近日，南京農業大學前沿交叉研究院作物表型組學交叉研究中心周濟實驗室，在國際植物科學頂級期刊《植物生理學》（Plant Physiology，IF = 8.34）中的突破性技術、工具和資源（Breakthrough Technologies, Tools, and Resources）專欄，在線發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。
論文結合了背包式激光雷達、三維計算機視覺技術和開源圖像分析算法開展了大規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模田間試驗中開展表型采集技術手段，通過開源三維表型分析算法對獲取的數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特征和相應的關鍵農藝性狀，進而獲取了這些性狀與產量、氮肥響應之間的聯系。本研究通過結合離散傅立葉變換（Discrete Fourier Transform）和三維空間特征轉換提出了精確測量不同小區內作物高度、解析復雜冠層結構的算法，通過11個小麥品種結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定性和魯棒性，解析了表型性狀和小麥氮素響應、產量構成因素和小區產量等關鍵性狀的關系。此外，研究還著重介紹了周濟實驗室自主開發的開源軟件系統CropQuant-3D的性狀分析算法及其延展性，通過對無人機、龍門架等不同設備獲取的三維點云數據的統一分析，展示了該平臺在大規模田間表型分析和開源共享等方面的巨大潛力。
隨著測序技術和基因組學的飛速發展，植物遺傳學飛速發展，基因型數據海量擴充。大規模可靠表型數據的匱乏已成為解析遺傳信息、精準育種及高效栽培管理的一大瓶頸。這對高通量、多環境、多生育期且高可靠性的表型組學研究提出了新的要求。如何結合快速發展的包括激光雷達技術在內的多尺度遙感和智能化數據解析有望為大規模育種、栽培管理和農業生產提供重大的技術支持。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勢，克服了其他表型平臺的在多地點、大規模數據采集上的局限。自主開發的CropQuant-3D分析平臺也實現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（工學院）為第一作者，孫港碩士（農學院）、丁國輝博士生（農學院）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創新國家重點實驗室、前沿交叉研究院以及江蘇省現代作物生產協同創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，英國國立農業植物研究所的劍橋作物研究中心（Cambridge Crop Research, National Institute of Agricultural Botany, NIAB）、中國科學院分子植物科學卓越創新中心和江蘇丘陵地區鎮江農業科學研究所也共同參與了項目研發。
文章鏈接：https://doi.org/10.1093/plphys/kiab324
日期：2021-07-26
論文結合了背包式激光雷達、三維計算機視覺技術和開源圖像分析算法開展了大規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模田間試驗中開展表型采集技術手段，通過開源三維表型分析算法對獲取的數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特征和相應的關鍵農藝性狀，進而獲取了這些性狀與產量、氮肥響應之間的聯系。本研究通過結合離散傅立葉變換（Discrete Fourier Transform）和三維空間特征轉換提出了精確測量不同小區內作物高度、解析復雜冠層結構的算法，通過11個小麥品種結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定性和魯棒性，解析了表型性狀和小麥氮素響應、產量構成因素和小區產量等關鍵性狀的關系。此外，研究還著重介紹了周濟實驗室自主開發的開源軟件系統CropQuant-3D的性狀分析算法及其延展性，通過對無人機、龍門架等不同設備獲取的三維點云數據的統一分析，展示了該平臺在大規模田間表型分析和開源共享等方面的巨大潛力。
隨著測序技術和基因組學的飛速發展，植物遺傳學飛速發展，基因型數據海量擴充。大規模可靠表型數據的匱乏已成為解析遺傳信息、精準育種及高效栽培管理的一大瓶頸。這對高通量、多環境、多生育期且高可靠性的表型組學研究提出了新的要求。如何結合快速發展的包括激光雷達技術在內的多尺度遙感和智能化數據解析有望為大規模育種、栽培管理和農業生產提供重大的技術支持。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勢，克服了其他表型平臺的在多地點、大規模數據采集上的局限。自主開發的CropQuant-3D分析平臺也實現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（工學院）為第一作者，孫港碩士（農學院）、丁國輝博士生（農學院）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創新國家重點實驗室、前沿交叉研究院以及江蘇省現代作物生產協同創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，英國國立農業植物研究所的劍橋作物研究中心（Cambridge Crop Research, National Institute of Agricultural Botany, NIAB）、中國科學院分子植物科學卓越創新中心和江蘇丘陵地區鎮江農業科學研究所也共同參與了項目研發。
文章鏈接：https://doi.org/10.1093/plphys/kiab324
日期：2021-07-26
