Plant Phenomics | 激光雷達能夠高效地描述葡萄的生長情況和檢測相關遺傳位點

葡萄樹的光合作用能力主要由葉面積決定，降低葉糖比可以降低漿果在收獲時的糖濃度，延遲葡萄的成熟日期并損害每叢漿果的數量。此外，葉面積還是估計植物蒸發需求所需的關鍵變量。為了迎接氣候變化和全球對抗病葡萄品種需求的挑戰，需要進行葡萄樹葉面積的估計和葡萄基因型的評估，同時，對高通量表型分析方法的需求在不斷增加。
 

2023年11月，Plant Phenomics 在線發表了法國 University of Strasbourg等單位題為LiDAR is effective in characterizing vine growth and detecting associated genetic loci 的研究論文。
 

本研究設計了一系列實驗來評估LIDAR在葡萄表型特征估計中表現，使用LIDAR技術評估了209中葡萄基因型的生長特征，通過利用測序技術基因分型（GBS）獲得高密度遺傳信息，成功檢測了與后代性狀變異相關的六個葡萄基因組區域，證明了這些區域與后代中的性狀變異相關。

圖1 研究的實驗和技術設計概述

本研究的 RGB 圖像是手動獲得的，研究人員通過在拖拉機上安裝兩個SICK LMS4000 LiDAR 傳感器，去獲取葡萄植株的點云數據（如圖2所示）。這兩個LIDAR傳感器之間的垂直距離是0.70m，可完整捕獲整個樹冠。LIDAR采集的點云基于GPS坐標，GPS天線與兩個LIDAR傳感器之間的已知距離以及LIDAR測量的傳感器-目標距離生成，并包含在HDF5文件的每個基本小區。
 

圖2搭載 LiDAR 傳感器的系統概述

圖3描述了LiDAR獲取的冠層體積與ELA（暴露葉面積）以及2020/2021生長季修剪重量之間的關系。轉色期的表觀冠層體積與通過數碼照片測量的ELA密切相關（R2=0.79），在2021/2022生長季，相關性同樣高（R2=0.69，見圖4），但協方差分析揭示，兩個生長季的表觀冠層體積與ELA之間的數學關系并不相同。LiDAR數據在年份之間的相關性優于數字圖像（分別為0.52和0.42；見圖4），這表明圖像分析方法的可重復性較差，可能是由于不受控制的照明條件。
 

圖3使用 LiDAR 數據計算的表觀體積與 (a) 暴露葉面積、(b) 2020/2021 生長季修剪鮮重之間的關系

圖4顯示相關變量之間的決定系數 R2 的圖表

在2021年（2020生長季），通過LiDAR數據估算的葡萄藤的木質部分體積和實際修剪葡萄藤蔓重量受到共同的染色體1、5和18上的數量性狀位點（QTL）的調控（圖5）。對于葡萄藤的木質部分體積，還在染色體3和19上檢測到額外的QTL，而在染色體8上檢測到修剪重量的額外QTL（圖5）。這些QTL總體上解釋了葡萄藤的木質體積的48%和修剪重量的37%，在兩種情況下都非常令人滿意。
 

在2022年（2021生長季），對于葡萄藤的木質體積和修剪重量，QTL的總解釋百分比低于2021年，約為29%。修剪重量的兩個QTL，分別位于染色體1和18上，已在2021年被檢測到，但對于葡萄藤的木質體積，僅染色體1上的QTL在2021年被檢測到。無論使用何種方法，只有染色體1上的QTL是穩定的，它在兩個生長季中，無論是冬季還是夏季都被檢測到。

圖5 在共有圖譜上檢測到的主要QTL的位置。僅呈現至少檢測到兩年的 QTL。

垂直線：貝葉斯可信區間，覆蓋概率為 0.95。水平線：LOD 峰的位置。ELA = 暴露葉面積，PW = 修剪重量，SPAD = 使用Konica-Minolta SPAD 測量的葉綠素含量，ACV = 葡萄藤的冠層體積，AWV = 葡萄藤的木質體積
 

這些結果強調了LIDAR衍生性狀表征葡萄生長遺傳差異的可靠性，可以取代傳統的低通量方法。該研究也為葡萄園中葡萄的高通量表型分析開辟了新的視角，不僅可以描述遺傳變異，還可以描述環境條件、培訓系統或管理技術的影響。研究的數據可通過https://doi.org/10.57745/PETTGY獲得。

用于估計樹葉覆蓋率的ImageJ 的腳本獲得：

https://forgemia.inra.fr/eric.duchene/image-analysis-scripts/-/blob/main/FoliageCoverage_PC_EN.txt

論文鏈接：

‍https://spj.science.org/doi/10.34133/plantphenomics.0116

——推薦閱讀——

Instance Segmentation and Berry Counting of Table Grape before Thinning Based on AS-SwinT

https://spj.science.org/doi/10.34133/plantphenomics.0‍085

Plant Phenomics | 基于AS-SwinT疏果前單串葡萄果粒的實例分割與計數

Prediction of the Maturity of Greenhouse Grapes Based on Imaging Technology

https://doi.org/10.34133/2022/9753427

Plant Phenomics | 基于表型圖像信息與反向神經網絡預測溫室葡萄成熟度

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6.5，位于農藝學、植物科學、遙感一區。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。

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）
排版：蘇梓鈺（南京農業大學）
審核：孔敏、王平