分享一篇河南大學(xué)小麥研究團(tuán)隊(duì)關(guān)于利用無(wú)人機(jī)技術(shù)結(jié)合機(jī)器學(xué)習(xí)進(jìn)行小麥抗旱性評(píng)價(jià)的研究成果于2025年5月28日在中科院一區(qū)TOP期刊Computers and Electronics in Agriculture，以“Utilizing UAV-based high-throughput phenotyping and machine learning to evaluate drought resistance in wheat germplasm”為題的文章，為小麥抗旱表型評(píng)估、利用和育種改良提供了重要參考。
文章鏈接：https://doi.org/10.1016/j.compag.2025.110602
河南大學(xué)高通量作物表型分析平臺(tái)（HTP）由谷豐光電支持建設(shè)。
小麥（Triticum aestivum L.）是全球重要的糧食作物，干旱脅迫是影響小麥生產(chǎn)最嚴(yán)重的非生物脅迫之一，對(duì)小麥的生長(zhǎng)發(fā)育、生理代謝、產(chǎn)量和品質(zhì)都會(huì)造成顯著的負(fù)面影響。其影響程度取決于干旱發(fā)生的時(shí)期、強(qiáng)度、持續(xù)時(shí)間和品種的抗旱性。傳統(tǒng)的小麥抗旱性評(píng)估方法通常具有破壞性、耗時(shí)費(fèi)力且難以全面反映小麥抗旱性的復(fù)雜特征。近年來，無(wú)人機(jī)遙感技術(shù)與機(jī)器學(xué)習(xí)算法的結(jié)合為作物田間表型研究帶來了新的機(jī)遇，但如何利用高通量光譜數(shù)據(jù)精準(zhǔn)量化小麥抗旱性仍是亟待解決的難題。
該研究以主要來自黃淮麥區(qū)的1961至2020年間的Landraces和Cultivars等52份小麥種質(zhì)為試驗(yàn)材料，利用無(wú)人機(jī)搭載RGB、多光譜和熱紅外相機(jī)采集了在充足灌溉和干旱條件下的小麥7個(gè)生育時(shí)期（分蘗期、越冬期、返青期、拔節(jié)期、抽穗期、開花期和灌漿期）的大田表型圖像，基于這些圖像數(shù)據(jù)，研究共獲得了206個(gè)涉及不同生長(zhǎng)階段和不同傳感器類型的光譜指標(biāo)（圖1）。深入分析發(fā)現(xiàn)，其中127個(gè)光譜指標(biāo)與小麥干旱響應(yīng)顯著相關(guān)，這些指標(biāo)涵蓋了植被覆蓋度、水分含量、光合效率、生物量等多個(gè)生理維度，除了已被報(bào)道的一些干旱指標(biāo)如過綠指數(shù)（ExG）外，研究還揭示了大量新的干旱相關(guān)性狀，為指導(dǎo)大田抗旱育種提供了豐富的表型參數(shù)。
圖1 利用多種傳感器監(jiān)測(cè)大田小麥干旱表型
為了探究基于無(wú)人機(jī)的127個(gè)光譜指標(biāo)與傳統(tǒng)農(nóng)藝性狀之間的關(guān)系，本研究同時(shí)人工調(diào)查了11個(gè)傳統(tǒng)性狀，包括株高、穗長(zhǎng)、穗粒數(shù)、粒長(zhǎng)、粒寬、千粒重等。結(jié)果發(fā)現(xiàn)，大多數(shù)無(wú)人機(jī)光譜指標(biāo)與分蘗數(shù)、株高等性狀顯著相關(guān)，能夠有效反映小麥在干旱條件下的外部形態(tài)變化。同時(shí)，研究發(fā)現(xiàn)了10個(gè)與籽粒表型相關(guān)（粒寬、粒長(zhǎng)等）的光譜指標(biāo)，其中包括3個(gè)重要的基于RGB圖像的新型干旱指標(biāo)—植被顏色指數(shù) (CIVE)、紅綠藍(lán)指數(shù) (RGBI) 和過綠減過紅指數(shù) (ExG_ExR)。這3個(gè)光譜指標(biāo)不僅與籽粒性狀密切相關(guān)，與葉綠素含量也高度相關(guān)，可以有效反應(yīng)小麥在干旱脅迫下的生長(zhǎng)狀態(tài)和光合能力。此外，對(duì)不同年代材料的比較分析還發(fā)現(xiàn)，在水分充足條件下，現(xiàn)代品種的株高較早期年代顯著降低，平均下降19.17%，這一趨勢(shì)在近60年的選擇育種過程中持續(xù)存在。而在水分虧缺條件下， 2001-2020年期間育成的小麥品種較1961-1980年的品種在粒寬和千粒重方面分別提高了15.19%和24.35%，在分蘗數(shù)、穗長(zhǎng)、總小穗數(shù)上并沒有明顯變化。因此，與這些傳統(tǒng)性狀密切相關(guān)的光譜指標(biāo)在未來進(jìn)一步提高小麥抗旱性和籽粒產(chǎn)量方面具有重要應(yīng)用潛力。
研究進(jìn)一步利用多種機(jī)器學(xué)習(xí)方法（隨機(jī)森林、lasso回歸和嶺回歸）對(duì)127個(gè)光譜數(shù)據(jù)進(jìn)行深度挖掘，構(gòu)建干旱條件下產(chǎn)量穩(wěn)定性的預(yù)測(cè)模型，比較分析顯示，隨機(jī)森林的產(chǎn)量估算效果最佳，其次是lasso回歸和嶺回歸。通過隨機(jī)森林模型最終篩選出17個(gè)光譜指標(biāo)，這些指標(biāo)共同解釋了干旱條件下產(chǎn)量穩(wěn)定性變異的48.84%（圖2）?；谶@17個(gè)指標(biāo)的綜合評(píng)價(jià)D值，從52個(gè)基因型中鑒定出1個(gè)高度抗旱種質(zhì)和13個(gè)抗旱種質(zhì)，并通過田間試驗(yàn)進(jìn)一步驗(yàn)證了預(yù)測(cè)結(jié)果的可靠性。這項(xiàng)研究不僅證實(shí)了無(wú)人機(jī)技術(shù)在抗旱性評(píng)估中的有效性，篩選出的優(yōu)異種質(zhì)資源為抗旱遺傳改良提供了重要材料，更重要的是建立了一套基于多源數(shù)據(jù)融合和機(jī)器學(xué)習(xí)的抗旱種質(zhì)鑒定新方法，為應(yīng)對(duì)全球氣候變化背景下的小麥抗旱育種提供了創(chuàng)新性解決方案。
圖2 機(jī)器學(xué)習(xí)預(yù)測(cè)干旱條件下產(chǎn)量穩(wěn)定性
河南大學(xué)小麥逆境適應(yīng)及遺傳改良團(tuán)隊(duì)張震副教授和周云教授為論文的共同通訊作者，博士生朱曉靜、青年教師劉馨、博士生武茜和碩士生劉夢(mèng)詩(shī)為共同第一作者。華中農(nóng)業(yè)大學(xué)張建教授，河南省農(nóng)業(yè)科學(xué)院胡琳研究員對(duì)本研究提供了重要指導(dǎo)和幫助。研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、河南省自然科學(xué)基金、河南省重點(diǎn)研發(fā)計(jì)劃、河南省神農(nóng)實(shí)驗(yàn)室重點(diǎn)研發(fā)計(jì)劃等項(xiàng)目的資助。
鄂公網(wǎng)安備42018502003245號(hào) 網(wǎng)站地圖
