Plant Phenomics | 無人機遙感監測助力優化濕地松遺傳育種策略

林木通過光合作用產生碳水化合物，這些碳水化合物對于林木的生長、繁殖和生存至關重要。碳水化合物分為結構性碳水化合物和非結構性碳水化合物（NSC）。當林木過度生產時，非結構性碳水化合物（NSC）會暫時儲存在植物體內，其濃度變化通常反映了植物的碳供應能力。植物中的氮（N）是氨基酸、蛋白質、葉綠素等成分的組成部分，對碳水化合物的儲存和光合產物的運輸起著關鍵作用。因此，林木冠層葉片中的NSC和N含量是反映代謝健康的重要指標，與植物生長、發育和繁殖密切相關。

在傳統的林木遺傳育種研究中，林木冠層生理性狀的測量通常僅進行一次或少數幾次，無法全面反映林木在整個生長周期中的動態變化。同時，這種測量方法容易受到季節性和環境因素的影響，從而降低預測結果的準確性，并對遺傳育種效果產生不利影響。因此，在林木遺傳育種領域，多時相表型性狀預測具有明顯優勢。這種方法不僅能夠捕捉林木生長和生理過程的動態變化，還可以通過數據融合提高預測模型的準確性，降低因季節性和環境變化引起的誤差。此外，這種方法有助于識別具有優良表型特征和穩定性的林木品種。近年來，無人機（UAV）遙感技術已成為農林領域中測量植物結構和監測冠層生理性狀的有效手段。該技術具有無損、高通量和快速采集等優勢，為多時相研究提供了新的機遇。

2023年2月，Plant Phenomics在線發表了中國林業科學研究院亞熱帶林業研究所聯合多家單位合作完成的題為Prediction of Needle Physiological Traits Using UAV Imagery for Breeding Selection of Slash Pine 的研究論文。

該論文利用無人機多光譜技術結合機器學習算法，實現了對林木冠層氮（N）和非結構性碳水化合物（NSC）含量的高效監測。通過對不同預測模型的比較，結果發現梯度提升機（GBM）模型在預測林木冠層N和NSC含量方面具有較高的準確性，其在驗證集（20%）上對氮N和NSC的預測效果最好，R2值分別為0.60和0.65。此外，研究還生成了遺傳育種方面的相關數據，通過對遺傳變異、遺傳力和育種值的分析，揭示了在不同月份進行遺傳選擇的最佳時機。最后，研究選出了多個具有高氮和高NSC育種價值的家系。該研究成果有助于深化對林木生長特性和遺傳變異的認識，推動林木遺傳育種研究和實踐的發展。
 

圖1 2021年濕地松家系試驗林中每棵樹的氮（N）（A）和非結構性碳水化合物（NSC）（B）含量的月度分布。一個點代表一棵樹。
 

圖2 2021年不同月份預測的氮（N）和非結構性碳水化合物（NSC）含量的育種值變化。每條線代表一個家系，總共有20個家系。
 

本研究闡明了無人機多光譜技術在林木遺傳育種中的應用潛力，以及其在預測林木生長特性和遺傳變異方面的優勢。通過構建有效的預測模型，研究者能夠更好地了解林木在不同環境條件下的生長和生理響應，為抗逆性改良提供依據。這一成果不僅為林木遺傳育種研究和實踐提供了新的思路和方法，同時也為類似領域的研究和應用提供了寶貴的借鑒。
 

中國林業科學研究院亞熱帶林業研究所與河北農業大學聯合培養的在讀碩士研究生、2022年國家獎學金獲得者宋釗穎以及河北農業大學副教授牛小云為本文的共同第一作者，中國林業科學研究院亞熱帶林業研究所李彥杰副研究員擔任本文的通訊作者。李彥杰副研究員主要從事林木表型組學、林木種質資源表型精確鑒定與評估等交叉領域研究。相關工作得到了中國林業科學研究院優秀青年創新人才培育計劃、浙江省農業（林木）新品種選育重大科技專項等項目的資助支持。
 

論文鏈接：
https://doi.org/10.34133/plantphenomics.0028

——推薦閱讀——
Shortwave Radiation Calculation for Forest Plots Using Airborne LiDAR Data and Computer Graphics
https://doi.org/10.34133/2022/9856739
Plant Phenomics | 基于機載LiDAR數據和計算機圖形學的林分短波輻射計算
3dCAP-wheat: a computational framework quantifies wheat foliar, non-foliar and canopy photosynthesis
https://doi.org/10.34133/2022/9758148
Plant Phenomics | 基于整合葉片與非葉片組織光合作用的三維冠層模型精確刻畫小麥群體光合

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JCR2021影響因子為6.961，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：李彥杰
排版：張婕（南京農業大學）
審核：孔敏、王平