日前，土地科学与技术学院马韫韬、郭焱和李保国教授团队在大田作物表型精准获取与解析方面取得多项进展。

　　培育高产抗逆性作物品种是提高作物产量的重要途径。在基因组学和高通量测序技术的飞速发展下，作物基因遗传特性信息提取技术取得了极大进步，而大田表型性状信息的获取方法相对滞后。传统的表型获取技术效率较低，已无法满足作物育种高通量筛选的需求，成为当前育种的技术瓶颈之一。团队从2016年起，陆续购置了多种无人机，并搭载RGB、多光谱、高光谱和LiDAR等传感器，以“大田作物表型精准获取与解析”为主线，开发了自动化数据采集与分析系统，探究了作物表型高精度获取方法，制定了大田作物表型获取的技术规范，已应用于大田玉米、小麦、水稻、棉花、大豆、甜菜和油菜等作物育种表型性状的调查研究。

　　作物外在表型是其基因型和环境决定的形状、大小、颜色等性状。研究团队基于无人机多源传感数据对作物常见的外在表型包括苗情苗势、株高、株型、冠层覆盖度、颜色、纹理、花期动态、玉米雄穗、棉花棉铃等进行研究。以苗期400多个玉米自交系材料为研究对象，基于图像处理和深度学习算法实现了大田玉米苗分割与叶片计数；基于获取的近300个油菜遗传多样性品种花期阶段的17期无人机RGB影像，采用五种机器学习算法提取油菜花期动态，并对不同基因型油菜开花动态进行了聚类，实现了油菜开花动态的精准分类。相关研究为作物外在表型参数提取提供有效手段，为基因型与表型关联研究和田间精准管理提供基础。

　　图2 不同机器学习方法提取的油菜开花面积示意图（左）及基于此提取的4类油菜育种材料开花动态随时间变化曲线（右）

　　群体结构和营养活性能够表征作物的长势情况，也是进行施肥、灌溉等田间管理及估产的重要指标。常见的群体结构和营养活性表型有叶面积指数、地上部生物量、含水量、叶绿素含量、抗逆性等。团队在玉米育种表型获取研究上进行了详实的工作，探究了无人机高光谱影像估算玉米自交系主要表型的可行性；明确了单一数据源和多源数据融合对玉米群体结构和营养活性表型估算的贡献；构建了一种融合叶面积指数和株高的玉米地上部生物量立体估算模型，有效提高了玉米自交系地上部生物量的估算精度；提出了一种基于无人机多源影像快速估算玉米冠层水分的方法，采用基于无人机图像较易获取的冠层覆盖度替代不易直接获取的叶面积指数，提升了玉米自交系冠层水分状态的估算精度与便捷性；通过对倒伏发生前后的多时相无人机低空RGB影像的变化进行分析，实现了小区尺度的玉米倒伏程度评估。

　　此外，团队基于无人机多源传感器数据融合，估算了200个甜菜育种材料的地上部生物量、叶绿素相对含量和块根含糖率；探究了300个水稻育种材料的耐盐性和200个大豆育种材料的耐密性；开发了一种新型回归方法——特征分裂回归，用于无损快速估算100个小麦育种材料产量。

　　图4 基于无人机获取的多源数据展示。(a) 基于激光雷达和RGB的点云图；(b) 基于激光雷达点云和RGB点云的三视图；(c) 来自多光谱和高光谱的NDVI指数图；(d) 基于热红外传感器的温度图

　　以上研究结果可为目前广泛开展的无人机平台高通量获取作物表型研究提供技术支持，为后续作物基因挖掘和田间作物精准化管理提供较为精准的表型数据，加速大田作物育种材料重要表型的筛选，助力培育出高产优良作物品种和精准农田管理技术的实施。相关研究结果以论文形式分别发表在Field Crops Research、Computers and Electronics in Agriculture、European Journal of Agronomy、Plant Phenomics、Precision Agriculture和Annals of botany等领域权威期刊。中国农业大学的束美艳、车荧璞、王庆、谢子文、费帅鹏和吉林农业大学的王璐为该系列研究的主要贡献者。相关研究得到了国家自然科学基金、国家重点研发计划、科技部重点专项、北京市产业体系等项目的资助。