品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 福建农林大学基于高等植物“根-茎-叶”视角下的无损胁迫表型分析
发表时间:2024-07-02 12:36:23点击:190
非侵入式无损植物表型分析发展迅速,其研究涉及从亚细胞尺度到整个种群尺度。但是,现今用于评估植物受胁迫程度的无损表型分析对象往往只是“叶”。维管植物由营养器官(叶、茎和根)和生殖器官(花、果实和种子)组成。其中,营养器官(叶、茎和根)直接决定了植物的抗逆表现。“叶”的表型分析是表型分析的主流,“根”系表型作为看不见的部分也至关重要, “茎”的表型分析,常因为主观或客观的原因而被忽略,而综合“叶”、“茎”和“根”的表型分析则更是少之又少。
2024年5月,Plant Phenomics 在线发表了福建农林大学等单位题为Noninvasive Abiotic Stress Phenotyping of Vascular Plant in Each Vegetative Organ View的论文。
本文针对各营养器官(叶、茎和根)视角下的非生物胁迫表型信息进行了综合综述,分析了非生物胁迫下的各营养器官视角下的胁迫应答机制及其相应的非侵入性表型技术。首先,探讨了高等植物各种不同的营养器官(叶、茎和根)对非生物胁迫的感知和应答机理,及各营养器官之间的相互作用。其次,分析了相应的非侵入光学表型分析技术,这些光学检测技术包括了各个维度下的表型分析,包括一维(1D)点表型、2D 面成像和 3D 立体表型,可促进实施适用于各营养器官的非侵入性表型分析。此外,由于野外或田间条件经常包含多种生物胁迫因子,本文也提供了分析复合胁迫情况下的无损表型研究方法。因此,本文的研究超越了仅关注单个植物器官的传统方法,多器官非侵入性表型学研究的新颖见解为评估植物胁迫响应提供了有力支撑,为各种非生物胁迫因子之间潜在的相互作用的机制解析提供了参考,以更准确、更及时地进行胁迫检测及评估,特别是对田间或野外复杂情况下的复合胁迫情况的诊断。我们希望本文能够为实施植物非生物胁迫表型分析带来启发。
图1 非生物无损胁迫表型分析流程:从胁迫感知到无损表型技术实施。(a) 植物各营养器官感知非生物胁迫。(b)植物各营养器官应答非生物胁迫。(c) 植物各营养器官视角下的无损表型分析技术,包括一维(1D)点表型、2D 面成像和 3D 立体表型。
图2 植物对非生物胁迫的感知和应答机理分析:从宏观到微观了解叶、茎和根对非生物胁迫的响应机制。
通讯作者与团队简介
叶大鹏
通讯作者:叶大鹏,男,博士,教授,博导。教育部高等学校农业工程类专业教学指导委员会委员,福建农林大学机电工程学院院长,福建省农业信息感知技术重点实验室主任、福建农林大学人工智能研究中心主任。中国农业机械学会理事,福建省机械工程学会副理事长。
研究领域:农业生物环境监测与控制、山地农业机械性能设计与测试技术、农业技术与智能机械等。
团队现有教授2名,副教授4名,讲师5名,其中博士11名。本团队围绕福建省重点学科—农业工程一级学科博士点,依托福建省农业信息感知技术重点实验室,面向国家重大产业需求和东南区域农业发展需要,致力于农业生产过程中的农情信息感知技术、农业生产装备的智能化与精准化、机器视觉与农业机器人、农业无人机等方面的研究,长期为福建省农业生产过程中的农情智能感知、农业智能装备、农业机器人等关键技术创新与设备研发提供技术服务和人才支撑。
论文链接:
http://doi.org/10.34133/plantphenomics.0180
——推荐阅读——
Using UAV-based temporal spectral indices to dissect changes in the stay green trait in wheat
http://doi.org/10.34133/plantphenomics.0171
Plant Phenomics | 西北农林科技大学基于无人机的时序光谱指数解析小麦持绿在育种进程中的选择
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
http://doi.org/10.34133/plantphenomics.0020
Plant Phenomics ESI高被引论文 | 基于高通量无人机RGB图像的水稻植株计数、定位和大小估计方法
加入作者交流群
扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信,备注姓名+单位+PP,加入作者交流群
《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为7.6,位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明:本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考,一切内容以英文原版为准。
审核:孔敏、王平