近日，澳大利亚学者 Bikram P. Banerjee 等人在 Journal of Experimental Botany 期刊上发表了题为“High-throughput phenotyping using digital and hyperspectral imaging-derived biomarkers for genotypic nitrogen response”的文章，解读了一种新的植被指数，利用高光谱表型技术的数字化使小麦植株在营养阶段能够有效地进行表型鉴定，对于大规模小麦种群的氮响应快速筛选具有应用价值。
doi :10.1093/jxb/eraa143
关键词: 生物量；叶绿素；图像分析；氮素利用效率；植被指数；小麦
01
试验方法
硝酸盐作为本试验的N源（20个处理）试验品种：Yitpi、Baxter、Gladius和Westonia试验昼夜温度 24 °C/15 °C（昼/夜）分为两组试验在传统温室中进行数据采集和分析
高通量受控环境表型设施（PPVH）记录采集RGB 和高光谱图像分析高光谱图像生成标准植被指数提取植被生物标志物和指数R软件进行统计分析
图1. 植物光谱的图像处理和提取方案
02
从结果可得20 mM作为最佳N条件，5 mM作为中度N应力，2 mM作为低N应力。小麦营养生育期生物量与成熟期生物量和种子产量高度相关。
图2. 不同氮水平小麦品种的生长和产量35个小麦品种的生物量
图.3 不同氮水平下小麦的动态生长速率
03
对新植被指数NDCIW和47个已公布的植被指数的性能进行了叶绿素水平相关性测试。
图.4 不同生育期叶绿素与新植被指数的相关性
图5.不同氮水平小麦植株叶绿素估计及生长曲线
04
光谱反射率已被证明受到冠层结构，种植密度和入射辐射角度的显著影响。而处于营养生长阶段（21至35DAS）的植物是高光谱成像的最佳尺寸，因为它们具有足够的像素面积来破译基因型和处理变异，但不会太大而超过成像区域，并且还可以最大限度地减少叶片重叠和阴影。
高光谱传感器系统组装在PPVH上
总之，光谱方法通过量化一系列窄带波长通道的冠层反射率，可用于估计作物种质种群的生长和生化的biomarkers。本研究中，使用数字和高光谱成像技术区分不同氮水平的特定表型响应，并无损量化在不同氮水平下生长的小麦基因型中的生物量、生长速率和叶绿素水平。
推荐阅读:
