苎麻,在农业、工业领域都有广泛应用,是重要的纤维作物之一,市场所需产量巨大。为了提升种植产量与品质,需要从种子开始,筛选优质种质。
针对土地资源紧缺及优良品种的推广应用等原因,造成苎麻遗传变异和遗传多样性减少等问题,需要对苎麻种质资源多样性调查和保护的需求日趋加大。湖南农业大学农学院展开了基于无人机遥感技术,进行苎麻种质资源筛选。
该研究基于无人机遥感的作物表型测量方法,可以对不同基因型作物的生长特性进行频繁、快速、无损、精准地检测,实现作物种质资源调查,筛选特异优质品种。为了实现苎麻种质资源表型的高效综合评价,辅助筛选优势苎麻品种,本研究提出了一种基于无人机遥感影像的苎麻种质资源表型检测及筛选方法。
首先,基于无人机遥感影像,利用Pix4dmapper软件生成试验区的数字地表模型(Digital Surface Model,DSM)和正射影像;然后,对苎麻种质资源关键表型参数(株高、株数、叶面积指数、叶片叶绿素含量、含水量)进行估测。基于DSM采用“差分法”提取苎麻株高,基于正射图像采用目标检测算法提取苎麻株数,采用机器学习方法估测苎麻叶面积指数(Leaf Area Index,LAI)、叶片叶绿素含量(SPAD值)、含水量;最后,根据提取的各项遥感表型参数,采用变异性分析和主成分分析方法对苎麻种质资源进行遗传多样性分析。
结果表明:
(1)基于无人机遥感的苎麻表型估测效果较好,株高的拟合精度为0.93,均方根误差为5.65 cm;SPAD值、含水量、LAI的拟合指标分别达到0.66、0.79、0.74,RMSE分别为2.03、2.21、0.63;
(2)苎麻种质资源的遥感表型存在较大差异,LAI、株高和株数的估测值变异系数分别达到20.82%、24.61%和35.48%;
(3)利用主成分分析法将苎麻种质资源的遥感表型聚类为因子1(株高、LAI)和因子2(LAI、SPAD值),因子1可用于苎麻种质资源结构特征评价,因子2可以作为高光效苎麻资源的筛选指标。
该项研究将为作物种质资源表型检测,和育种相关分析提供参考,有望提升科学育种水平。