通過監(jiān)測植物冠層變化準(zhǔn)確量化冷凍事件引起的葉面積減少研究
Plant Phenomics | 凍害指數(shù)：與生長度日相對的概念
氣候變化是當(dāng)前全球面臨的一項嚴(yán)重挑戰(zhàn)，對糧食生產(chǎn)帶來了重大影響。隨著氣候極端事件的不斷增加，我們迫切需要開發(fā)適應(yīng)這些極端環(huán)境的作物品種和農(nóng)業(yè)實踐模型。尤其值得關(guān)注的是，霜凍應(yīng)激是一種重要但鮮為人知的氣候極端事件，它對作物，如小麥，造成了重要的損害。而且，人類日常能量主攝入要依賴于少數(shù)幾種主要作物，因此，尋找并減少種植這些作物的風(fēng)險顯得至關(guān)重要。
2023年10月，Plant Phenomics在線發(fā)表了瑞士Institute of Agricultural Sciences等單位題為 Frost Damage Index: The Antipode of Growing Degree Days 的研究論文。
本文的核心內(nèi)容是開發(fā)了一種新的概念，稱為“Frost Damage Index”（FDI），該概念類似于“Growing Degree Days”（GDD），用于累積計算冷凍事件的嚴(yán)重性和持續(xù)時間，從而定量評估植物的凍害程度（圖2）。研究采用了高分辨率圖像采集技術(shù)，通過監(jiān)測植物冠層的變化來準(zhǔn)確量化冷凍事件引起的葉面積減少。
圖1 Canopy Cover（冠層覆蓋度）的數(shù)據(jù)收集和處理工作流程：以2018年和品種Ludwig為例。
圖2 Frost Damage Index（FDI）的概念以及與其相關(guān)的因素
首先，研究進行了高分辨率圖像采集，通過對作物冠層的變化進行時間分辨的記錄（圖1），以精確監(jiān)測冷凍事件引起的葉面積減少。接著，研究提出了一個全新的概念，即“Frost Damage Index”（FDI）。為了確定FDI的有效性，研究進行了與育種相關(guān)的實驗，分析了不同冬小麥基因型對FDI的敏感性，發(fā)現(xiàn)FDI與傳統(tǒng)的視覺評分方法相關(guān)。為了更好地估計FDI，研究還優(yōu)化了時間滯后（lag）、溫度平滑因子（smoothing factor）、基礎(chǔ)溫度（Tbase）和敏感性因子（s）等關(guān)鍵參數(shù)。最后，為了驗證FDI的準(zhǔn)確性，研究人員采用了視覺評分作為標(biāo)準(zhǔn)來評估冬小麥?zhǔn)軆龊Φ某潭�。研究發(fā)現(xiàn)，F(xiàn)DI可以非常精確地預(yù)測冷凍損害，與視覺評分結(jié)果之間存在著強烈的正相關(guān)性。這表明FDI不僅可以提供一個客觀的、可量化的方式來評估凍害，還可以在更短的時間內(nèi)提供結(jié)果，相比傳統(tǒng)的視覺評分方法更加高效（圖3）。尤其是對于嚴(yán)重的損害事件。這些方法的綜合應(yīng)用使研究人員能夠更好地理解和評估冷凍事件對冬小麥等作物的影響，為農(nóng)業(yè)風(fēng)險管理和育種工作提供了有力工具。
圖3 基于Frost Damage Index（FDI）預(yù)測的霜凍損害與冠層覆蓋下降（ΔCC，每個播種行測量）之間的關(guān)系
論文鏈接：
https://doi.org/10.34133/plantphenomics.0104
——推薦閱讀——
https://doi.org/10.34133/plantphenomics.0087
Plant Phenomics | SPSI：抽穗前估測冬小麥穗數(shù)的新型復(fù)合指數(shù)
Unsupervised Plot-Scale LAI Phenotyping via UAV-Based Imaging, Modelling, and Machine Learning
https://doi.org/10.34133/2022/9768253
Plant Phenomics 精選2022 | 基于無人機成像實現(xiàn)對田間小麥葉面積指數(shù)的快速精準(zhǔn)估計
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(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？l(fā)布會等高質(zhì)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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（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)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。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)庫收錄�？祁Ｎò睯CR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。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(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)。
撰稿：章?lián)P（南京農(nóng)業(yè)大學(xué)）
排版：蘇梓鈺（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平
