使用无人机 (UAV) 进行高通量场表型化,以快速估计光合作用特征
Jingshan Lu1, Qimo Qi1, Gangjun Zheng1
1State Key Laboratory of Crop Genetics & Germplasm Enhancement and Utilization, Key Laboratory of Landscaping, Ministry of Agriculture and Rural Affairs, Key Laboratory of Biology of Ornamental Plants in East China, National Forestry and Grassland Administration, College of Horticulture, Nanjing Agricultural University, Nanjing, Jiangsu, 210095, China.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
无人驾驶飞行器 (UAV) 多谱数据可以有效地估计关键的光合作用特征,如最大氧化率 (Vcmax) 和电子传输率 (Jmax). 这项技术可实现快速,高分辨率的空间绘图,以改善作物表型和生产力研究.
科学领域:
- 植物生理学 植物生理学
- 遥感 遥感 遥感 遥感
- 农业科学 农业科学
背景情况:
- 精确测量光合作用特征,包括Rubisco的最大碳氧化率 (Vcmax) 和电子传输率 (Jmax),对于作物改善至关重要.
- 测量这些特征的传统方法是劳动密集型的,并且限制了大规模作物表型化的可扩展性.
- 遥感为特征估计提供了潜在的潜力,但空间绘图的负担得起的平台往往缺乏.
研究的目的:
- 探索无人驾驶飞行器 (UAV) 多谱数据的使用,以估计和空间绘制茶花的光合作用特征.
- 评估各种光谱指数和建模技术的有效性,以预测Vcmax和Jmax.
- 建立基于无人机的多光谱成像,作为快速,高分辨率的光合作用能力的表型化工具.
主要方法:
- 在不同品种的茶花中进行了六次实地实验 (2022-2023).
- 在分支和芽阶段,使用无人机上的多光谱传感器捕获了树冠反射率.
- 使用便携式光合作用系统测量了上叶的光合作用特征 (Vcmax,Jmax),并分析了光谱指数,包括简化的树冠叶绿素含量指数 (SCCCI) 和叶绿素植被指数 (CVI),以及具有变量选择的部分最小平方回归 (PLSR).
主要成果:
- 特定的光谱指数,特别是那些使用绿色和红色边缘带的指数,在估计光合作用特征方面表现出有效性.
- SCCCI提供了最准确的Vcmax估计值 (R2 = 0.52),CVI提供了最准确的Jmax估计值 (R2 = 0.38).
- 将变量选择与PLSR集成,显著提高了Vcmax (R2 = 0.70) 和Jmax (R2 = 0.63) 的模型精度.
结论:
- 无人机获得的多光谱数据可以有效地估计和绘制高空间分辨率的光合作用特征.
- 这种方法为快速表型化和农田光合作用能力的空间评估提供了有价值的工具.
- 该研究强调了无人机遥感在促进作物育种和生产力研究方面的潜力.
