植物中表型研究检测方案(生态环境遥感)

智能文字提取功能测试中

EcoTeche易科泰生态技术生态-农业-健康北京市海淀区高里掌路翠湖云中心3号院6号楼1单元101B，邮编：100095www.eco-tech.com.cn Tel.： +86 10 82611269/1572Email： sales@eco-tech.com.cnsupport@eco-tech.com.cn 北京易科泰生态技术有限公司Beijing Ecotech Science and Technology Ltd. 易科泰光谱成像技术创新应用快讯 (SpectrAPp@) 高光谱技术在植物表型研究中的应用(1) 植物学研究领域，我们掌握基因组的能力已远超测量其对表型影响的能力。为应对这个不平衡的现状，近年来对植物表型研究的投入渐多，光学测量方法因其速度快、无损伤、可长期追踪监测等优势而发展迅速，其中HSI(高光谱成像)便是极具前景的一种：可适应实验室、温室、野外各种场景；5；可应用于细胞、叶片、冠层、遥感各种尺度；可实现便携、实验室静态系统、拖拉机和越野车、无人机、船、卫星各种搭载方案。因此高光谱技术在植物表型测量、实现作物优化管理领域应用广泛。澳大利亚拉筹伯大学的 Rijad Saric 等学者同国际知名的植物表型设备厂商捷克 PSI 公司的 CEOMartin Trtilek 博士，于2021年1月在 Trends in Plant Science 杂志共同发表综述，全面介绍了高光谱技术在植物表型测量应用中的原理、技术和应用现状： HSI测量够得到植物的叶绿素、叶黄素、类胡萝卜素、花青素、氮、水分、磷、纤维素、蛋白质、矿物质、酚类等代谢物状况信息；植物组织的细胞结构、角质层厚度、细胞垛叠方式等导致的表面纹理特性的变化信息；植物冠层结构和形态信息等；可应用于植物生理生化研究、种子活力评估、光合及呼吸、根系表型、病虫害和非生物胁迫研究、产量预测和农产品质量检测等植物表型研究及应用领域。 以下为利用手持式高光谱仪及高光谱成像技术研究作物表型的应用案例，谨供参考，欢迎垂询 1. VIS-NIR 波段高光谱技术应用于水稻含磷状况评估和全基因组关联分析 磷是植物重要的宏量营养元素，缺磷会立刻影响电子传递和 CO2同化(Carstensen A， 2018)，从而影响作物的生长发育和产量。缺磷植物叶片会表现出缺绿或者萎黄，高光谱特性随之改变。泰国朱拉隆功大学的 Sompop Pinit 等人测定172种水培小麦在3种P浓度(过量P100、轻度缺乏P5、重度缺乏 P0.25)情况下的叶片无机P含量；并使用手持式高光谱测量仪 PolyPen RP400 测量其相应的反射光谱，选用 720-790 nm 近红外波段、绿-黄波段和红边波段进行指数计算，得到的Ｐ缺乏程度估算的准确性可达 85.6%，)，该方法和全波段光谱的神经网络模型预测准确性相近。同时研究者应用217个反射指数进行 113114 个 SNPs 的全基因组关联研究，识别到11个与光谱反射特征相关的位点，其中一些与叶片P含量相关。研究认为，高光谱测量是估算植物含P状态和筛选可高效利用P品种的可靠方法。 ( 北京市海淀区高里掌路翠湖云中心3号院6号楼1单元101B， 邮编：100095 www.eco-tech.com.cn Tel.： +86 10 826 1 1269/1572 E mail： sales@eco-t ec h .c om . c n s upport@eco-tech.com.cn ) 北京易科泰生态技术有限公司Beijing Ecotech Science and Technology Ltd. 左图：不同浓度P处理的样品的光谱曲线具有类似的模式，例如红光和蓝光波段低，具红边现象等。P0.25样品在可见光波段反射增强，原因可能是叶绿素减少；但是在近红外(730-790nm)波段反射降低，与细胞结构有关。P5样品的近红外反射波段略微增强；但是对比 P100 样品， VIS 波段未受影响。与 P100样品中的过量P元素主要存储于细胞液泡中而未参与代谢、未在高光谱反射曲线中有显著响应有关。 中图：人工网络模型估算P含量；右图： CAM图表示各个波段对Ｐ含量的相对重要性 P含量和高光谱反射率的全基因组关联研究的曼哈顿图和QQ图。(a) P5样品的曼哈顿图； (b) P5样品的QQ图(c) P0.25样品的R750/R700指数的曼哈顿图； (d)R750/R700 指数的QQ图。在曼哈顿图中，x 轴表示水稻全基因组； y轴表示每个 SNP 的-logio(p-值) 2. VIS-NIR 波段 HSI 技术应用于烟草花叶病毒感染早期识别与定量分级 病害可导致植物组织化学成分的变化，据此， Del Fiore 等人应用 HSI方式快速识别玉米产毒真菌的感染；Mahlei 等人应用 HSI 技术区分3种甜菜病害(叶斑病、白粉病、叶锈病)等。同时，病害也会引起植物组织呼吸速率、形态、叶色、细胞结构、作物密度等物理性状的变化， HSI 同样可作为有效的识别工具。浙江大学 Hongyan Zhu 等人(2017)应用 450-1000nm波段范围HSI技术，应用烟草花叶病毒感染性状对应的特征波段，结合其灰度共生矩阵提取的烟草叶片纹理特征建立机器学习模型，对感染病毒48小时烟草叶片识别准确度达90%，健康叶片达100%，实现了病害早期检测及程度量化分级。 ( 北京市海淀区高里掌路翠湖云中心3号院6号楼1单元101B，邮编：100095 www.eco-tech.com.cn Tel.： +86 10 826 1 1269/1572 E mail： sales@eco-t ec h .c om . c n s upport@eco-tech.com.cn ) 北京易科泰生态技术有限公司Beijing Ecotech Science and Technology Ltd. Classifier Parameter Calibration set accuracy(%) Prediction set accuracy (%) Healthy 2DPI 4DPI 6 DPI Overall Healthy 2DPI 4DPI 6DPI Overall PLS-DA 2 93.33 100.00 45.00 65.00 81.67 90.00 90.00 80.00 50.00 81.67 RF 62 100.00 100.00 100.00 100.00 100.00 93.33 90.00 90.00 100.00 93.33 SVM (1.00，1.00) 100.00 80.00 80.00 100.00 93.33 93.33 80.00 70.00 100.00 88.33 LS-SVM (33.52，9.88) 100.00 100.00 100.00 100.00 100.00 100.00 90.00 90.00 100.00 96.67 ELM 60 100.00 100.00 100.00 100.00 100.00 96.67 90.00 70.00 90.00 90.00 BPNN 6 98.33 100.00 95.00 100.00 98.33 96.67 90.00 90.00 100.00 95.00 病害特征谱线和纹理特征融合创建模型，实现病害早期识别和定量分级 应用HSI差异建立掩膜去除背景 北京易科泰生态技术有限公司提供全面精准表型高光谱测量方案： 利用手持式植物高光谱仪测量植物叶片(叶夹式)和冠层反射光谱及光谱反射指数、吸收光谱、叶绿素荧光光谱 PlantScreen 传送带式高通量植物表型高光谱成像分析、田间机器人作物表型高光谱成像分析、台式高光谱种质资源检测系统 PhenoTron-HSI@植物表型高光谱成像分析系统、PhenoTron-SR@种苗与根系高光谱成像分析平台、PhenoTron-YZ植物表型成像分析平台 北京易科泰生态技术有限公司Beijing Ecotech Science and Technology Ltd. PhenoPlot@轻便型大田植物表型成像分析系统、PhenoPlot@悬浮双轨式植物表型成像分析平台(专利号：ZL 202020515701.X)、PhenoTron@移动式植物表型成像分析平台(专利号： ZL 2021 2 1478998.8) 无人机遥感技术方案： Ecodrone@高光谱-LiDAR 无人机遥感、EcoDrone高光谱-红外热成像无人机遥感、EcoDrone@多光谱-LiDAR 无人机遥感等 UV-MCF 生物荧光高光谱成像技术，BGF 蓝绿荧光与叶绿素荧光高光谱成像分析，全面解析植物荧光空间异质性和荧光光谱特性 ( 参考文献： ) ( [1 ] Zhu， H e t al. (2017) Hyperspectral imaging for presymptomatic detection of tobacco disease withsuccessive projections algorithm and machine-learning classifiers. Sci. Rep 7，412 ) ( [2] El-Hendawy， S. E . et al. ( 2019) Evaluat ion of wavelengths High-through output accessment of growth，water relations and ion contents of wheat i r rigated with saline water. Agric. W a ter Manag. 212， 358 - 377 ) ( [3] Rijad Saric et al. (2021) Applications of hyperspectral imaging in plant phenotyping. Tren d s in Plant Science， TRPLSC 2236 No. of Pages 15 ) ( 北京市海淀区高里掌路翠湖云中心3号院6号楼1单元101B，邮编：100095 www.eco-tech.com.cn Tel.： +86 108261 1 269/1572 E mail： sales@eco-t ec h .c om . c n s upport@eco-tech.com.cn ) 植物学研究领域，我们掌握基因组的能力已远超测量其对表型影响的能力。为应对这个不平衡的现状，近年来对植物表型研究的投入渐多，光学测量方法因其速度快、无损伤、可长期追踪监测等优势而发展迅速，其中HSI（高光谱成像）便是极具前景的一种：可适应实验室、温室、野外各种场景；可应用于细胞、叶片、冠层、遥感各种尺度；可实现便携、实验室静态系统、拖拉机和越野车、无人机、船、卫星各种搭载方案。因此高光谱技术在植物表型测量、实现作物优化管理领域应用广泛。澳大利亚拉筹伯大学的Rijad Sarić等学者同国际知名的植物表型设备厂商捷克PSI公司的CEO Martin Trtilek博士，于2021年1月在Trends in Plant Science杂志共同发表综述，全面介绍了高光谱技术在植物表型测量应用中的原理、技术和应用现状：HSI测量够得到植物的叶绿素、叶黄素、类胡萝卜素、花青素、氮、水分、磷、纤维素、蛋白质、矿物质、酚类等代谢物状况信息；植物组织的细胞结构、角质层厚度、细胞垛叠方式等导致的表面纹理特性的变化信息；植物冠层结构和形态信息等；可应用于植物生理生化研究、种子活力评估、光合及呼吸、根系表型、病虫害和非生物胁迫研究、产量预测和农产品质量检测等植物表型研究及应用领域。以下为利用手持式高光谱仪及高光谱成像技术研究作物表型的应用案例，谨供参考，欢迎垂询1.VIS-NIR波段高光谱技术应用于水稻含磷状况评估和全基因组关联分析磷是植物重要的宏量营养元素，缺磷会立刻影响电子传递和CO2同化（Carstensen A，2018），从而影响作物的生长发育和产量。缺磷植物叶片会表现出缺绿或者萎黄，高光谱特性随之改变。泰国朱拉隆功大学的Sompop Pinit等人测定172种水培小麦在3种P浓度（过量P100、轻度缺乏P5、重度缺乏P0.25）情况下的叶片无机P含量；并使用手持式高光谱测量仪PolyPen RP400测量其相应的反射光谱，选用720-790 nm近红外波段、绿-黄波段和红边波段进行指数计算，得到的P缺乏程度估算的准确性可达85.6%，该方法和全波段光谱的神经网络模型预测准确性相近。同时研究者应用217个反射指数进行113114个SNPs的全基因组关联研究，识别到11个与光谱反射特征相关的位点，其中一些与叶片P含量相关。研究认为，高光谱测量是估算植物含P状态和筛选可高效利用P品种的可靠方法。2.VIS-NIR波段HSI技术应用于烟草花叶病毒感染早期识别与定量分级病害可导致植物组织化学成分的变化，据此，Del Fiore等人应用HSI方式快速识别玉米产毒真菌的感染；Mahlei等人应用HSI技术区分3种甜菜病害（叶斑病、白粉病、叶锈病）等。同时，病害也会引起植物组织呼吸速率、形态、叶色、细胞结构、作物密度等物理性状的变化，HSI同样可作为有效的识别工具。浙江大学Hongyan Zhu等人(2017)应用450-1000nm 波段范围HSI技术，应用烟草花叶病毒感染性状对应的特征波段，结合其灰度共生矩阵提取的烟草叶片纹理特征建立机器学习模型，对感染病毒48小时烟草叶片识别准确度达90%，健康叶片达100%，实现了病害早期检测及程度量化分级。北京易科泰生态技术有限公司提供全面精准表型高光谱测量方案：参考文献：[1] Zhu, H et al. (2017) Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers. Sci. Rep 7,412[2] El- Hendawy, S.E . et al. (2019) Evaluat ion of wavelengths High-through output accessment of growth, water relations and ion contents of wheat irrigated with saline water. Agric. Water Manag. 212, 358– 377[3] Rijad Sarić et al. (2021) Applications of hyperspectral imaging in plant phenotyping. Trends in Plant Science, TRPLSC 2236 No. of Pages 15