作物表型高通量獲取和智能解析為高效精準篩選優(yōu)良種質(zhì)資源提供技術(shù)支撐。近年來，南京農(nóng)業(yè)大學農(nóng)學院智慧農(nóng)業(yè)團隊的作物表型監(jiān)測組師生，利用地基激光雷達量化小麥冠層的葉角分布，取得了突破性進展。研究結(jié)果近日以“Quantify Wheat Canopy Leaf Angle Distribution Using Terrestrial Laser Scanning Data”為題，發(fā)表在遙感與地球科學領域頂級期刊《IEEE Transactions on Geoscience and Remote Sensing》。

 

　　葉角分布（Leaf Angle Distribution, LAD）是指作物冠層中葉片角度分布的特征，它對于作物的輻射傳輸過程和光合作用具有重要的影響。作為決定作物冠層結(jié)構(gòu)的重要參數(shù)，LAD對于理解作物的光合效率、水分利用效率以及產(chǎn)量穩(wěn)定性至關(guān)重要。因此，準確量化和分析LAD不僅可以為高通量作物表型研究提供基礎數(shù)據(jù)，還可以為作物品種改良和遺傳育種工作提供寶貴的支持。

 

　　地基激光雷達（Terrestrial Laser Scanning, TLS）作為一種主動式遙感技術(shù)，在無損監(jiān)測作物冠層結(jié)構(gòu)參數(shù)方面具有巨大的潛力。然而，目前基于TLS的作物冠層LAD估計存在一些挑戰(zhàn)，主要包括作物葉片彎曲難以高精度自動分割、冠層中點密度分布不均勻、冠層下部葉片容易被忽略。針對上述問題，本研究提出了一種改進的基于TLS的作物冠層LAD估計方法，旨在提高植株葉傾角及其分布的估算準確性和可靠性，為智慧育種中的高產(chǎn)理性株型選育提供了自動化的手段和方法。

 

　　本研究基于傳統(tǒng)法向量方法（Normal Vector,NV）改進并開發(fā)了一種體素分割法向量（Voxel Segmentation Normal Vector, VSNV）的方法。該方法將小麥冠層劃分為體素網(wǎng)格，并通過計算每個體素內(nèi)與點相關(guān)的平面的平均角度來獲取作物群體LAD。采用光線追蹤的三維輻射傳輸模型（LESS）驗證了新構(gòu)建的VSNV方法的有效性，證明了VSNV相較于NV方法更加準確。該方法實現(xiàn)了對野外大田小麥群體水平LAD的高精度估算，為作物高通量表型智能解析提供了技術(shù)支持。

 

　　進一步選擇披散型和緊湊型二種類型品種和不同氮素管理水平的獨立數(shù)據(jù)來驗證本方法。結(jié)果表明，緊湊型品種冠層的平均葉傾角（MTA）高于披散型品種，表明緊湊型品種的冠層葉片生長更為緊密。隨著氮素水平的增加，MTA變小，說明增大施氮量會導致冠層葉片生長更為披散。另外，小麥冠層下層的MTA小于中層和上層，表明冠層下部水平方向的葉片數(shù)量較多，而中上層垂直方向的葉片數(shù)量較多，進一步驗證了本方法的準確性和良好的遷移性。

 

　　南京農(nóng)業(yè)大學農(nóng)學院國家信息農(nóng)業(yè)工程技術(shù)中心為論文第一完成單位，博士研究生王永清為第一作者，朱艷教授和姚霞教授為通訊作者。曹衛(wèi)星教授、Timothy A.Warner教授、Fumiki Hosoi教授、程濤教授、鄭恒彪副教授等在論文撰寫方面提供了幫助。研究得到了國家重點研發(fā)專項、國家自然科學基金等項目資助。

 

　　論文鏈接：https://ieeexplore.ieee.org/document/10398251