AgriPheno訂閱號(hào)專注于持續(xù)更新植物生理生態(tài)、植物表型組學(xué)和基因組學(xué)、基因分型、智能化育種及應(yīng)用、激光雷達(dá)探測(cè)技術(shù)及數(shù)據(jù)分析等領(lǐng)域，國(guó)內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀。本文節(jié)選了2019年10月-12月推送的代表性文章，以供大家參閱。

植物逆境研究

? 快速有效的馬鈴薯青枯病抗性及青枯病菌致病力評(píng)價(jià)方法

本文報(bào)道了一套快速、高效的馬鈴薯離體侵染體系——水培侵染。利用致病力程度不同的青枯病菌進(jìn)行侵染試驗(yàn)，證明該侵染體系與土壤接種法同樣有效，可用于馬鈴薯青枯病菌的致病力鑒定。通過(guò)對(duì)32份馬鈴薯種質(zhì)資源的小規(guī)模鑒定，確定了3個(gè)抗病品種，表明該侵染體系是一種有效的馬鈴薯種質(zhì)資源抗性高通量篩選方法。

? 基于深度學(xué)習(xí)（CNN）的黃瓜白粉病分割與量化

本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分割模型，以像素水平對(duì)黃瓜葉片圖像上的白粉病進(jìn)行分割。該模型能夠在像素水平對(duì)黃瓜葉片上的白粉病進(jìn)行高精度分割，為黃瓜育種人員評(píng)估白粉病的嚴(yán)重程度提供了有價(jià)值的工具。

植物根系研究

? 為什么真菌并不總是好人？植物-真菌共生過(guò)程中的表型研究

人們對(duì)接種AM真菌是否能提高植物活力進(jìn)行了大量的研究，但這些研究結(jié)果卻難以復(fù)制，在本文中Rohan Riley博士及其同事試圖找出其原因。

? 長(zhǎng)期灌溉條件下歐洲赤松林細(xì)根功能屬性的可塑性

本文以受水分限制的歐洲赤松林為研究對(duì)象，評(píng)價(jià)淺表層土壤中細(xì)根功能屬性對(duì)長(zhǎng)期灌溉引起的土壤水分可利用性增加的響應(yīng)。調(diào)查的細(xì)根功能屬性包括根系統(tǒng)功能屬性、細(xì)根動(dòng)態(tài)功能屬性、細(xì)根構(gòu)型功能屬性和形態(tài)功能屬性。

植物表型研究方法/方案

? 不結(jié)球白菜生長(zhǎng)發(fā)育過(guò)程中表型變化

該研究針對(duì)設(shè)施不結(jié)球白菜生長(zhǎng)發(fā)育過(guò)程中相關(guān)表型指標(biāo)變化問(wèn)題，利用表型成像技術(shù)獲取不結(jié)球白菜整個(gè)生長(zhǎng)發(fā)育過(guò)程中表型圖片與數(shù)據(jù)，探討不同品種不結(jié)球白菜整個(gè)生長(zhǎng)期內(nèi)的投影面積、開(kāi)展度、緊密度、株高、株幅、莢果表型變化趨勢(shì)，旨在為不結(jié)球白菜種質(zhì)資源的利用和繁育提供科學(xué)依據(jù)。

? 利用激光雷達(dá)估測(cè)大田作物生物量和冠層高度

本文中，Walter J D C等研究了車載LiDAR在小麥AGB和CH無(wú)損估算中的應(yīng)用，將激光雷達(dá)獲得的估算結(jié)果與手動(dòng)測(cè)量結(jié)果進(jìn)行了比較，評(píng)估了LiDAR在育種計(jì)劃中的適用性。

? 熱成像技術(shù)在植物晝夜節(jié)律分析中的應(yīng)用

本文中，Dakhiya Y和Green R M搭建了一個(gè)熱成像平臺(tái)，以晝夜溫度振蕩作為植物晝夜節(jié)律測(cè)定的新指標(biāo)，測(cè)量了不同植物物種、野生型和晝夜節(jié)律突變型以及葉和花的晝夜節(jié)律，并將熱成像技術(shù)的結(jié)果與其他晝夜節(jié)律分析技術(shù)的結(jié)果進(jìn)行了比較。

? 特邀綜述：新一代植物表型組學(xué)的發(fā)展之路

本文介紹了植物表型采集分析經(jīng)歷的從手工測(cè)量計(jì)數(shù)的初始階段到特定測(cè)量工具的輔助階段再到高通量表型組學(xué)3個(gè)階段;提出了推動(dòng)植物表型采集分析發(fā)展的3個(gè)要素: 表型組學(xué)研究設(shè)施、表型采集技術(shù)及圖像數(shù)據(jù)分析方法; 進(jìn)而詳細(xì)闡述了表型組學(xué)設(shè)施的發(fā)展、國(guó)際上代表性的設(shè)施平臺(tái)情況以及表型采集傳感器和圖像數(shù)據(jù)分析方法的發(fā)展, 并展望了植物表型組學(xué)未來(lái)的研究方向。

? 植物表型組學(xué)研究平臺(tái)建設(shè)及技術(shù)應(yīng)用

本文結(jié)合國(guó)內(nèi)外植物表型組學(xué)研究平臺(tái)建設(shè)與應(yīng)用方面的進(jìn)展，以PPAP為基礎(chǔ)，從硬件基礎(chǔ)建設(shè)、各類表型技術(shù)開(kāi)發(fā)及服務(wù)等方面介紹表型組學(xué)研究設(shè)施的技術(shù)應(yīng)用。

? 利用高通量冠層表型提高大豆育種效率

本文的發(fā)現(xiàn)強(qiáng)調(diào)了高通量表型平臺(tái)對(duì)于植物育種早期階段的價(jià)值。盡管基于ACC的選擇在選育中表現(xiàn)不是最佳的，但是本文的研究結(jié)果表明了ACC在高產(chǎn)大豆品系的有效選擇中發(fā)揮了作用：ACC可以單獨(dú)或與產(chǎn)量結(jié)合使用，提高高產(chǎn)大豆品系的選擇效率。

? 棉花高通量表型研究進(jìn)展

本文綜述了棉花高通量表型分析的技術(shù)及其最新進(jìn)展，討論了高通量表型分析在棉花形態(tài)和生理特征研究中的潛在應(yīng)用，比較了高通量表型分析系統(tǒng)在棉花種植中的優(yōu)點(diǎn)和局限性。

? 利用航空影像預(yù)測(cè)玉米開(kāi)花期、產(chǎn)量和籽粒大小

本文旨在確定基于無(wú)人機(jī)圖像的植被指數(shù)分析是否能區(qū)分不同雜交玉米植株（都具有良好的產(chǎn)量潛力）在開(kāi)花時(shí)間、產(chǎn)量和粒徑上的差異。本研究使用的UAV平臺(tái)包括一架消費(fèi)級(jí)四旋翼機(jī)和安裝在萬(wàn)向架上的消費(fèi)級(jí)緊湊型相機(jī)。該相機(jī)中的傳感器經(jīng)過(guò)Llewellyn Data Processing修改，使得紅色通道感測(cè)波長(zhǎng)在670和770 nm之間，峰值在約710 nm處。因此，該相機(jī)生成的是近紅外、綠色、藍(lán)色（NGB）圖像，而不是紅色、綠色和藍(lán)色（RGB）圖像。

? 花，葉還是兩者都有？如何獲得合適的圖像以自動(dòng)識(shí)別植物

本文中，為了探索什么樣的視角及其組合能包含更多的特征信息，以達(dá)到更高的識(shí)別精度，Rzanny M等開(kāi)發(fā)了一種觀察開(kāi)花植物的圖像捕獲方案。

光譜技術(shù)

? 多光譜成像在種子表型和質(zhì)量監(jiān)測(cè)中的最新應(yīng)用概述

本文綜述了利用多光譜成像技術(shù)對(duì)不同品種種子進(jìn)行質(zhì)量評(píng)價(jià)和安全性分析的研究進(jìn)展，回顧了多光譜成像系統(tǒng)可能的設(shè)計(jì)結(jié)構(gòu)和圖像采集模式，并討論了這些系統(tǒng)在可用性和適用性方面的總體優(yōu)缺點(diǎn)。本文首次嘗試介紹了多光譜成像技術(shù)在種子表型鑒定和質(zhì)量監(jiān)測(cè)中的應(yīng)用，給出了種子性狀表征、生理參數(shù)預(yù)測(cè)、缺陷檢測(cè)、種子健康檢測(cè)等方面的實(shí)例和研究成果。

? 基于冠層RGB圖像顏色和紋理特征的大豆性狀早期預(yù)測(cè)

本研究旨在探討利用冠層RGB圖像的顏色和紋理特征進(jìn)行大豆性狀早期預(yù)測(cè)的可能性。研究的目標(biāo)是：篩選能提供最佳預(yù)測(cè)結(jié)果的建模技術(shù)；確定哪種類型的變量組合能提供最佳的預(yù)測(cè)結(jié)果，如僅使用顏色指數(shù)、僅使用紋理指數(shù)、同時(shí)使用顏色指數(shù)和紋理指數(shù)等；研究RGB圖像變換的顏色和紋理信息是否能提高預(yù)測(cè)結(jié)果；通過(guò)早期冠層RGB圖像的顏色和紋理特征，確定生長(zhǎng)季末期哪些大豆性狀是可以預(yù)測(cè)的。

新觀點(diǎn)/新技術(shù)

? X射線顯微斷層掃描和線性判別分析可檢測(cè)與栓塞相關(guān)的聲發(fā)射

本文提出了一種利用機(jī)器學(xué)習(xí)和X射線計(jì)算機(jī)顯微斷層成像記錄栓塞事件的新方法，用于從2年生盆栽歐洲白蠟樹(shù)干旱試驗(yàn)過(guò)程中收集的AE數(shù)據(jù)集中檢測(cè)與栓塞相關(guān)的AE信號(hào)。栓塞的形成用兩個(gè)寬頻點(diǎn)接觸聲發(fā)射傳感器進(jìn)行聲學(xué)測(cè)量，同時(shí)用μCT進(jìn)行可視化。采用機(jī)器學(xué)習(xí)方法，將μCT視覺(jué)檢測(cè)到的栓塞形成與相應(yīng)的AE信號(hào)聯(lián)系起來(lái)。具體地說(shuō)，對(duì)6個(gè)聲發(fā)射波形參數(shù)進(jìn)行線性判別分析（LDA），得到了一個(gè)與栓塞相關(guān)的聲學(xué)脆弱曲線，該曲線更像標(biāo)準(zhǔn)的μCT脆弱曲線（VCCT），無(wú)論是在時(shí)間上還是在栓塞導(dǎo)管的絕對(duì)數(shù)量上。

? 手持式近紅外光譜鑒別楓斗及定量分析桑葚

本文一方面解釋了近紅外光譜技術(shù)是目前最先進(jìn)小型化技術(shù)的原因，另一方面通過(guò)詳細(xì)討論定性和定量應(yīng)用實(shí)例，強(qiáng)調(diào)了近紅外光譜技術(shù)對(duì)植物分析的影響。在定性實(shí)例中，近紅外光譜技術(shù)成功地將鐵皮石斛加工成的楓斗（DOK，高價(jià)值）從齒瓣石斛加工成的楓斗（DDP，低價(jià)值）中鑒別出，這二者僅通過(guò)目視檢查是不太可能區(qū)分的。

植物生理生態(tài)研究

? 光合作用過(guò)程中過(guò)氧化物酶對(duì)氧化還原調(diào)節(jié)功能的研究

Vaseghi等人研究了2-CysPRX作為TRX氧化酶新功能，證明了其在光到暗的過(guò)渡過(guò)程中共同控制Calvin-Benson-Cycle酶的氧化還原狀態(tài)。

? 光合作用水解放氧的結(jié)構(gòu)基礎(chǔ)

光合作用光系統(tǒng)II（PSII）放氧復(fù)合體的結(jié)構(gòu)解析經(jīng)歷了由最初的推測(cè)有中間體存在，到放氧過(guò)程放氧復(fù)合物存在S0-S4五種狀態(tài)，再M(fèi)n3CaO4團(tuán)簇中的原子定位，直到目前水氧化位點(diǎn)，O=O形成位點(diǎn)的確定。PSII氧化水生成氧氣過(guò)程清晰和系統(tǒng)的研究為PSII供體側(cè)反應(yīng)，質(zhì)子產(chǎn)生，氧氣釋放的機(jī)理有了更新的認(rèn)識(shí)，為合成氧化水的人工催化劑提供了扎實(shí)的理論基礎(chǔ)，意義深遠(yuǎn)。

? 光合作用光能捕獲與能量傳遞的結(jié)構(gòu)基礎(chǔ)

當(dāng)外圍天線復(fù)合體的激發(fā)能被核心天線復(fù)合體收集，隨后的能量通過(guò)位于CP43，CP47，D1和D2內(nèi)的Chla網(wǎng)絡(luò)從CP47或CP43傳遞到P680特殊葉綠素分子對(duì)。在強(qiáng)光條件下，主要和次要LHCII中的色素分子簇可充當(dāng)非光化學(xué)猝滅位點(diǎn)，將有害的多余激發(fā)能耗散為熱量。超復(fù)合體內(nèi)的潛在猝滅位點(diǎn)主要位于相鄰天線復(fù)合體之間的界面處或附近。這些位置非常適合它們?cè)诘竭_(dá)反應(yīng)中心之前攔截和消耗多余的能量。比該研究稍早一些時(shí)候的報(bào)道顯示，生物物理模型研究已經(jīng)獲得了有關(guān)PSII-LHCII超復(fù)合物中光收集動(dòng)力學(xué)的初步信息?，F(xiàn)在，菠菜PSII-LHCII超復(fù)合物的冷凍電鏡結(jié)構(gòu)為其高度復(fù)雜的色素網(wǎng)絡(luò)提供了詳細(xì)的框架，并使人們能夠更深入地了解超復(fù)合物中光捕獲過(guò)程的動(dòng)力學(xué)和調(diào)控。

? 解決維管植物中非光化學(xué)淬滅位點(diǎn)的爭(zhēng)議

大多數(shù)NPQ發(fā)生在LHCII中，但PSII核心中還有一個(gè)PsbS依賴性淬滅的附加位點(diǎn)，最有可能出現(xiàn)在核心天線復(fù)合體CP43和（或）CP47中。

? 遠(yuǎn)紅光在波動(dòng)光的弱光階段加速光合作用

FR通過(guò)激發(fā)PSI并加速NPQ弛豫和PSII產(chǎn)量增加，對(duì)波動(dòng)光下的光合作用產(chǎn)生了有益的影響。這可能是由于增加了質(zhì)子導(dǎo)度gH+，這也可以反映出波動(dòng)光下遠(yuǎn)紅光的存在使得擬南芥葉片具有更快的ΔpH耗散和ATP合成。

人工智能/機(jī)器學(xué)習(xí)

? 菊花品種識(shí)別新方法：基于圖像的深度學(xué)習(xí)

在本文中，Liu Z.等探討了如何將深度學(xué)習(xí)方法應(yīng)用于菊花品種識(shí)別，提出了基于VGG16和ResNet50的深度學(xué)習(xí)模型，以識(shí)別大花菊花。

? 田間棉鈴計(jì)數(shù)及產(chǎn)量預(yù)測(cè)的圖像處理算法

本文提出了一種在田間自然光照條件下實(shí)現(xiàn)棉鈴自動(dòng)識(shí)別和計(jì)數(shù)的圖像處理算法。該方法為在田間條件下利用彩色圖像估測(cè)棉鈴數(shù)提供了一種手段，有助于預(yù)測(cè)作物產(chǎn)量，了解作物生長(zhǎng)的遺傳機(jī)制。

? 基于深度神經(jīng)網(wǎng)絡(luò)的作物產(chǎn)量預(yù)測(cè)

Saeed Khaki 和Lizhi Wang設(shè)計(jì)了一種用于作物產(chǎn)量預(yù)測(cè)的深度神經(jīng)網(wǎng)絡(luò)（deep neural network，DNN）模型。該模型利用了最先進(jìn)的建模和求解技術(shù)，精心設(shè)計(jì)的深度神經(jīng)網(wǎng)絡(luò)能夠從歷史數(shù)據(jù)中學(xué)習(xí)基因型、環(huán)境條件及其相互作用之間的非線性和復(fù)雜關(guān)系，并對(duì)在已知天氣條件的新地點(diǎn)種植的雜交新品種的產(chǎn)量作出合理準(zhǔn)確的預(yù)測(cè)。

其他

? AgriPheno祝您圣誕及新年快樂(lè)，2020年新臺(tái)歷免費(fèi)領(lǐng)！

2020年定制版新臺(tái)歷免費(fèi)領(lǐng)，包郵寄給您。一本清新脫俗、暖萌的新臺(tái)歷，作為圣誕及新年禮物送給您！

? 德國(guó)WALZ光合熒光技術(shù)巡回學(xué)術(shù)報(bào)告通知（上海/泰安/北京/沈陽(yáng)）

集成以DUAL-PAM-100為標(biāo)志的第二代PAM的基本功能，采用先進(jìn)的解卷積技術(shù)（一種根據(jù)來(lái)源不同對(duì)信號(hào)進(jìn)行分離的技術(shù)），WALZ公司推出了可以測(cè)量PC和Fd氧化還原狀態(tài)的新一代PAM熒光儀—DUAL-KLAS-NIR四通道動(dòng)態(tài)LED陣列近紅外光譜儀。新設(shè)備能夠測(cè)量4組不同波段（780-820nm，820-870nm，840-965nm，870-965nm）的信號(hào)，實(shí)現(xiàn)對(duì)P700（PSI反應(yīng)中心）、PC和Fd的氧化還原狀態(tài)分別測(cè)量。另外，它還可以測(cè)量由540nm和460nm光化光激發(fā)的葉綠素?zé)晒?，了解葉片深層熒光信息。