【摘要】：基因型、環(huán)境條件和管理措施等的交互作用,使得作物表型非常復(fù)雜�，F(xiàn)代育種技術(shù)需要有批量育種小區(qū)作物表型參數(shù)的動態(tài)化和定量化分析的支持,而高通量表型監(jiān)測是滿足這一需求的關(guān)鍵技術(shù)�；趫D像獲取與分析技術(shù)構(gòu)建具有較大通用性的作物表型信息自動化獲取平臺,可高效地量化表型參數(shù)用于優(yōu)勢基因型選育。對溫室和大田環(huán)境下多種作物的生長過程進行圖像數(shù)據(jù)采集,基于多源圖像的解譯,開發(fā)了在不同尺度上提取作物表型參數(shù)的高通量表型技術(shù)。主要內(nèi)容如下:1.將多視角圖像序列方法用于溫室小麥早期活力參數(shù)的獲取。選擇苗期表型差異顯著的兩個基因型小麥進行了溫室實驗,從出苗到主莖長出第六葉,使用"綠光敏感"相機對定株觀測的小麥個體進行多視角圖像采集。采用多視角立體重建和運動到結(jié)構(gòu)(MVS-FSM)的算法,從二維圖像數(shù)據(jù)中重建三維結(jié)構(gòu)點云,由此提取用于描述小麥苗期早期活力的多種表型參數(shù)(分蘗數(shù)、葉片數(shù)、株高、Haun系數(shù)、葉熱間隔以及葉片長度、角度和生長速率)。結(jié)果表明,這兩個基因型小麥的葉長提取值與實測值之間均呈現(xiàn)較高的相關(guān)性。進行兩個基因型之間的差異比較可知,在小麥苗期生長階段,兩個不同基因型的表型參數(shù)提取值具有明顯的差異,這與由傳統(tǒng)方法獲得的結(jié)果相一致。2.將圖像信息解譯的方法用于大田尺度的作物冠層參數(shù)定量化�；跓o人機搭載RGB相機的監(jiān)測平臺分別獲取棉花、高粱和甘蔗冠層的圖像數(shù)據(jù),進而構(gòu)建兩種分別基于無畸變圖像數(shù)據(jù)和正交拼接圖像的小區(qū)尺度覆蓋度估測模型。使用一個高精度的植被像素分割算法計算每個小區(qū)的覆蓋度。當(dāng)目標小區(qū)處在無畸變圖像中心的位置時,來自于正交拼接圖像和無畸變圖像的覆蓋度計算值之間具有很好的相關(guān)性(棉花:R~2 = 0.97;高粱:R~2 = 0.98;甘蔗:R~2 = 0.84)。雖然對于同一目標小區(qū)基于無畸變圖像的覆蓋度計算值的取值范圍較大,但是這種再投影算法為大田小區(qū)尺度覆蓋度的估測提供了一種更為準確的方法。3.將多光譜圖像數(shù)據(jù)用于大田尺度小麥全生育期歸一化植被指數(shù)(NDVI)的動態(tài)監(jiān)測�；跓o人機搭載多光譜相機(RedEdge)的監(jiān)測平臺,獲取了小麥全生育期的多光譜圖像數(shù)據(jù)�；谡黄唇訄D像的小區(qū)尺度的分割結(jié)果,將小區(qū)內(nèi)每個像素點的紅波波段與近紅外波段的反射比來計算其對應(yīng)的NDVI值。無人機平臺提取的NDVI值平均要比手持傳感器GreenSeeker測量值高出0.2個單位,但兩者之間具有較好的相關(guān)性(R~2 = 0.85)�；诒O(jiān)測結(jié)果評估了多個基因型小麥NDVI在不同處理小區(qū)之間的變異。基于全生育期小麥NDVI的計算值可知,其值在開花期前后達到最大。小區(qū)開花期NDVI值與其最終產(chǎn)量具有較強的相關(guān)性(R~2= 0.82);將由高分辨率圖像計算的覆蓋度作為目標小區(qū)像素點篩選的閾值,進而對NDVI的計算值進行校正,可以提高NDVI計算值與產(chǎn)量之間相關(guān)性。多視角圖像法能夠精確高效地量化代表小麥早期活力的多種表型參數(shù)。所開發(fā)的大田小區(qū)尺度的圖像數(shù)據(jù)挖掘算法可被推廣到其它形式的圖像數(shù)據(jù)(熱相機、多光譜相機等),從而為多源圖像數(shù)據(jù)的解譯與信息融合分析提供技術(shù)支撐。同時,基于無人機平臺的近地遙感數(shù)據(jù)與地面采集樣本數(shù)據(jù)的融合分析,不僅一定程度上可提高低分辨率圖像數(shù)據(jù)解譯結(jié)果的準確性,也為圖像數(shù)據(jù)的多尺度分析提供技術(shù)支撐。因此,在溫室和大田環(huán)境下,基于多源圖像解譯的高通量表型技術(shù)可以準確地監(jiān)測多種作物生長狀態(tài),實現(xiàn)作物多種表型參數(shù)的動態(tài)分析。這為農(nóng)業(yè)生產(chǎn)實踐中優(yōu)勢基因選育提供強有力的技術(shù)支撐,也是精準農(nóng)業(yè)、智慧農(nóng)業(yè)發(fā)展中多學(xué)科交叉應(yīng)用的結(jié)合點之一。
[Abstract]:......
【學(xué)位授予單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前6條

1 段濤;侯彤瑜;郭焱;楊宇虹;馬韞韜;徐照麗;;基于三維坐標數(shù)據(jù)的煙草植株葉曲線擬合研究[J];中國煙草學(xué)報;2015年06期

2 胡鵬程;郭焱;李保國;朱晉宇;馬韞韜;;基于多視角立體視覺的植株三維重建與精度評估[J];農(nóng)業(yè)工程學(xué)報;2015年11期

3 潘映紅;;論植物表型組和植物表型組學(xué)的概念與范疇[J];作物學(xué)報;2015年02期

4 Lloren Cabrera-Bosquet;Jos Crossa;Jarislav von Zitzewitz;María Dolors Serret;Jos Luis Araus;;High-throughput Phenotyping and Genomic Selection:The Frontiers of Crop Breeding Converge[J];Journal of Integrative Plant Biology;2012年05期

5 鄭邦友;石利娟;馬韞韜;鄧啟云;李保國;郭焱;;水稻冠層的田間原位三維數(shù)字化及虛擬層切法研究[J];中國農(nóng)業(yè)科學(xué);2009年04期

6 萬建民;;作物分子設(shè)計育種[J];作物學(xué)報;2006年03期

，

本文編號：2334362