准确评估作物生化成分含量有助于诊断作物生理状态，及时做出施肥、灌溉等决策，进而提高作物产量与品质。传统的破坏性方法虽结果可靠，但监测成本高、效率低、时效性差，严重制约现代农业发展进程，此外，以往对作物生化成分的监测往往假设冠层为均匀的整体，忽略了冠层结构的空间异质性。然而，在作物的生长发育过程中，由于环境与冠层结构的复杂相互作用，生化成分在冠层内的垂直分布具有明显的异质性，导致整个冠层垂直剖面的器官之间的功能差异。因此，准确监测生化时空特征对于评估作物功能状态和了解生理过程的协调至关重要。

现有研究作物垂直分布主要有以下几种：基于叶层或剪切分层反射率的研究需要获取各部位多层次光谱反射率才能得到全面的垂直分布特征，操作较为繁琐，监测通量低；通过多角度观测的方式可以尽可能获取更为丰富的反射率信息，结合垂直剖面不同层的实测指标，筛选出最优观测角度组合实现垂直监测，但不同地点、品种等条件下筛选出的最佳角度组合不尽相同，导致模型泛化能力较弱。

2023年12月，Plant Phenomics在线发表了南京农业大学前沿交叉研究院刘守阳实验室题为Bio-Master: Design and Validation of a High-Throughput Biochemical Profiling Platform for Crop Canopies 的研究论文。

该研究研发了一台作物垂直信息监测设备Bio-Master，其由硬件平台和软件控制系统两部分组成。硬件主要由上部分层机构和下部监测机构构成，分层机构可以定量切割分层并均匀粉碎分层样本；测量暗室内部集成高光谱仪（选自美国ASD公司的FieldSpec4）、RGB相机和分析天平等传感器监测作物生化成分含量。软件控制系统可设置硬件系统参数、创建试验项目信息、控制测量过程、记录分析数据。该系统可在靠近田间的位置对于作物生化含量的垂直分布实现近乎原位的实时测量，极大减少了由饥饿代谢引起的物质变化及水分损失，降低了测量误差。

图1 Bio-Master流程图

该研究在分层尺度上使用GPR机器学习算法和十折交叉验证方法建立水稻干重、含水量、含氮量和叶绿素含量的估算模型，模型均实现了较高估算精度，验证集R2在0.8-0.9之间。利用分层尺度建立的光谱反射率模型实现了植株尺度冠层生化成分估算，扩展了模型监测能力。通过自研设备和上述模型详细且定量地估算了水稻冠层不同层的生化含量，进而揭示了水稻冠层内干重、含水量、含氮量和叶绿素含量的垂直分布特征。结果表明，自水稻冠层顶部到底部，干重和含水量逐渐递增，氮含量和叶绿素含量逐渐递减，品种、施氮量和生育期不改变生化成分在冠层垂直方向上的变化趋势，但影响各层次的绝对含量。

图2 水稻相对高度下的生化含量垂直分布

南京农业大学前沿交叉研究院已毕业学生刘若雯、在读博士李朋彦为论文的共同第一作者，南京农业大学前沿交叉研究院刘守阳教授和中国农业科学院农业资源与农业区划研究所李文娟研究员为该论文的共同通讯作者，南京农业大学农学院刘正辉教授、丁艳锋教授等对该研究提供了指导和帮助。该研究受江苏省种业振兴揭榜挂帅项目、科技部国家重点研发计划南方水稻品质提升与丰产增效技术研发及集成示范项目、海南省崖州湾种子实验室、国家重点研发计划大田环境作物信息传感器与表型平台创制等项目基金支持。

论文链接：

https://doi.org/10.34133/plantphenomics.0121

——推荐阅读——

Establishing a Gross Primary Productivity Model by SIF and PRI on the Rice Canopy

https://spj.science.org/doi/10.34133/plantphenomics.0144

Plant Phenomics | 南京信息工程大学等单位利用日光诱导叶绿素荧光和光化学植被指数建立了水稻冠层总初级生产力模型Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum

https://spj.science.org/doi/10.34133/2022/9768502

Plant Phenomics 精选2022 | 利用高通量冠层高光谱遥感预测高粱的光合参数

加入作者交流群