植物表型组学研究技术——PhenoUAS®无人机植物表型分析平台

植物表型组学研究技术——PhenoUAS^®无人机植物表型分析平台

一、 表型组学研究面临的挑战

The current challenges are: first, to weave these new techniques into a package that can be implemented across phenomics platforms on different plant species and second, to bridge the gap between lab and field studies[Tim Brown, et.al, TraitCapture: genomic and environment modelling of plant phenomic data, Current Opinion in Plant Biology, 2014, 18: 73-79].

上世纪90年代末提出的表型组和表型组学概念，现在早已成为国际科学界的一大研究热点。但对于植物表型的研究者来说，在技术上还面临两大挑战：1.如何将这些技术整合起来，建立用于不同植物物种的表型平台；2.缩小实验室与野外研究的差距。

对于DY个挑战，PlantScreen植物表型成像分析技术已经提供了全面系统解决方案（图1）。详情请见：植物表型组学研究技术 ——PlantScreen表型成像技术

图1. PlantScreen植物表型成像分析系统及其各个功能模块

而对于第二个挑战，野外样带版的PlantScreen植物表型成像分析系统可以在很大程度上解决这个问题（图2）。

图2. PlantScreen植物表型成像分析系统野外样带版

但是这种陆基（ground-based）表型成像分析平台还是有一定的局限性：

1. 为了适应不同的样点面积和植被类型，需要对系统进行专门设计和调整；

2. 无法同步测量大量的样点，对于不同的样点数量和面积，完成一遍测量可能需要几分钟到几小时（图3）；

3. 平台会碾压样地的土壤；

4. 地面不平整造成的震动会影响测量结果。

图3. 对于机动能力更差的固定式表型平台，数据无法同步的问题会更加严重

二、 PhenoUAS^®无人机植物表型分析平台

PhenoUAS^®无人机植物表型分析平台是无人机技术与植物表型分析技术等高新技术的创新性集成系统平台，使植物表型分析平台真正从实验室走向大田野外、从单个叶片或单株植物或几十平方米的视野一下子跃升到几百亩或者上千亩甚更大范围、从每天几千株植物的高通量跃升到几百万几千万甚更多的超高通量测量分析。PhenoUAS无人机高通量大田作物／植物表型分析平台主要功能特点如下：

1) 由易科泰自主研制生产的UAS-4四旋翼专业表型分析无人机平台或UAS-8八旋翼专业表型分析无人机平台配置高清晰RGB镜头、多光谱镜头、高光谱镜头、红外热成像镜头及LiDAR等传感器，及相应数据处理分析软件组成

2) 模块式结构，配置灵活，具备高度可扩展性，UAS-4或UAS-8可同时配置两个传感器甚3个传感器（比如RGB镜头与多光谱镜头等组合），可野外现场更换不同的传感器组合，或以后扩展更多的传感器组合

3) 多年与PSI植物表型分析研究中心合作，积多年植物／作物表型分析技术服务经验，为植物表型分析提供全面技术方案；PhenoUAS^®可测量分析植物的形态结构性状如叶面积、覆盖度、株高、冠幅等等，还可测量分析植物的功能性状如长势、抗性、胁迫（包括生物胁迫与非生物胁迫）、产量评估等等

4) 全自动、超高通量植物表型数据采集，可根据测量分析需求自动控制无人机表型分析平台的高度（如从几米高度到100米高度或更高）、飞行速度、悬停、面积范围等；可预先规划飞行航线、覆盖面积，使每次飞行都按同样的航线作业

5) 采集数据除时间戳外，可以带地理信息（GPS信息）、多光谱信息乃高光谱信息等

6) 测量范围由地面高通量表型分析平台的几平方米或几十平方米，跃升几百亩或更大范围，超高通量测量分析作物／植物表型

7) 是作物／植物表型性状的大数据采集分析平台

8) 高时空分辨率，空间分辨率可以达到1cm左右，十几分钟即可完成几百亩样地的数据采集工作

图4. PhenoUAS-4四旋翼无人机植物表型分析平台在新疆昌吉棉田飞行作业

图5. PhenoUAS-8八旋翼无人机植物表型分析平台陕西杨凌飞行作业示范

PhenoUAS^®无人机植物表型分析平台配置的传感器主要有：RGB真彩相机、NDVI镜头、多光谱镜头、高光谱镜头、红外热成像镜头、LIDAR传感器、相关气象传感器等（表2）。相关成像分析请参见图6。

表2. PhenoUAS^®S主要传感器类型及功能

传感器类型	具体说明	应用范围
NDVI镜头	检测植物可见光和近红外波段的反射光谱并自动给出NDVI等植被指数	光合作用、叶绿素含量、各种胁迫对植物光合的影响、植被覆盖度等
可见光RGB真彩相机	彩色正射影像	可见表观性状、外观缺陷和病变、绿度、生长状况、覆盖度等
多光谱镜头（4波段、5波段、6波段等）	对可见光－近红外区中的几个波段进行成像分析植被指数	植物对营养缺乏、干旱缺水、病害等胁迫的响应，及长势、抗性评估等
高光谱镜头	对可见光－红外区几十个或几百个波段的光谱成像分析	植物胁迫敏感性与抗性评估、农作物产量估测、品质表现评估等
红外热成像镜头	红外热辐射温度成像	植物蒸腾、气孔导度、干旱和病害胁迫的植物响应、水分利用效率评估等
LIDAR（激光雷达）传感器	通过激光飞行时间法（time-of-flight）进行物理测量	精确估测植物/树木的高度、冠幅等

图6. 用于植物表型分析的玉米不同生长阶段成像图a）RGB真彩成像；b）NDVI（多光谱）成像；c）基于NDVI成像获得的冠层覆盖度；d）26.07.2011获取的部分热成像图[4]

在华盛顿州立大学（WSU）-美国农业部农业研究局（USDA-ARS）联合豆类干旱研究中，20种抗性和20种易感重组自交系进行了晚期干旱状况比较。之后通过无人机获取了高分辨率的多光谱照片。计算得到的改进绿色归一化植被指数（green normalized difference vegetation index，GNDVI）与产量数据表型出极高的相关性。通过GNDVI数据和成像结果也可以非常直观地分辨不同品种之间的差异。（图8）

图7. 无人机传感器用于水分胁迫的豆类研究（a）多光谱假彩成像图（b）GNDVI与产量数据的相关拟合（源自Trapp, J., Doctoral dissertation, Washington State University, Ph.D. Thesis 2015）

日本北海道农业研究中心Ryo Sugiura等利用无人机表型分析平台对马铃薯品种晚疫病抗性进行了研究，在53.8m x 27.0m的样方内按行距75cm种植了270个栽培品种，具体研究结果参见下图。在这种样方内，PhenoUAS可以悬停空中采集样方光谱信息。

图8. 不同时间（7月17日8月15日）晚疫病的发展过程，其中红色区域为晚疫病侵袭部分

International Maize and Wheat Improvement Center利用无人机表型分析技术，对大田玉米贫氮胁迫抗性进行了研究分析，研究结果参见下列图表。

图9. 不同梯度氮胁迫（左图中ss指高度氮胁迫、ms为中度氮胁迫、c为正常施肥）及根据NDVI得出的氮胁迫指数

图10. 左图（A、a）为氮胁迫情况下玉米长势高度变异情况，右图（B、b）为正常情况下玉米生长状况

图11. 右上图为不同施肥强度与作物衰老指数（根据无人机表型分析平台RGB正射影像算出）的关系，右下图为无人机表型分析平台得到的NDVI与作物衰老指数的关系）；右图为无人机表型分析平台得出的氮胁迫指数与玉米产量的关系