Plant Phenomics | 粳稻通用臨界氮濃度稀釋曲線的建立方法探索與評(píng)估

2023年3月，Plant Phenomics在線發(fā)表了南京農(nóng)業(yè)大學(xué)題為Potential of Establishing the Universal Critical Nitrogen Dilution Curve for Japonica Rice的研究論文。本研究基于長(zhǎng)江流域10年的水稻氮肥實(shí)驗(yàn)數(shù)據(jù)，分別采用簡(jiǎn)單數(shù)據(jù)混合（simple data-mixing, SDM）、隨機(jī)森林算法（random forest algorithm, RFA）和貝葉斯分層模型（Bayesian hierarchical model, BHM）三種策略建立了面向粳稻品種的通用氮濃度稀釋曲線（圖1）。
 

圖1 建立粳稻通用臨界氮濃度稀釋曲線的三種策略：簡(jiǎn)單數(shù)據(jù)混合（SDM），隨機(jī)森林算法（RFA）和貝葉斯分層模型（BHM）。

結(jié)果表明，構(gòu)建曲線的參數(shù)a和b的值均受到基因遺傳以及環(huán)境條件的影響。參數(shù)a主要由品種的氮吸收特性決定，而參數(shù)b與品種和環(huán)境條件有關(guān)。我們總共獲取了14個(gè)相關(guān)影響因子用于RFA策略的篩選，最終植株高度、分蘗末期的比葉面積和營(yíng)養(yǎng)生長(zhǎng)期的最大干物質(zhì)重量被用來(lái)預(yù)測(cè)參數(shù)a，分蘗末期的積溫、分蘗末期的莖葉比和營(yíng)養(yǎng)生長(zhǎng)期的最大葉面積指數(shù)被用來(lái)預(yù)測(cè)參數(shù)b。RFA的建模方法的精度比傳統(tǒng)的多元線性回歸高14.69%。BHM策略則是在得到的后驗(yàn)分布中選擇代表性值（即平均數(shù)、中位數(shù)和概率最高數(shù)（most probable number, MPN））來(lái)探索是否符合通用曲線的參數(shù)a和b值。其中BHM-MPN的氮營(yíng)養(yǎng)指數(shù)驗(yàn)證精度最高，達(dá)到了82%。
 

SDM、RFA和BHM-MPN三種策略建立的通用臨界氮濃度稀釋曲線經(jīng)驗(yàn)證均具有較強(qiáng)的氮診斷能力（氮營(yíng)養(yǎng)指數(shù)的驗(yàn)證R2 ≥ 0.81）。與SDM策略相比，RFA策略和BHM-MPN策略可以在保證精度的前提下，大大簡(jiǎn)化實(shí)際建模過程（例如區(qū)分氮限制或非氮限制組），更有利于在區(qū)域尺度上的統(tǒng)一應(yīng)用和推廣。
 

該論文研究由南京農(nóng)業(yè)大學(xué)國(guó)家信息農(nóng)業(yè)工程技術(shù)中心的相關(guān)學(xué)者合作完成。南京農(nóng)業(yè)大學(xué)博士研究生傅兆鵬為本文第一作者，南京農(nóng)業(yè)大學(xué)劉小軍教授為通訊作者。該成果得到了南京農(nóng)業(yè)大學(xué)三亞研究所（No. NAUSY-ZD01）、國(guó)家自然科學(xué)基金（No. 32071903）、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（No. 2022YFD2301402）、江蘇省重點(diǎn)技術(shù)研發(fā)計(jì)劃項(xiàng)目（No. BE2019386）和江蘇省農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系專項(xiàng)資金（Nos. JATS (2022)468、Nos. JATS (2022)168）資助。
 

論文鏈接：

https://doi.org/10.34133/plantphenomics.0036‍

——推薦閱讀——
Rice Plant Counting, Locating and Sizing Method Based on High-Throughput UAV RGB Images 
https://doi.org/10.34133/plantphenomics.0020
Plant Phenomics | 基于高通量無(wú)人機(jī)RGB圖像的水稻植株計(jì)數(shù)、定位和大小估計(jì)方法
Spectrometric Prediction of Nitrogen Content in Different Tissues of Slash Pine Trees
https://doi.org/10.34133/2022/9892728
Plant Phenomics | 氮肥都去哪兒了？濕地松不同部位氮元素含量差異及其光譜預(yù)測(cè)方法

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)、遙感二區(qū)、生物大類一區(qū)（TOP期刊）。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：劉小軍、傅兆鵬
排版：薛楚凡（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平