近日，南京農(nóng)業(yè)大學(xué)前沿交叉研究院作物表型組學(xué)交叉研究中心周濟實驗室，在國際植物科學(xué)頂級期刊《植物生理學(xué)》（Plant Physiology，IF = 8.34）中的突破性技術(shù)、工具和資源（Breakthrough Technologies, Tools, and Resources）專欄，在線發(fā)表了最新的作物表型研究型論文——Large-scale field phenotyping using backpack LiDAR and CropQuant-3D to measure structural variation in wheat。

 

　　論文結(jié)合了背包式激光雷達、三維計算機視覺技術(shù)和開源圖像分析算法開展了大規(guī)模田間小麥表型性狀采集，建立了三維表型分析平臺CropQuant-3D，進而通過田間獲取的氮素響應(yīng)性狀來鑒選不同的氮素高效利用小麥品種。在作物研究中首次使用了背包式激光雷達在大規(guī)模田間試驗中開展表型采集技術(shù)手段，通過開源三維表型分析算法對獲取的數(shù)以億計的三維點云進行了自動化分析，量化了不同小麥品種在田間的空間形態(tài)特征和相應(yīng)的關(guān)鍵農(nóng)藝性狀，進而獲取了這些性狀與產(chǎn)量、氮肥響應(yīng)之間的聯(lián)系。本研究通過結(jié)合離散傅立葉變換（Discrete Fourier Transform）和三維空間特征轉(zhuǎn)換提出了精確測量不同小區(qū)內(nèi)作物高度、解析復(fù)雜冠層結(jié)構(gòu)的算法，通過11個小麥品種結(jié)合高中低三個施氮水平在總計近1公頃田間試驗中驗證了算法的穩(wěn)定性和魯棒性，解析了表型性狀和小麥氮素響應(yīng)、產(chǎn)量構(gòu)成因素和小區(qū)產(chǎn)量等關(guān)鍵性狀的關(guān)系。此外，研究還著重介紹了周濟實驗室自主開發(fā)的開源軟件系統(tǒng)CropQuant-3D的性狀分析算法及其延展性，通過對無人機、龍門架等不同設(shè)備獲取的三維點云數(shù)據(jù)的統(tǒng)一分析，展示了該平臺在大規(guī)模田間表型分析和開源共享等方面的巨大潛力。

 

　　隨著測序技術(shù)和基因組學(xué)的飛速發(fā)展，植物遺傳學(xué)飛速發(fā)展，基因型數(shù)據(jù)海量擴充。大規(guī)?？煽勘硇蛿?shù)據(jù)的匱乏已成為解析遺傳信息、精準(zhǔn)育種及高效栽培管理的一大瓶頸。這對高通量、多環(huán)境、多生育期且高可靠性的表型組學(xué)研究提出了新的要求。如何結(jié)合快速發(fā)展的包括激光雷達技術(shù)在內(nèi)的多尺度遙感和智能化數(shù)據(jù)解析有望為大規(guī)模育種、栽培管理和農(nóng)業(yè)生產(chǎn)提供重大的技術(shù)支持。本研究使用的背包激光雷達較好滿足了以上需求，且兼具易使用、易運輸和用戶友好等優(yōu)勢，克服了其他表型平臺的在多地點、大規(guī)模數(shù)據(jù)采集上的局限。自主開發(fā)的CropQuant-3D分析平臺也實現(xiàn)了在普通計算機上快速完成對約1公頃的小麥試驗的性狀提取，為表型性狀采集、鑒定這一瓶頸的提供了解決方案，也為作物研究中進一步高效挖掘作物關(guān)鍵基因提供了表型支持。

 

　　我校周濟教授為本文的通訊作者，周濟實驗室的朱宇磊碩士（工學(xué)院）為第一作者，孫港碩士（農(nóng)學(xué)院）、丁國輝博士生（農(nóng)學(xué)院）和周潔碩士等實驗室成員也參與了部分工作。我校作物遺傳與種質(zhì)創(chuàng)新國家重點實驗室、前沿交叉研究院以及江蘇省現(xiàn)代作物生產(chǎn)協(xié)同創(chuàng)新中心同為第一通訊單位。我校丁艷鋒教授、金時超副教授也參與了本項目。此外，英國國立農(nóng)業(yè)植物研究所的劍橋作物研究中心（Cambridge Crop Research, National Institute of Agricultural Botany, NIAB）、中國科學(xué)院分子植物科學(xué)卓越創(chuàng)新中心和江蘇丘陵地區(qū)鎮(zhèn)江農(nóng)業(yè)科學(xué)研究所也共同參與了項目研發(fā)。

 

　　文章鏈接：https://doi.org/10.1093/plphys/kiab324