冠层覆盖度(GC)代表土壤表面被植物叶片所覆盖的比例，是测量并表征作物立苗和早期生长状态（又称早期活力）的重要指标。在早期生长中具有更大冠层覆盖度的基因型通常能够截获更多的太阳辐射并遮蔽更大比例的土壤，从而减少土壤内水分的蒸发并可能提高水分利用率。不过，较大的冠层覆盖度在较湿润的生长环境中可能具有更大的益处，在干旱环境中则存在着一定的风险，即过早的生长可能会提前耗尽土壤水分，从而在生长季末期面临更严重的干旱胁迫。此外，冠层覆盖度高的作物在面对杂草时会有更强的竞争力，因此有助于对抗耐除草剂杂草。

冠层覆盖度与作物的地上生物量(AGB)和叶面积指数(LAI，单位土地面积上植物叶片总面积占土地面积的比例)的发展速度有关。此外，比叶面积(SLA，叶面积与叶宽的比值)也被用作预测作物早期活力的指标之一。对作物早期活力精确表型的方法，通常包括使用破坏性采样的方式来确定地上生物量和(或)叶面积指数。然而，在大型试验或育种工作中筛选大量基因型时，这种破坏性方法会显得过于费时费力。

近日，Plant Phenomics 在线发表了澳大利亚联邦科学与工业研究组织(CSIRO)David M. Deery等人题为Impact of Varying Light and Dew on GroundCover Estimates from Active NDVI,RGB,and LiDAR 的研究论文。

该文章致力于满足大型试验或育种工作中对大量基因型进行可靠表型分析的需求，在不同的光线条件以及凝露情况下，评估了三个地基传感器的冠层覆盖度测量值的可靠性，分别为：（1）使用商用GreenSeeker®设备(Figure1)采集的归一化差分植被指数(NDVI)；（2）来自数码相机的可见光(RGB)图像(Figure2)，其中冠层覆盖度被定义为图像中满足特定标准的绿色像素比例；（3）来自激光雷达(LiDAR)采集到的高度和红光反射率数据，将红光反射率小于5或高度大于10厘米的归类为植被。

Figure 1：Phenomobile Lite™ comprising LiDAR, RGB camera, GreenSeeker®, and tablet.

Figure 2：Example of RGB image processing, to derive ,under a range of light conditions with the time of day denoted at the top.

文章结果表明，有源传感器采集的NDVI指数随时间变化的差异最小(Figure 3)，不论光线的好坏或凝露的存在与否都十分稳定，并且各采样间的Pearson相关性始终很高且显著(P <0.0001)，范围0.89~0.98(Figure 5)。相比之下，来自激光雷达和可见光图像的冠层覆盖度数据在采样时间不同时表现出了更大的差异，并且激光雷达采集的红光反射率会受到叶片凝露的强烈影响。此外，如果不考虑外界光线很暗的时间段，通过可见光图像和NDVI指数提取的冠层覆盖度间具有很高的相关性（范围0.79~0.92）。

Figure 3:Summary of data from (a) Event 1 and (b) Event 2.

Figure 5: Event 1 intraclass correlations on individual plots (i.e., between individual samplings for a given ground cover estimate) for normalized difference vegetation index (NDVI), ground cover from RGB camera(), and LiDAR-derived ground cover from red reflectance() and height().

论文链接

https://spj.sciencemag.org/journals/plantphenomics/2021/9842178/

——推荐阅读——

High-Throughput Phenotyping of Dynamic Canopy Traits Associated with Stay-Green in Grain Sorghum

https://spj.sciencemag.org/journals/plantphenomics/2020/4635153/

Plant Phenomics | 高通量表型分析滞绿相关的高粱动态冠层性状

A High-Throughput Phenotyping Pipeline for Image Processing and Functional Growth Curve Analysis

https://spj.sciencemag.org/journals/plantphenomics/2020/7481687/

Plant Phenomics | 一种用于图像处理和函数型数据分析的高通量表型方法