日前，土地科学与技能学院马韫韬、郭焱和李保国教授团队在大田作物表型精准获取与解析方面获得多项发展。

  培养高产抗逆性作物种类是前进作物产值的重要办法。在基因组学和高通量测序技能的快速的提高下，作物基因遗传特性信息提取技能获得了极大前进，而大田表型性状信息的获取办法相对滞后。传统的表型获取技能功率较低，已不足以满意作物育种高通量挑选的需求，成为当时育种的技能瓶颈之一。团队从2016年起，连续置办了多种无人机，并搭载RGB、多光谱、高光谱和LiDAR等传感器，以“大田作物表型精准获取与解析”为主线，开发了自动化数据收集与剖析系统，探求了作物表型高精度获取办法，拟定了大田作物表型获取的技能规范，已应用于大田玉米、小麦、水稻、棉花、大豆、甜菜和油菜等作物育种表型性状的调查研讨。

  作物外在表型是其基因型和环境决议的形状、巨细、色彩等性状。研讨团队根据无人机多源传感数据对作物常见的外在表型包含苗情苗势、株高、株型、冠层掩盖度、色彩、纹路、花期动态、玉米雄穗、棉花棉铃等进行研讨。以苗期400多个玉米自交系资料为研讨目标，根据图画处理和深度学习算法完成了大田玉米苗切割与叶片计数；根据获取的近300个油菜遗传多样性种类花期阶段的17期无人机RGB印象，选用五种机器学习算法提取油菜花期动态，并对不同基因型油菜开花动态进行了聚类，完成了油菜开花动态的精准分类。相关研讨为作物外在表型参数提取供给有用手法，为基因型与表型相关研讨和田间精准办理供给根底。

  图2 不同机器学习办法提取的油菜开花面积示意图（左）及根据此提取的4类油菜育种资料开花动态随时刻改变曲线（右）

  集体结构和养分活性可以表征作物的长势状况，也是进行上肥、灌溉等田间办理及估产的重要目标。常见的集体结构和养分活性表型有叶面积指数、地上部生物量、含水量、叶绿素含量、抗逆性等。团队在玉米育种表型获取研讨进步行了详实的作业，探求了无人机高光谱印象预算玉米自交系首要表型的可行性；清晰了单一数据源和多源数据交融对玉米集体结构和养分活性表型预算的奉献；构建了一种交融叶面积指数和株高的玉米地上部生物量立体预算模型，有用提高了玉米自交系地上部生物量的预算精度；提出了一种根据无人机多源印象快速预算玉米冠层水分的办法，选用根据无人机图画较易获取的冠层掩盖度代替不易直接获取的叶面积指数，提高了玉米自交系冠层水分状况的预算精度与快捷性；经过对倒伏产生前后的多时相无人机低空RGB印象的改变做多元化的剖析，完成了小区标准的玉米倒伏程度评价。

  此外，团队根据无人机多源传感器数据交融，预算了200个甜菜育种资料的地上部生物量、叶绿素相对含量和块根含糖率；探求了300个水稻育种资料的耐盐性和200个大豆育种资料的耐密性；开发了一种新式回归办法——特征割裂回归，用于无损快速预算100个小麦育种资料产值。

  图4 根据无人机获取的多源数据展现。(a) 根据激光雷达和RGB的点云图；(b) 根据激光雷达点云和RGB点云的三视图；(c) 来自多光谱和高光谱的NDVI指数图；(d) 根据热红外传感器的温度图

  以上研讨结果可为现在广泛开展的无人机渠道高通量获取作物表型研讨供给技能上的支撑，为后续作物基因发掘和田间作物精准化办理供给较为精准的表型数据，加快大田作物育种资料重要表型的挑选，助力培养出高产优秀作物种类和精准农田办理技能的施行。相关研讨结果以论文方式别离宣布在Field Crops Research、Computers and Electronics in Agriculture、European Journal of Agronomy、Plant Phenomics、Precision Agriculture和Annals of botany等范畴威望期刊。我国农业大学的束美艳、车荧璞、王庆、谢子文、费帅鹏和吉林农业大学的王璐为该系列研讨的首要奉献者。相关研讨得到了国家自然科学基金、国家要点研制方案、科技部要点专项、北京市工业系统等项目的赞助。