Plant Phenomics | 玉米品種間冠層光合效率差異的多因素貢獻(xiàn)率解析：一種新的三維冠層建模流程

提高作物冠層光合效率是提高生物量和產(chǎn)量潛力的重要策略之一。冠層光合是指田間作物地上部分的光合作用總和，其與生物量具有正相關(guān)性。冠層光合效率受植株形態(tài)結(jié)構(gòu)、葉片葉綠素含量及吸光度、葉片光合作用效率等多方面因素的共同影響，這些表型都屬于作物育種篩選的靶標(biāo)。然而，由于這些表型之間存在復(fù)雜的相互作用，導(dǎo)致單一表型參數(shù)與生物量或產(chǎn)量之間相關(guān)性不強(qiáng)。如何鑒定限制特定品種冠層光合效率的關(guān)鍵因子？這是作物高光效育種面臨的重要挑戰(zhàn)。

2023年7月，中國科學(xué)院分子植物科學(xué)卓越創(chuàng)新中心朱新廣課題組在Plant Phenomics在線發(fā)表了題為Quantifying Contributions of Different Factors to Canopy Photosynthesis in Two Maize varieties: Development of a Novel 3D Canopy Modeling Pipeline 的研究論文。

為了解析影響品種間冠層光合差異的多因素的貢獻(xiàn)率，我們開發(fā)了一套3D冠層光合建模分析流程。該流程包括基于運(yùn)動恢復(fù)結(jié)構(gòu)和多視角立體視覺技術(shù)的植株三維點(diǎn)云獲取、點(diǎn)云處理與分割、單株植物矢量模型構(gòu)建、虛擬3D冠層模型及光線追蹤、冠層光合計算與解析。該流程為鑒定不同品種之間冠層光合差異的關(guān)鍵決定因素提供了新方法和新技術(shù)。

在本研究中，我們利用這一流程分析兩個玉米自交系品種（W64A和A619）在5個生長時期的冠層光合決定因子，解析了株型結(jié)構(gòu)、葉片光合效率及葉片吸光度等對兩個品種冠層光合差異的貢獻(xiàn)率。進(jìn)一步，分析了具體的株型結(jié)構(gòu)的每個參數(shù)（包括上層葉片及下層葉片的葉長、葉寬、葉角度、葉彎曲度和葉數(shù)等）對冠層光合差異的貢獻(xiàn)率；分析了葉片光合光響應(yīng)曲線的每個參數(shù)（包括量子效率、最大光合速率、曲線彎曲度和呼吸速率）對冠層光合差異的貢獻(xiàn)率。

葉片光合效率是決定這兩個品種冠層光合差異的首要因素（17.5-29.2%）；在生長早期的株型結(jié)構(gòu)是影響冠層光合的次要因素（5.3%和6.7%）。我們還發(fā)現(xiàn)葉片光合響應(yīng)曲線的大部分參數(shù)與冠層光合速率之間線性相關(guān)，而株型結(jié)構(gòu)的參數(shù)與冠層光合速率之間呈現(xiàn)非線性關(guān)系。本研究開發(fā)了全新的3D冠層光合建模分析流程，為解析冠層光合這一復(fù)雜性狀受多因素影響的貢獻(xiàn)率提供了途徑。
 

圖 13D冠層光合建模分析流程。該流程包括幾個步驟，(a)使用MVS64系統(tǒng)進(jìn)行圖像采集，(b)點(diǎn)云重建、處理和分割，(c)基于分割的點(diǎn)云建立單株向量模型，并生成虛擬植物的網(wǎng)格模型，(d)建立冠層模型并進(jìn)行光線追蹤模擬冠層光環(huán)境，(e)冠層光合速率計算、參數(shù)響應(yīng)模擬分析和多因素冠層光合貢獻(xiàn)率解析。
 

圖 2使用激光雷達(dá)和手動測量數(shù)據(jù)驗證點(diǎn)云精度和基于點(diǎn)云提取的株型參數(shù)。(a-b)使用激光雷達(dá)同時掃描多個植物的示意圖。激光雷達(dá)裝置需要在不同位置之間移動，在位置1、2和3處，激光雷達(dá)掃描角度為0度到120度；在位置4處，激光雷達(dá)掃描角度為0度到360度。(c)激光雷達(dá)點(diǎn)云和SFM-MVS點(diǎn)云之間的對準(zhǔn)，其中SFM-MVS的點(diǎn)云包括RGB顏色信息，而LiDAR點(diǎn)云不包括顏色。重疊圖的顏色顯示兩點(diǎn)云之間的距離。(d, k) 計算的植物結(jié)構(gòu)表型參數(shù)與測量數(shù)據(jù)之間的相關(guān)性。這些性狀包括葉基部高度(d，h)、葉長(e，i)、葉寬(f，j)及葉面積(g，k)。其中(d-g)數(shù)據(jù)來自株系W64A，(h-k)數(shù)據(jù)來自株系A(chǔ)619。
 

圖 3 兩個玉米株系的植株結(jié)構(gòu)、葉片反射率和透射率、以及葉片光合速率等表型測量數(shù)據(jù)。(a)兩個不同結(jié)構(gòu)的玉米自交系W64A和A619在播種后第31、38、45、52和59天(DAS)等5個生長發(fā)育階段的照片和重建后的3D點(diǎn)云。(b-g)植株結(jié)構(gòu)參數(shù)，包括單株葉數(shù)、莖高、平均葉長、最大葉長、平均葉寬和最大葉寬等。(h-i).葉片透射率及反射率與葉綠素含量SPAD值之間的函數(shù)關(guān)系。(j)葉片葉綠素含量(SPAD值)。(k-l)計算得到的葉片透光率和反射率。(m).株系W64A和A619的上層葉片和底層葉片光合光響應(yīng)曲線。(n-o)飽和光下的光合速率。(p-q)CO2同化速率的量子產(chǎn)量(ΦCO2)，即葉片光合作用的光響應(yīng)曲線的初始斜率。
 

圖 4 基于測量數(shù)據(jù)構(gòu)建3D冠層光合模型，并計算得到兩個玉米株系的冠層光合速率日變化曲線。株系間冠層光合具有顯著差異(a-e)。通過3D冠層光合建模分析流程，進(jìn)一步解析冠層結(jié)構(gòu)、葉片光合效率、葉片葉綠素含量(吸光度)及其相互作用在5個生長時期對冠層光合差異的貢獻(xiàn)率(f-j)。

中國科學(xué)院分子植物科學(xué)卓越創(chuàng)新中心宋青峰副研究員為第一作者，朱新廣研究員為本文的通訊作者。相關(guān)工作得到了國家自然科學(xué)基金、上海市啟明星計劃、中科院先導(dǎo)專項等項目資助。

論文鏈接：

https://doi/10.34133/plantphenomics.0075

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

TrichomeYOLO: A Neural Network for Automatic Maize Trichome Counting

https://doi/10.34133/plantphenomics.0024

Plant Phenomics | TrichomeYOLO：玉米毛狀體自動計數(shù)的神經(jīng)網(wǎng)絡(luò)

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、專刊發(fā)布會等高質(zhì)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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（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)庫收錄。科睿唯安JCR2022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年入選中國科技期刊卓越行動計劃高起點(diǎn)新刊項目。

說明：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：宋青峰、朱新廣   

排版：張婕（南京農(nóng)業(yè)大學(xué)）

審核：孔敏、王平