利用近端成像光譜對(duì)水稻NPK脅迫進(jìn)行特征化及鑒別

Plant Phenomics | 東北農(nóng)業(yè)大學(xué)利用近端成像光譜對(duì)水稻NPK脅迫進(jìn)行特征化及鑒別

水稻是世界上重要的大田作物之一，對(duì)糧食安全和全球高質(zhì)量發(fā)展有重要意義。但由于各種脅迫嚴(yán)重影響作物生長(zhǎng)，成為影響水稻產(chǎn)量和質(zhì)量的重要制約因素。其中養(yǎng)分脅迫，如NPK脅迫會(huì)誘發(fā)水稻植株外部形態(tài)、生化組分含量、光合作用、酶活性、分生組織的功能等發(fā)生相應(yīng)變化，造成減產(chǎn)，嚴(yán)重情況下甚至?xí)�造成絕產(chǎn)。因此，為了能夠及時(shí)估計(jì)異質(zhì)性并防止對(duì)作物生產(chǎn)力和環(huán)境的負(fù)面影響，亟需一種可靠的方法能夠監(jiān)測(cè)作物生長(zhǎng)、生理和生產(chǎn)參數(shù)的微小變化，還應(yīng)該能夠識(shí)別這些變化的主要原因，以優(yōu)化后續(xù)作物管理和資源投入。王金峰教授團(tuán)隊(duì)針對(duì)此實(shí)際需求，開展了水稻營(yíng)養(yǎng)脅迫研究。

2024年7月，Plant Phenomics在線發(fā)表了東北農(nóng)業(yè)大學(xué)王金峰課題組題為Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images 的研究論文。

圖1試驗(yàn)地點(diǎn)與試驗(yàn)區(qū)塊排列

研究建立了水稻14個(gè)NPK養(yǎng)分脅迫條件的高光譜數(shù)據(jù)庫。陸地近端成像高光譜相機(jī)（SPECIM-IQ）采集了420張水稻脅迫圖像，提取并分析了14種脅迫模式下具有代表性的光譜反射曲線，并利用主成分分析脅迫光譜多樣性。其中，從脅迫處理A (N0P0K2) 到脅迫處理N (N2P1K1），葉片在NPK單一或復(fù)合脅迫下的反射率在3個(gè)PCs上表現(xiàn)出極其復(fù)雜的模式(圖2)。圖2中 B (N0P2K2) - C (N1P2K2) - F (N2P2K2) - K (N3P2K2) 顯示了葉片在0 ~ 3個(gè)N水平脅迫下的反射率變化。不同N脅迫下的PC1表現(xiàn)相似，但PC2和PC3表現(xiàn)出不同的模式，特別是在550nm附近和VIS區(qū)域。圖2中D(N2P0K2)-E(N2P1K2)-F(N2P2K2) -G(N2P3K2)和H(N2P2K0)-I(N2P2K1) -F(N2P2K2)-J(N2P2K3)分別顯示了P和K脅迫葉片在0 ~ 3個(gè)水平上的光譜多樣性。P脅迫在PC2的750 ~ 900nm區(qū)域表現(xiàn)出類似的規(guī)律，K脅迫在PC2的900 ~ 950nm區(qū)域表現(xiàn)出類似的規(guī)律。

圖2 前三個(gè)主成分（PCs）解釋了從不同的營(yíng)養(yǎng)脅迫類型和水平中獲得的不同光譜區(qū)域的最高方差比

開發(fā)了一個(gè)基于高光譜成像的深度學(xué)習(xí)架構(gòu)SHCFTT來訓(xùn)練和驗(yàn)證水稻脅迫模式的識(shí)別。圖3詳細(xì)描述了該網(wǎng)絡(luò)的架構(gòu)。該系統(tǒng)主要有四個(gè)部分組成部分：無監(jiān)督特征提取模塊、光譜空間特征提取模塊、高斯加權(quán)特征標(biāo)記器和變壓器編碼器模塊。消融試驗(yàn)顯示了各模塊的作用，并與經(jīng)典的SVM、1D-CNN和3D-CNN進(jìn)行了比較。SHCFTT模型在不同建模策略和不同年份下的總準(zhǔn)確率為93.92%~100%，表明該方法對(duì)提高水稻養(yǎng)分脅迫識(shí)別的準(zhǔn)確性具有積極作用。

本研究不僅對(duì)水稻養(yǎng)分脅迫鑒別具有積極的作用，用于田間作物健康狀況和精準(zhǔn)農(nóng)業(yè)的監(jiān)測(cè)與決策。而且是在強(qiáng)烈的田間實(shí)際場(chǎng)景下具有高度多樣性的養(yǎng)分脅迫的典型案例研究。為高光譜成像作物表型研究和精準(zhǔn)農(nóng)業(yè)田間信息感知的發(fā)展做出了貢獻(xiàn)。

圖3 用于水稻養(yǎng)分脅迫模態(tài)識(shí)別的SHCFTT模型架構(gòu)

通訊作者：王金峰，工學(xué)博士（作物學(xué)博士后），教授，博士生導(dǎo)師，東北農(nóng)業(yè)大學(xué)機(jī)械工程一級(jí)學(xué)科帶頭人，黑龍江省北方寒地現(xiàn)代農(nóng)機(jī)裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室主任，工程學(xué)院副院長(zhǎng)�，F(xiàn)為國(guó)家涉農(nóng)領(lǐng)域高層次人才，黑龍江省D類高層次人才，中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)編輯工作委員會(huì)副主任委員、中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)青委會(huì)副秘書長(zhǎng)、全國(guó)高�；�換性與測(cè)量技術(shù)基礎(chǔ)研究會(huì)理事、黑龍江省青年科技工作者協(xié)會(huì)理事，黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)編委、南方農(nóng)機(jī)學(xué)報(bào)編委，《Computers and Electronics in Agriculture》《Food Control》《農(nóng)業(yè)機(jī)械學(xué)報(bào)》《IJABE》等10余種SCI/EI檢索期刊審稿專家。主要從事無人農(nóng)場(chǎng)信息感知與裝備、水田側(cè)深施肥、田埂修筑、水田除草、液態(tài)深施肥等方面的基礎(chǔ)理論及關(guān)鍵技術(shù)與裝備研究。

論文鏈接：
https://doi.org/10.34133/plantphenomics.019‍7‍

——推薦閱讀——
Grain Protein Content Phenotyping in Rice via Hyperspectral Imaging Technology and a Genome-Wide Association Study
https://doi.org/10.34133/plantphenomics.0200
Plant Phenomics | 南京農(nóng)業(yè)大學(xué)聯(lián)合江蘇省農(nóng)業(yè)科學(xué)院基于成像高光譜技術(shù)和GWAS分析的水稻籽粒蛋白質(zhì)含量表型研究
DC2Net: An Asian soybean rust detection model based on hyperspectral imaging and deep learning 
https://doi.org/10.34133/plantphenomics.0163
Plant Phenomics | DC2Net：一種基于高光譜成像和深度學(xué)習(xí)的亞洲大豆銹病診斷模型

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)、�？�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

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：王金峰
排版：許怡瑤（上海交通大學(xué)）
審核：孔敏、王平