利用作物生長動態在育種田中對雙親雜交甜菜進行高通量產量預測
Plant Phenomics | 利用無人機獲取的生長動態在育種田中對雙親雜交甜菜進行高通量產量預測
甜菜（Beta vulgaris L.）是溫帶地區重要的糖料作物，盡管近幾十年種植面積有所減少，但通過利用雜種優勢等育種技術，其產量顯著提升。雜種優勢使甜菜后代比其親本表現出更高的生物量、發育速度和繁殖力。為了更好地估計遺傳與非遺傳效應，并量化雜種表現，育種者采用雙向雜交分析等工具。近年來，高通量表型分析技術如無人機和多光譜成像的應用，有助于捕捉作物生長動態，如葉面積指數（LAI）和作物生長速率（CGR），從而加速甜菜遺傳-環境互作的研究及優良品種的培育。
2024年6月，Plant Phenomics 在線發表了Hokkaido Agricultural Research Center等多家單位合作完成的題為High-Throughput Yield Prediction of Diallele Crossed Sugar Beet in a Breeding Field Using UAV-Derived Growth Dynamics 的研究論文，本研究開發一種高通量方法，通過精確捕捉冠層覆蓋和高度動態，來預測小區育種田中的甜菜根重（RW）和糖含量（SC）。
Kazunori Taguchi 等人使用安裝在無人機（UAV）上的RGB相機，在三個季節內，每個季節收集包含20個基因型的小面積育種田的甜菜冠層覆蓋率（CC）和冠層高度（CH）的時間序列數據。每次飛行都生成數字正射影像圖和數字表面模型，并將其轉換為單個小區級別的數據。以單個小區為基礎計算了CC和CH的數據，構建了一個多元回歸模型，該模型利用單個時間點的CC和CH數據來預測根重（RW）和糖含量（SC），在三個季節中的預測相關系數分別為0.89、0.89和0.92，以及0.79、0.83和0.77。六月底的個體CC和CH值傾向于成為RW和SC的強預測因子，表明生長季早期的生長對獲得較高的RW和SC至關重要。
圖1 雙列雜交中的多元回歸(2018、2020和2021)。CC和CH的每個DAT組合的RW(上圖)和SC(下圖)的決定系數(R²)。
圖1展示了不同日期組合下的CC和CH與RW或SC之間的相關性。對于RW，相關性最高是在大約6月后期左右，但在2018年，CH的相關性在130之后最高。對于SC，相關性峰值出現在6月至7月后期之間。
圖2 雙列雜交中的多元回歸(2018、2020和2021)。為CC和CH的每個DAT組合計算的RW和SC積分的決定系數(R²)
圖2展示了在不同日期（DAT）上，使用CC和CH預測的RW和SC的相關性。可以看出，隨著日期的增加，預測的準確性逐漸降低。在約60至140天期間，預測的RW通常具有相對穩定的較高相關性（R²在0.7到0.8之間），而對于SC，預測的相關性在早期階段（60到80天）略高，達到R²在0.29到0.56之間。
該研究開發并演示了一種基于無人機的高通量且易于實施的技術，利用作物生長動態來估算根重和糖產量。這一簡單而穩健的方法可以通過提供收獲前的選擇標準來增強育種者的決策能力，適用于田間所有品系，從而減少繁瑣的手動測量需求。此外，該無人機方法還可以擴展到指導生產田中的精準施肥。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0209
——推薦閱讀——
IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis
https://doi.org/10.34133/plantphenomics.0164
Plant Phenomics | 華中農業大學開發了基于無人機平臺的大田作物表型數據提取和分析平臺
UAV-assisted dynamic monitoring of wheat uniformity toward yield and biomass estimation
https://doi.org/10.34133/plantphenomics.0191
Plant Phenomics | 南農農學院聯合前沿交叉研究院提出基于無人機圖像田間小麥生長均勻度的定量化方法
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7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
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。
撰稿：靳松（南京農業大學）
編輯排版：王平、陳新月（浙江大學）
審核：尹歡、孔敏
