Plant Phenomics | 在不同光線和露水情況下評估用傳感器估算冠層覆蓋度的可靠性

冠層覆蓋度(GC)代表土壤表面被植物葉片所覆蓋的比例，是測量并表征作物立苗和早期生長狀態（又稱早期活力）的重要指標。在早期生長中具有更大冠層覆蓋度的基因型通常能夠截獲更多的太陽輻射并遮蔽更大比例的土壤，從而減少土壤內水分的蒸發并可能提高水分利用率。不過，較大的冠層覆蓋度在較濕潤的生長環境中可能具有更大的益處，在干旱環境中則存在著一定的風險，即過早的生長可能會提前耗盡土壤水分，從而在生長季末期面臨更嚴重的干旱脅迫。此外，冠層覆蓋度高的作物在面對雜草時會有更強的競爭力，因此有助于對抗耐除草劑雜草。
       

冠層覆蓋度與作物的地上生物量(AGB)和葉面積指數(LAI，單位土地面積上植物葉片總面積占土地面積的比例)的發展速度有關。此外，比葉面積(SLA，葉面積與葉寬的比值)也被用作預測作物早期活力的指標之一。對作物早期活力精確表型的方法，通常包括使用破壞性采樣的方式來確定地上生物量和(或)葉面積指數。然而，在大型試驗或育種工作中篩選大量基因型時，這種破壞性方法會顯得過于費時費力。
     

近日，Plant Phenomics 在線發表了澳大利亞聯邦科學與工業研究組織(CSIRO)David M. Deery等人題為Impact of Varying Light and Dew on GroundCover Estimates from Active NDVI,RGB,and LiDAR 的研究論文。
       

該文章致力于滿足大型試驗或育種工作中對大量基因型進行可靠表型分析的需求，在不同的光線條件以及凝露情況下，評估了三個地基傳感器的冠層覆蓋度測量值的可靠性，分別為：

（1）使用商用GreenSeeker®設備(Figure1)采集的歸一化差分植被指數(NDVI)；

（2）來自數碼相機的可見光(RGB)圖像(Figure2)，其中冠層覆蓋度被定義為圖像中滿足特定標準的綠色像素比例；

（3）來自激光雷達(LiDAR)采集到的高度和紅光反射率數據，將紅光反射率小于5或高度大于10厘米的歸類為植被。

Figure 1：Phenomobile Lite™ comprising LiDAR, RGB camera, GreenSeeker®, and tablet.

Figure 2：Example of RGB image processing, to derive ,under a range of light conditions with the time of day denoted at the top.

文章結果表明，有源傳感器采集的NDVI指數隨時間變化的差異最小(Figure 3)，不論光線的好壞或凝露的存在與否都十分穩定，并且各采樣間的Pearson相關性始終很高且顯著(P <0.0001)，范圍0.89~0.98(Figure 5)。相比之下，來自激光雷達和可見光圖像的冠層覆蓋度數據在采樣時間不同時表現出了更大的差異，并且激光雷達采集的紅光反射率會受到葉片凝露的強烈影響。此外，如果不考慮外界光線很暗的時間段，通過可見光圖像和NDVI指數提取的冠層覆蓋度間具有很高的相關性（范圍0.79~0.92）。

Figure 3:Summary of data from (a) Event 1 and (b) Event 2.

Figure 5: Event 1 intraclass correlations on individual plots (i.e., between individual samplings for a given ground cover estimate) for normalized difference vegetation index (NDVI), ground cover from RGB camera(), and LiDAR-derived ground cover from red reflectance() and height().

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2021/9842178/

——推薦閱讀——
High-Throughput Phenotyping of Dynamic Canopy Traits Associated with Stay-Green in Grain Sorghum
https://spj.sciencemag.org/journals/plantphenomics/2020/4635153/
Plant Phenomics | 高通量表型分析滯綠相關的高粱動態冠層性狀
A High-Throughput Phenotyping Pipeline for Image Processing and Functional Growth Curve Analysis
https://spj.sciencemag.org/journals/plantphenomics/2020/7481687/
Plant Phenomics | 一種用于圖像處理和函數型數據分析的高通量表型方法

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，是Science合作出版的第二本期刊。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CABI、CNKI、DOAJ、PMC和Scopus數據庫收錄。

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。
編輯：張威（實習）、鞠笑、孔敏
審核：尹歡