Plant Phenomics | 葉片病害壓力在多大程度上影響遙感氮狀況？以條銹病為例研究

在田間生產中，作物同時會受到多種脅迫，包括生物脅迫和非生物脅迫，它們都會導致作物產量和品質的降低，因此了解作物如何應對多重脅迫對于提高作物產量是至關重要的。隨著高通量表型系統的發展與利用，其為評估作物脅迫提供了新的方法，但是數據采集、管理和分析的多樣性帶來了新的挑戰。在此背景下，對作物脅迫的研究是一個突出和持續的過程，一個特別關注的領域是氮缺乏的檢測。目前對氮狀況的檢測研究都是基于單個脅迫下的研究，但很少研究有涉及到多重脅迫間的相互作用對其檢測的影響，因此需要進一步的研究來應對這些影響。
 

2023年6月，Plant Phenomics 在線發表了比利時列日大學題為To what extent does yellow rust infestation affect remotely sensed nitrogen status? 的研究論文。
 

本研究以小麥條銹病為例探討了該病對反射率的測量和氮狀態評估的影響，首先在為期兩年的施氮試驗中，利用多傳感器遙感平臺采集了小麥的RGB和多光譜圖像，使用的SegVeg方法可以對圖像進行有效的分割。
 

研究結果表明，SegVeg模型結合了EfficientNetB2290和Xgboost模型，可以有效地分割了整個數據集，即使在強烈的直射陽光條件下，也能非常準確地分割土壤、綠色元素和受損區域（圖1）。此外研究發現病害不僅通過葉片損傷來影響作物反射率（表1），同時通過破壞作物的氮狀況來影響健康區域的反射率（圖2），將作物健康區域的NDRE植被指數和損害比例納入模型可以有效減輕病害對氮狀況遙感監測的影響（圖3）。
 

該研究以小麥條銹病為例，融合了多種圖像分析方法，準確分割了數據集，同時定量分析了作物病害對遙感氮狀況檢測的影響。強調了進一步研究多重脅迫對作物表型觀測影響的重要性，為其他作物脅迫研究對氮狀況影響提供了新思路。
 

圖1基于SegVeg方法的分割示例
 

圖2主要生長階段處理的NDREgreen值
 

圖3不同生育期NDRE與氮素狀況變量的相關矩陣

https://doi.org/10.34133/plantphenomics.0‍083

——推薦閱讀——

An effective image-based tomato leaf disease segmentation method using MC-UNet

https://doi.org/10.34133/plantphenomic‍s.0049

Plant Phenomics | 基于自制番茄葉片病害的圖像分割方法研究

A Precise Image-Based Tomato Leaf Disease Detection Approach Using PLPNet

https://doi.org/10.34133/plantphenomics.0042

Plant Phenomics | 中南林業科技大學周國雄教授團隊基于PLPNet的番茄葉片病害圖像精確檢測方法

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

《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JCR2022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。
撰稿：嚴鑫（南京農業大學）
排版：向雪薇（南京農業大學）
審核：孔敏、王平