进行了验证，结果表明，在播种模式、基因型和位点上，垂直于行方向的叶片比例的一致性令人满意（RMSE = 0.1，R2 = 0.35）。从ALAEM的结果可以确定与叶片种内竞争相关的叶片取向的显著差异。
图 1以2021年和2022年阿维尼翁和蒙塔顿试验地点4叶和12叶期不同时期的日照时间，以及R1（种植矩形度为1）处理和URBANIX G5基因型在两个地点的叶片方向分布为例，叶片方位角测量与分布图
在两个实验中，当播种模式的矩形度从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）时，垂直于行的叶片比例逐渐增加。5个品种间存在显著差异，其中2个杂种系统地表现出更具可塑性的行为，叶片垂直方向的比例显著增加，以避免在高矩形处与相邻植株重叠。在平方播种模式（6株每平方米,0.4米行距）中，叶片方向也存在差异，表明在种内竞争较低时，光照条件可能导致叶片朝向优先偏向东西方向。另外，本研究结果表明，在高矩形处理下，杂交种之间的叶片重新定位能力存在显著差异。5个杂种在不同矩形度播种处理下的叶片取向分布均存在显著差异，表明种内竞争具有一定程度的结构可塑性。
图2试验所采取的两种不同种植模式的示意图
本文的主要作者为Mario Serouart博士和Frédéric Baret教授，所属研究单位为法国阿瓦利斯植物研究所和法国阿维尼翁大学。J. Boron 和 C. Amilhastre博士主要进行了田间数据的测量，建立了田间数据集。Mario Serouart主要负责代码编写、实验结果分析和论文评审工作。这项研究的项目基金主要来源于法国应用农学研究所和法国校企联合培养博士生计划。
论文链接：
https://doi/10.34133/plantphenomics.0046
——推荐阅读——
https://doi.org/10.34133/2022/9802585
Plant Phenomics | 基于无人机多传感器和集成学习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 | 基于高通量无人机RGB图像的水稻植株计数、定位和大小估计方法
加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信，备注姓名+单位+PP，加入作者交流群
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为6.5，位于农艺学、植物科学、遥感一区。中科院农艺学、植物科学一区，遥感二区，生物大类一区（TOP期刊）。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
排版：张婕（南京农业大学）
审核：孔敏、王平
