玉米品種間冠層光合效率差異的多因素貢獻率解析
Plant Phenomics | 玉米品種間冠層光合效率差異的多因素貢獻率解析：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性。冠層光合效率受植株形態結構、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。然而，由于這些表型之間存在復雜的相互作用，導致單一表型參數與生物量或產量之間相關性不強。如何鑒定限制特定品種冠層光合效率的關鍵因子？這是作物高光效育種面臨的重要挑戰。
2023年7月，中國科學院分子植物科學卓越創新中心朱新廣課題組在Plant Phenomics在線發表了題為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率，我們開發了一套3D冠層光合建模分析流程。該流程包括基于運動恢復結構和多視角立體視覺技術的植株三維點云獲取、點云處理與分割、單株植物矢量模型構建、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鍵決定因素提供了新方法和新技術。
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，解析了株型結構、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率。進一步，分析了具體的株型結構的每個參數（包括上層葉片及下層葉片的葉長、葉寬、葉角度、葉彎曲度和葉數等）對冠層光合差異的貢獻率；分析了葉片光合光響應曲線的每個參數（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構是影響冠層光合的次要因素（5.3%和6.7%）。我們還發現葉片光合響應曲線的大部分參數與冠層光合速率之間線性相關，而株型結構的參數與冠層光合速率之間呈現非線性關系。本研究開發了全新的3D冠層光合建模分析流程，為解析冠層光合這一復雜性狀受多因素影響的貢獻率提供了途徑。
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系統進行圖像采集，(b)點云重建、處理和分割，(c)基于分割的點云建立單株向量模型，并生成虛擬植物的網格模型，(d)建立冠層模型并進行光線追蹤模擬冠層光環境，(e)冠層光合速率計算、參數響應模擬分析和多因素冠層光合貢獻率解析。
圖 2使用激光雷達和手動測量數據驗證點云精度和基于點云提取的株型參數。(a-b)使用激光雷達同時掃描多個植物的示意圖。激光雷達裝置需要在不同位置之間移動，在位置1、2和3處，激光雷達掃描角度為0度到120度；在位置4處，激光雷達掃描角度為0度到360度。(c)激光雷達點云和SFM-MVS點云之間的對準，其中SFM-MVS的點云包括RGB顏色信息，而LiDAR點云不包括顏色。重疊圖的顏色顯示兩點云之間的距離。(d, k) 計算的植物結構表型參數與測量數據之間的相關性。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)數據來自株系W64A，(h-k)數據來自株系A619。
圖 3 兩個玉米株系的植株結構、葉片反射率和透射率、以及葉片光合速率等表型測量數據。(a)兩個不同結構的玉米自交系W64A和A619在播種后第31、38、45、52和59天(DAS)等5個生長發育階段的照片和重建后的3D點云。(b-g)植株結構參數，包括單株葉數、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值之間的函數關系。(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曲線。(n-o)飽和光下的光合速率。(p-q)CO2同化速率的量子產量(ΦCO2)，即葉片光合作用的光響應曲線的初始斜率。
圖 4 基于測量數據構建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，進一步解析冠層結構、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率(f-j)。
中國科學院分子植物科學卓越創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。相關工作得到了國家自然科學基金、上海市啟明星計劃、中科院先導專項等項目資助。
論文鏈接：
https://doi/10.34133/plantphenomics.0075
——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
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的神經網絡
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�？祁Ｎò睯CR2022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。
特邀作者：宋青峰、朱新廣
排版：張婕（南京農業大學）
審核：孔敏、王平
