|
7月21日，由农业服务平台35斗、BV百度风投、动脉网等联合主办的“智慧农业沙龙”在北京举行。 本次沙龙的主题是“智慧农业·数享未来”，邀请了包括行业专家/农业大数据/无人机/物联网/农业集团公司/投资公司等众多相关机构共同参与，探讨了数字化技术驱动下的农业生态变革。 中国农业科学院作物所研究员金秀良作了“作物表型研究促进智慧农业发展”的主题分享，本文据其分享整理。 中国农业科学院作物所研究员金秀良  图/35斗摄 在分享之前，我先介绍一下什么是精准农业和作物表型： 精准农业 作物表型研究 首先介绍一下研究背景，全球气候变化和粮食安全问题日益突出。因此，选育具有高产、优质、高抗和易机械化采收等优良性状的作物新品种已经势在必行。近年来，随着基因理论和技术地快速发展，加快了作物品种的改良。植物表型分析是理解植物基因功能及环境效应的关键环节。 当前新型的作物表型研究主要有三个方向：图像算法的表型研究、光谱技术的表型研究、模型与表型结合的研究，下面我依次讲解。 图像算法的表型研究 光学传感器和计算机图像算法的快速发展，使非破坏性地估算作物表型成为可能。当前的图像特征提取算法具有二值特征（密度估算）、颜色特征 （冠层覆盖度）、纹理特征 （倒伏和作物分类）三大类特征。 图像算法的表型研究可以基于无人机RGB影像，应用在对小麦苗期植株密度的估算；基于高空间分辨率RGB影像茎秆特征，对小麦穗密度和生物量的估算；使用深度学习算法和RGB影像，对小麦穗密度和穗特征的分析；基于无人机RGB影像，对向日葵苗期植株密度的估算，以及向日葵表型实验的光合，截获有效分量和绿叶面积指数的关系分析；还包括利用无人机RGB和热红外影像数据，评估水稻的倒伏。 光谱技术的表型研究 快速发展的光谱技术可以用来定量评估作物表型特征参数。当前应用的光谱数据主要包括：近地面的光谱数据、无人机和有人机光谱数据、卫星光谱数据（光学卫星数据和合成孔径雷达数据）。 当前光谱数据的使用特征波段有可见光波段（叶绿素和氮素）、短波近红外波段（叶面积指数）、中短波近红外波段（水分含量和生物量）、热红外波段（冠层温度）、荧光波段（光合、叶绿素和生物量）、SAR波段（5.405 GHz C-band，LAI和生物量）。 模型与表型结合的研究 为了优化作物产量，许多学者已经研究了作物生长和环境的关系，并提出了利用作物模型模拟作物的生长状态。 经过近40年的发展，作物模型已经从最初的作物生长定性模拟，到作物生长的定量模拟，和从单一生长过程的模拟到整个生长过程的模拟。 当前这些不断更新的作物模型可以更好地模拟作物生长状态和产量。近来发展的作物模型可以更好地分析作物对田间管理方式和环境变化的反馈。 作物生长模型实现作物生长过程的模拟，机理性较强，但模型仅限于单点或者田间尺度模拟，大面积推广受到限制。数据同化方法结合了作物生长模型在点上、遥感观测在面上的优势，成为产量监测的一个有效手段。 总结与展望 当前田间表型平台，主要集中在将特异性与稳定性兼备的光学传感器、高时效性的搭载平台、新发展的特征提取算法、深度学习算法及高运算能力的计算集群技术、大数据存储技术等最大化整合，为田间作物表型的精准化研究服务。 平台主要面向作物群体，能鉴定性状，主要有作物群体形态特征、叶面积指数、株高、群体生物量、重要的生育期、氮素营养水平和抗逆性等。当前，快速发展的新兴技术为田间作物表型的快速精确鉴定，提供了有效的技术保证。 在一定程度上，田间作物表型平台的研究，可以促进作物表型组学的发展。但当前仍存在以下尚待解决的问题：
展望未来，以下趋势值得关注： 首先是纳米卫星影像数据可以获取更多的有效信息，用来提高作物的生长状态的监测精度；其次是多源数据的融合可以加快智慧农业的发展；再者新的光学传感器技术可以提高获取作物生长信息的稳定性和精度。 同时，作物模型可以进一步扩展和丰富作物表型和智慧农业的研究；数据同化方法可以提高区域尺度的产量和品质的估算精度； 最后，作物表型鉴定技术（图像算法、传感器技术和高通量数据的处理和分析）可以促进智慧农业的发展。 文 | 张若夫 编辑 | Chyo_Jakubu 添加时请注明：姓名-公司-职位 网站、公众号等转载请联系授权 |
|
|
