自动提取每面积的叶子质量,从数字化草本体样本中提取
Thais Vasconcelos1,2, William N Weaver1, Aly Baumgartner1,2
1Department of Ecology and Evolutionary Biology, University of Michigan, Ann Arbor, MI, 48109, USA.
The New phytologist
|June 18, 2025
概括
数字化草本标本和计算机视觉工具可以自动提取每面积预测的叶子质量 (LMApred). 这种方法产生了大量的数据集,用于研究植物特征和气候关系.
科学领域:
- 植物学 植物学
- 计算生物学 计算生物学
- 生态生态学 生态生态学
背景情况:
- 数字化草本馆收藏提供了广的,可访问的植物标本图像.
- 这些资源可以被利用来创建大规模的表型数据集.
- 从这些图像中自动提取特征是一个正在发展的领域.
研究的目的:
- 评估计算机视觉工具,从数字化草本体样本中自动提取预测每面积的叶子质量 (LMApred).
- 估计LMApred使用基于叶面积和树宽度的代理方程.
- 用生成的数据集来评估错误来源和LMA-气候关系.
主要方法:
- 开发了一条自动化管道,从22680个叶子中提取1580种木质树苗的叶面积和树枝宽度.
- 预测每面积的叶子质量 (LMApred) 估计使用与叶片宽度与叶子质量相关的代理方程.
- 遗传学比较方法被用来分析LMA前气候关系.
主要成果:
- 自动化管道成功地从一个大规模的,有遗传学知识的样本中提取了特征.
- LMApred估计主要受到温度和太阳辐射的影响,显示与度的正相关性.
- 代理方程,而不是自动化管道,占大多数估计错误.
结论:
- 将草本馆数字化与自动化特征评分相结合,提供了强大的新研究能力.
- 生成的LMApred数据集使得地理上平衡的调查特征气候关系与家族遗传背景.
- 自动化方法显著提高了植物特征数据分析的规模和范围.
