背景

無人機高光譜相機的最新發(fā)展為評估土地分配和作物生理特性(包括對非生物和生物脅迫的反應(yīng))提供了研究機會?；跓o人機高光譜相機的遙感可用于使用時間序列以動態(tài)方式快速且經(jīng)濟高效地對大量地塊和田間試驗進行表型分析。預(yù)計這將對作物遺傳改良的進展產(chǎn)生巨大影響。

結(jié)果

介紹配備傳感器的無人機高光譜相機在空間場變異性評估和玉米低氮 (low-N) 脅迫耐受性表型分析中的多光譜成像應(yīng)用。多光譜航拍圖像用于描述實驗田的空間土壤氮變異性，以及 (2) 推導(dǎo)低氮脅迫下作物表現(xiàn)的指數(shù)?？傮w而言，結(jié)果表明，該空中平臺能夠有效表征空間田間變化并評估低氮脅迫下的作物表現(xiàn)。來自光譜成像的歸一化差異植被指數(shù) (NDVI) 數(shù)據(jù)與地面測量的 NDVI、作物衰老指數(shù)和谷物產(chǎn)量具有很強的相關(guān)性。

結(jié)論

這項工作表明，為表型研究設(shè)計的航空傳感平臺有可能有效地幫助作物遺傳改良以抵抗低氮等非生物脅迫，前提是傳感器具有足夠的分辨率用于地塊級數(shù)據(jù)收集。還討論了限制和未來的潛在用途。

背景

為確保提高農(nóng)業(yè)生產(chǎn)力，開發(fā)和部署能夠監(jiān)測田間作物植物表型變化的表型分析技術(shù)是一個關(guān)鍵組成部分. 衛(wèi)星成像技術(shù)已成為收集對各種農(nóng)業(yè)應(yīng)用有用的數(shù)據(jù)的極其有用的工具。然而，限制它們在作物改良領(lǐng)域應(yīng)用的主要挑戰(zhàn)是成本高、地塊級作物數(shù)據(jù)收集缺乏分辨率以及較長的重訪期。由于安裝的傳感器具有高空間和光譜分辨率，載人機載遙感的使用已證明具有大規(guī)模作物狀況監(jiān)測或例如產(chǎn)量和質(zhì)量預(yù)測的能力。然而，就育種而言，除了大型種子公司外，其高昂的運營成本和涉及的操作復(fù)雜性通常限制了其在研究活動中的使用。配備傳感器的無人機高光譜相機正在成為精準農(nóng)業(yè)和作物改良的重要組成部分。這些平臺的使用在作物表型分析中變得至關(guān)重要，因為它們能夠以動態(tài)方式快速對大量地塊和田間試驗進行表型分析，從而有助于識別和定義作物產(chǎn)量變異背后的遺傳學(xué)。此外，目前使用的傳統(tǒng)方法，如視覺衰老和植物活力評分，提供的排名是可變的，這取決于致力于該任務(wù)的員工的培訓(xùn)和主觀評價。憑借最佳的空間和光譜分辨率，來自衛(wèi)星和傳統(tǒng)航空平臺的遙感可以為各種目的提供空間和光譜衍生參數(shù)，包括作物狀況、作物預(yù)測和產(chǎn)量預(yù)測、疾病檢測和營養(yǎng)缺乏 、光合色素含量. 這對于支持和加速新性狀育種的需求不斷增加變得極其重要，同時需要準確測量越來越多的植物。隨著航空遙感空間、光譜和時間分辨率的提高，無人機高光譜相機 將能夠在田間產(chǎn)量預(yù)測、作物狀況繪圖、雜草檢測以及疾病和營養(yǎng)缺乏檢測中實現(xiàn)近實時的作物監(jiān)測視覺評估。此外，這些小型化、經(jīng)濟實惠的輕型無人駕駛平臺的發(fā)展，具有更好的飛行控制，使得能夠為各種遙感應(yīng)用獲取高分辨率圖像。同樣，據(jù)報道，安裝在無人機平臺上的多光譜成像傳感器在生理狀況評估和不同作物的壓力檢測中具有良好的潛力，包括高光譜成像。此外，這些研究報告了玉米 (r 2 = 0.5) 植物葉面積指數(shù) (LAI) 的預(yù)測值和驗證值與作物葉綠素濃度之間的良好關(guān)系。

光譜測量能夠推導(dǎo)出許多反射植被指數(shù)，這些指數(shù)已被引入實地研究和育種計劃中，用于生物量、綠度、氮含量、色素成分、光合狀態(tài)和含水量的大規(guī)模表型分析和動態(tài)估計。然而，到目前為止，它們在田間條件下的植物表型分析中的應(yīng)用仍然比它們在受控(例如溫室或生長室)條件下的實施更新穎。

航空遙感可以發(fā)揮作用的另一個關(guān)鍵領(lǐng)域是空間場變異性的表征，這通常是由作物管理歷史、土壤特征的空間變化以及影響水和養(yǎng)分運動的海拔梯度引起的?？臻g變異性是育種效率的一個嚴重限制，因為它會在試驗中造成壓力水平的變化，從而降低所評估的表型性狀的遺傳力 并阻礙遺傳信號的檢測。當(dāng)土壤 N 等資源的差異變得有限時，作物生產(chǎn)力的空間變異性甚至更加明顯 。在低輸入管理系統(tǒng)中，表明NDVI值的標準差和變異系數(shù)較高。最近，相對于充分澆水的處理，干旱和聯(lián)合干旱和熱處理的非常大的殘差和基因型 × 試驗方差，這導(dǎo)致壓力試驗的均值估計的遺傳力降低。此外，對 CIMMYT 和合作伙伴的南部非洲區(qū)域試驗的綜合分析還指出，與非壓力試驗相比，在管理壓力下，地塊殘差要高得多。這些結(jié)果強調(diào)需要采取措施減少田間變異的影響，以提高遺傳信噪比。解決這一空間場變異性問題的一種方法是收集土壤信息;但事實證明這是一個費力的過程。因此，航空光譜成像可能是一種快速且低成本的實驗場表征方法。

為了與育種相關(guān)，植物表型分析應(yīng)該允許在空間變異性最小的條件下客觀地選擇關(guān)鍵性狀。這強調(diào)了使用“正確”工具進行數(shù)據(jù)收集和最小化空間變異性的迫切需要。迄今為止，只有少數(shù)研究報告嘗試使用 無人機高光譜相機 的遙感技術(shù)進行田間空間變異評估和作物表型分析。這項工作報告了關(guān)于如何將配備多光譜成像傳感器的基于無人機的遙感平臺用于實驗田間空間變異和低氮脅迫條件下田間玉米表型的概念驗證練習(xí)。

結(jié)果與討論

實驗場表征

可以使用作物管理歷史、土壤特征的空間變化、影響水和養(yǎng)分運動的海拔梯度來表征試驗田。當(dāng)土壤 N 等資源的差異變得有限時，作物生產(chǎn)力的空間變異性通常會更加明顯 。表明NDVI值的標準差和變異系數(shù)較高。這對所收集數(shù)據(jù)的質(zhì)量以及最終作物改良的選擇效率具有負面影響。為了解決這一主要制約因素，收集土壤信息至關(guān)重要，因為它可以幫助了解谷物產(chǎn)量的變化，但事實證明這是一個費力的過程。在這項工作中，我們測試了航空光譜成像作為一種用于實驗場表征的快速且低成本的工具。使用無人機高光譜相機拍攝的圖像顯示在受管理的低 N 場中與 N 可用性相關(guān)的均勻性差異(圖 1a)。與田地 1 相比，田地 2 是最不均勻的，有大量植物行顯示高 NDVI 值和更高的標準偏差和 CV(表 1). 這是由于上一個種植季節(jié)的病害壓力導(dǎo)致該地區(qū)種植的玉米表現(xiàn)不佳，導(dǎo)致生長緩慢，隨后該地區(qū)某些地區(qū)的土壤可用氮含量過剩。這突出了記錄作物管理歷史的重要性，尤其是在管理低 N 的情況下，因為它可以引入額外的空間田間變異性。根據(jù)這些結(jié)果(圖 1b、c、2B;表 1)，無人機高光譜相機 證明能夠捕獲田間變異性，這對任何作物改良計劃都非常有用。誰證明了土壤的內(nèi)在空間特征可能與作物性能相關(guān)，并且遙感技術(shù)可用于識別低生產(chǎn)力區(qū)域。作者一致證明，與采用常規(guī)耕作方式管理的地塊相比，采用去除殘留物的免耕方式管理的玉米地塊具有顯著較低的平均和最小 NDVI 值?？紤]到圖像是地理參考的，反射率數(shù)據(jù)可用于設(shè)計不包括田地高度可變部分的試驗布局，或者在收獲試驗的情況下，在分析數(shù)據(jù)時將它們用作協(xié)變量。此外，這些數(shù)據(jù)可用于去除無法通過分塊有效控制的空間變化。使用這些數(shù)據(jù)的另一種選擇是根據(jù)位置的固有特征開發(fā)管理區(qū) 。因為這個平臺可以在短時間內(nèi)覆蓋大面積(與手動數(shù)據(jù)收集方法相比)，所以每個季節(jié)都可以生成數(shù)據(jù)并進行比較，以評估隨時間的變化或可視化為處理空間而采取的任何管理措施的影響變化性。密切監(jiān)測空間變異性的能力將提高試驗中收集的數(shù)據(jù)質(zhì)量，從而提高育種計劃的效率。

圖1

a CIMMYT 哈拉雷站低氮田的衛(wèi)星視圖(谷歌地圖)，b孕穗前在低氮田高密度種植的小麥植株的光譜反射率。(實心紫色方塊和實心粉色方塊分別表示非常低的氮含量和相對較高的氮含量)。通過在不施用任何氮肥的情況下種植玉米，田地土壤中的氮素耗盡了5 年和 4 年。c多光譜圖像顯示種植玉米試驗的低氮田的管理相關(guān)田間變異性。A , a 管理不善的田地和B , b管理良好的田地的高度差異。

表 1 值的描述統(tǒng)計全尺寸表

圖 2

A不同施氮量下地塊的多光譜圖像。a N 應(yīng)力圖和b非應(yīng)力圖。B在重度氮脅迫 ( SS )、輕度氮脅迫 ( ms ) 和最佳氮供應(yīng) ( C ) 下生長的玉米植株。

植物脅迫檢測

可以使用葉片或冠層光譜反射率數(shù)據(jù)評估大田作物的氮素狀況[ 6、30 ]。多項研究發(fā)現(xiàn)，葉片或冠層反射率的無損測量可用于檢測玉米、水稻 [ 33 ]和小麥[ 34 ] 的缺氮脅迫。我們使用帶有無人機高光譜相機的航空多光譜成像，評估了玉米雜交種遙感低 N 脅迫的能力。從多光譜成像生成的 NDVI 數(shù)據(jù)用于計算低 N 應(yīng)力指數(shù)。

應(yīng)激指數(shù)值從 0 AN 下降到 160 AN(圖3)。數(shù)據(jù)表明，該指數(shù)清楚地區(qū)分了敏感和耐受雜交種。在所有 N 水平上，敏感雜交種的指數(shù)均高于耐受性雜交種，當(dāng)不施用 N 時差異最大(圖 3)。這表明敏感基因型對 N 的需求較高，很可能是因為 N 吸收效率較低。此外，該指數(shù)顯示出與谷物產(chǎn)量的良好相關(guān)性，尤其是在低 N 水平(0、10 和 20 kg ha ?1 AN)下(圖 4，r = 0.79，p < 0.001)。這是因為在田間條件下，玉米的 N 狀態(tài)通常與低葉片 N 濃度下的葉片反射率顯著相關(guān) [35 ] 部分原因是低氮冠層生物量不會使 NDVI 飽和，因此植被指數(shù)仍然足夠精確。

圖 3

3 個耐性雜交種(實線)和 3 個敏感雜交種(虛線)在 6 N 施用量下低氮脅迫指數(shù)的變化。植物在 CIMMYT-Harare 的貧氮田上生長，并在開花時收集數(shù)據(jù)。

圖 4

糧食產(chǎn)量與低氮脅迫指數(shù)的關(guān)系。淺灰色圓圈用于 0 到 40 N 速率的數(shù)據(jù)，深灰色圓圈用于 40 到 160 N 速率的數(shù)據(jù)。使用了來自 10 個雜交種的重復(fù)數(shù)據(jù)(*P ≤ 0.05，***P ≤ 0.001)。

我們的數(shù)據(jù)表明，使用無人機高光譜相機的遙感可用于檢測田地內(nèi) N 應(yīng)力與單行分辨率的細微差異，然后評估整個田地(圖 2 )。這種級別的分辨率與平臺允許的快速數(shù)據(jù)收集一起，為植物發(fā)育變量的季節(jié)性描述性分析開辟了一條途徑。隨著更多的探索，這將允許確定要考慮的關(guān)鍵生長階段，用于作物性能分析的適當(dāng)光譜帶，以及統(tǒng)計設(shè)計中協(xié)變量的整合，甚至是作物模型中數(shù)據(jù)的整合。

地面測量與無人機遙感的比較

NDVI

我們將地面測量的 NDVI 數(shù)據(jù)與來自無人機高光譜相機的 NDVI 數(shù)據(jù)進行了比較。數(shù)據(jù)顯示，地面測量的 NDVI 在開花時和開花后 2 周分別為 0.5 至 0.65 和 0.4 至 0.8，因此振幅分別為 0.15 和 0.2(圖 5 a、b )。無人機高光譜相機數(shù)據(jù)雖然低于地面測量的 NDVI，但在兩個測量時間點的變化幅度更高，為 0.35–0.4。此外，如圖5c所示，兩者之間存在良好的相關(guān)性 (r = 0.83，p < 0.001)。

圖 5

使用地面光譜儀 ( a ) 和無人機高光譜相機 ( b ) 在兩個不同日期收集的 NDVI 數(shù)據(jù)的分布。c NDVI-Ground 和 無人機高光譜相機 之間的相關(guān)性。虛線表示 95% 置信區(qū)間 (**P ≤ 0.01) 。

作物衰老

葉子衰老通過減少籽粒灌漿持續(xù)時間來影響植物灌漿籽粒的能力。作物衰老可用于間接評估基因型在缺氮條件下維持較高植物光合能力的能力。

作物衰老指數(shù)，此處由 RGB 圖像衍生的 GA 和 GAA 指數(shù)的組合制定，呈現(xiàn)出很大的變化并區(qū)分耐受和易感基因型。在斷枝模型之后， 葉片衰老值從 0 kg ha -1 N 降低到 160 kg ha -1 AN(圖6a)。在 0 kg ha-1 N 和 40 kg ha -1 N 之間，衰老以 26% 的斜率下降，而超過 40 N，衰老的變化很小，只有 2.2% 的斜率。眾所周知，壓力條件會導(dǎo)致過早衰老。在 0 和 40 kg ha -1 N之間衰老的快速減少是由于 N 供應(yīng)引起的應(yīng)力減少的結(jié)果。40 公斤以上 ha -1N 的 N 壓力水平不太嚴重，并且 N 應(yīng)用不會導(dǎo)致對葉子評估的壓力顯著降低。作物衰老指數(shù)與來自無人機高光譜相機和谷物產(chǎn)量的光譜成像的 NDVI 顯示出良好的相關(guān)性(圖 6 b)。這強調(diào)了可以使用無人機高光譜相機 衍生光譜成像來評估玉米植物的葉片衰老。營養(yǎng)生長和生殖生長之間的幾個差異可能會影響葉片衰老的誘導(dǎo)和發(fā)展：首先，盡管在田間條件下葉片衰老可能是由缺氮引起的，但缺氮的時間取決于不同的因素。在田間，探索深層土壤中的氮源可能對生殖生長過程中的氮吸收起著最重要的作用 [ 36]].

圖 6

a不同施氮量下作物衰老的變化和b與從無人機高光譜相機拍攝的多光譜圖像中提取的 NDVI 的關(guān)系。使用了來自 10 個雜交種和 6 個施氮量的重復(fù)數(shù)據(jù) (**P ≤ 0.01)。虛線表示 95% 置信區(qū)間。

此外，葉片衰老指數(shù)與施氮量相關(guān)的變化表明，在低施氮量范圍內(nèi)，斜率比施氮量高時高 10 倍，且相關(guān)性更強。

植物葉片衰老隨著施氮量的增加而減少(圖 6a)。作為衰老植物光合能力延遲的結(jié)果，有效葉面積持續(xù)時間延長了。另一方面，N 缺乏會在整個生命周期中加速葉片衰老速度 [ 38 ]。這已被證明對穗和籽粒的萌芽很重要，有助于確定玉米庫容量 [ 39 ] 并在整個灌漿過程中保持功能性籽粒，對發(fā)育的籽粒數(shù)量和籽粒最終大小有積極影響。在低土壤 N 條件下，與高土壤 N 相比，光合能力因早衰而降低。作物衰老指數(shù)在 160 kg ha -1 AN 時比0 kg ha -1 AN 小 20%。據(jù)報道，在田間試驗中，葉片衰老可以解釋 47% 的氮利用效率基因型變異。

與糧食產(chǎn)量的關(guān)系

產(chǎn)量數(shù)據(jù)顯示 10 個雜交種在 N 處理內(nèi)和 N 處理之間存在較大的遺傳變異。在 0 和 160 kg ha -1 N 下， 谷物產(chǎn)量分別為 1.94 至 8.63 t ha -1 (表2)。在施用 0 kg ha -1 AN 時，低 N 易感雜交種的產(chǎn)量比耐受性雜交種低 1.4 噸以上。此外，低施氮量時產(chǎn)量差異較大。這主要是因為當(dāng)植物對氮的利用較少時，生長的差異會更加明顯。低氮脅迫指數(shù)與糧食產(chǎn)量之間的密切關(guān)系(圖 4) 表明基因型產(chǎn)量差異部分是由于衰老的差異，與產(chǎn)量較低的基因型相比，產(chǎn)量較高的基因型顯示出較少的衰老。正如許多研究報道的那樣，谷物產(chǎn)量與衰老之間存在顯著的負相關(guān)?？傮w而言，NDVI 與谷物產(chǎn)量之間存在良好的相關(guān)性(表 3)。與充足的 N 條件相比， 在低 N 條件 (0–10 kg ha -1 )下相關(guān)性更強(表3). 在開花時和開花后 2 周觀察到相同的趨勢。以前的工作表明 NDVI 值與作物生物量積累、葉面積指數(shù)、葉片葉綠素水平和冠層吸收的光合有效輻射之間存在關(guān)聯(lián)，這在很大程度上是因為N吸收和 NDVI 高度相關(guān)。這反過來又與作物產(chǎn)量有關(guān)。然而，這種關(guān)聯(lián)因發(fā)育階段和生長條件的不同而有很大差異。在大多數(shù)情況下，當(dāng)葉面積指數(shù)達到高值時，由于對 NDVI 的飽和效應(yīng)，關(guān)聯(lián)變?nèi)?。這些研究表明，許多因素可能會影響植被指數(shù)遺傳變異的檢測，尤其是遙感方法。這些因素包括正在研究的壓力耐受類型。此外，無論數(shù)據(jù)是在像本研究那樣的低氮脅迫試驗中收集的，還是在其他不同的脅迫條件下，例如早期(種植和出苗)或終端(即在繁殖期)干旱脅迫試驗。

表 2 6 N 施用量下 10 個玉米雜交種的籽粒產(chǎn)量值 (t ha ?1 ) 的描述性統(tǒng)計全尺寸表表 3 谷物產(chǎn)量 (GY) 與 (1) 從無人機平臺拍攝的多光譜圖像中提取的 NDVI 和 (2) 葉片衰老指數(shù)之間的相關(guān)系數(shù)全尺寸表

作物衰老指數(shù)與糧食產(chǎn)量的相關(guān)性與NDVI趨勢一致(表 3)。與充足的 N 條件相比，這種相關(guān)性在低 N 條件下 (0–10 kg.ha -1 )更強。眾所周知，缺氮會加速葉片衰老速度 [ 38 ]，這被證明對穗和籽粒的萌生很重要，有助于確定玉米庫容量并在整個籽粒灌漿過程中保持功能性籽粒。

結(jié)論

使用無人機高光譜相機 進行田間空間變異和基于田間的作物表型分析是新穎的，但有望成為提高作物育種效率的重要工具。目前，在育種中部署這些平臺的大部分限制與傳感器的成本、圖像的空間分辨率、數(shù)據(jù)處理、管理和操作的復(fù)雜性有關(guān)。目前的研究結(jié)果表明，無人機高光譜相機 遙感在田間條件下對田間和作物性狀表征具有巨大潛力。迄今為止，只有少數(shù)研究試圖利用無人機高光譜相機 的遙感技術(shù)進行空間田間變異評估和田間作物表型分析。我們的結(jié)果表明，這種類型的平臺可用于低氮脅迫檢測/衰老以及估算玉米的最終產(chǎn)量。