《Ecological Informatics》:RGB image segmentation for quantitative bud flushing assessment in Norway spruce
编辑推荐:
芽开放时序是森林遗传学家和生理学家研究树种适应性变异的关键属性。在挪威云杉种子园等无性系群体中,准确评估芽开放至关重要,因为该属性强烈影响生存和适应性。然而,传统芽开放评估依赖于视觉评分量表,这些量表本质上主观且易受观察者偏差影响,导致多位技术人员收集数据时出
芽开放时序是森林遗传学家和生理学家研究树种适应性变异的关键属性。在挪威云杉种子园等无性系群体中,准确评估芽开放至关重要,因为该属性强烈影响生存和适应性。然而,传统芽开放评估依赖于视觉评分量表,这些量表本质上主观且易受观察者偏差影响,导致多位技术人员收集数据时出现不一致。为解决这些局限性,研究人员引入了一种源自分割RGB图像的新型定量表型,用于定量芽开放,该表型客观测量了各嫁接无性系分株(ramet)浅绿色当年生针叶面积与总可见针叶面积之比。通过提取和汇总每个无性系分株的数字图像数据,该方法提供了标准化且可重复的芽开放物候评估。研究人员在两个地点、两个季节评估了无性系重复分株,并将这种图像衍生的芽开放比率(flushing ratio, FR)与传统视觉评分(visual scoring, VS)和颜色指数(color indices)进行了比较。利用混合模型(mixed models),研究人员量化了无性系表现的遗传控制和跨种子园稳定性。图像衍生的芽开放比率追踪了视觉评分的进展,但表现出比视觉评分(0.45–0.65)和冠层颜色指数(0.20–0.51)更高的广义遗传力(broad-sense heritability, H2)(0.54–0.70)。尽管地点均值差异显著,但图像衍生的芽开放比率和视觉评分的无性系排名在种子园间保持稳定,而颜色指数表现出较低的稳定性和更大的不确定性。总体而言,这些结果支持将图像衍生的芽开放比率作为一种基于结构的表型,提高了挪威云杉种子园芽开放遗传评估的精度和跨地点可转移性。
**研究背景与问题**
挪威云杉(*Picea abies* (L.) H. Karst)是欧洲林业中经济与生态意义重大的针叶树,广泛用于建筑木材、纸浆等产品。春季物候,特别是芽开放(bud flushing)的时序,是决定树木活力、晚春霜冻敏感性和竞争能力的关键性状,也是森林遗传学和育种计划中的重要指标。然而,传统芽开放评估依赖视觉评分量表(visual scoring, VS),例如Krutzsch的六阶段量表,这种方法本质主观,易受观察者偏差影响,导致多技术人员数据不一致,且难以大规模自动化。此外,基于RGB相机的颜色指数(如绿色色度坐标GCC和红色色度坐标RCC)虽已用于冠层尺度物候监测,但它们捕捉的是连续冠层整合信号,主要反映色素动态和光合活化,而非单个芽的离散发育转变,因此可能与个体树水平的芽开放阶段不完全匹配,且其遗传参数估计的可靠性尚不明确。随着气候变化加剧,准确、可重复、可扩展的芽开放表型评估方法对于遗传参数估计、适应性和基因辅助流策略至关重要。因此,本研究旨在开发一种基于卷积神经网络(CNN)的RGB图像分割新方法,以客观、定量地评估芽开放,并与传统视觉评分和颜色指数进行比较,评估其对遗传参数估计的影响。
**研究内容与结论**
研究人员在两个挪威云杉种子园(Hermanky和Lisice,共享36个无性系)中,于2024和2025年春季对芽开放进行了监测。他们提出了一种基于CNN(YOLOv11s-seg)的实例分割方法,从RGB图像中分割出挪威云杉冠层和芽区域,计算芽开放比率(flushing ratio, FR),即芽面积与总可见绿色针叶面积之比。同时,他们也计算了每个分株的绿色色度坐标(GCC)和红色色度坐标(RCC)。通过线性混合模型(LMM)估计广义遗传力(H
2)和B型遗传相关(type-B genetic correlation, r
B),比较了不同方法间的遗传参数。研究发现:FR在所有年份和地点均表现出最高的H
2(0.54–0.70),高于VS(0.45–0.65)和颜色指数(GCC: 0.30–0.51; RCC: 0.20–0.33)。FR与VS的B型遗传相关很高(0.94–0.97),表明无性系排名在两地间稳定,而颜色指数的B型遗传相关较低(0.87–0.92)且标准误较大。此外,FR与VS的遗传相关在所有环境中均高于颜色指数。结论指出,FR作为一种基于结构的连续表型,提高了遗传评估的精度和跨地点可转移性,为挪威云杉种子园提供了标准化、可扩展的春季物候评估框架,并可能推广到其他针叶树。该论文发表在《Ecological Informatics》。
**主要技术方法**
(不超过250字)
本研究主要关键技术包括:① 使用RGB数码相机(Pentax K-3 II)在固定时间窗口内从两个对立方向获取每个无性系分株的冠层图像,未使用辐射定标或参考板;② 训练YOLOv11s-seg实例分割深度学习模型,将图像分割为挪威云杉冠层(整个分株)和芽(浅绿色组织)两类,并通过颜色阈值去除非绿色像素;③ 计算芽开放比率(FR)= 芽面积 / 总绿色针叶面积,取两个视角的均值;④ 计算每个分株的绿色色度坐标(GCC)和红色色度坐标(RCC)作为参考指标;⑤ 使用线性混合模型(LMM)估计广义遗传力(H
2)和B型遗传相关(r
B),并通过Wald检验和似然比检验评估显著性。样本来源:两个挪威云杉种子园(Hermanky,海拔570 m;Lisice,海拔250 m),共享36个无性系,共评估4970个分株(2024年)和1339个分株(2025年)。
**研究结果**
(保留原文小标题并简要说明)
**3.1 Spring phenology assessment method comparison(春季物候评估方法比较)**
通过密度图比较不同VS类别下的FR、GCC和RCC分布。FR在所有地点×年份组合中表现出清晰一致的趋势,与VS类别间有最强分离(尤其在Site 2 2025年),但相邻VS类别(如VS 4和VS 5)仍有重叠。GCC在VS类别间分离度较差,置信区间重叠严重。RCC变化低且不一致,置信区间广泛重叠。
**3.2 Heritability estimates comparison(遗传力估计比较)**
FR在所有年份和地点中均表现出最高的广义遗传力(H
2),范围0.536–0.702,且标准误与其他性状相当。VS的H
2为0.448–0.645,GCC为0.300–0.507,RCC为0.195–0.333。在合并数据中,FR的H
2(0.644)仍高于VS(0.550)和颜色指数。
**3.3 Environmental effects on clonal rank stability(环境对无性系排名稳定性的影响)**
Wald检验显示FR的地点间差异最显著(p=1.26×10
?9),VS也显著(p=5.81×10
?5),而GCC和RCC较弱。B型遗传相关估计表明FR和VS的r
B很高(0.97和0.94),跨地点无性系排名稳定。GCC和RCC的r
B较低(0.87和0.92),且标准误较大,表明更强的基因型×环境互作(G×E)。
**3.4 Temporal stability and cross-method consistency(时间稳定性与方法间一致性)**
遗传相关分析显示所有方法在年份间和性状间高度相关,表明时间稳定性和方法间一致。在Site 1,FR与VS的遗传相关在2025年高于颜色指数。在Site 2,FR与VS的遗传相关显著高于GCC和RCC,且置信区间不重叠。合并数据中,FR与VS的遗传相关仍高于GCC,而RCC的遗传相关不显著。
**讨论总结与结论翻译**
**讨论总结**:
研究表明,FR作为连续、基于结构的表型,比传统视觉评分和颜色指数更精确地捕获了芽开放的遗传变异,更高的广义遗传力源于减少的非遗传方差(如观察者主观性和离散化信息损失)。FR与VS高度遗传相关,表明两者量化同一生物学过程,但FR在初始芽开放阶段(VS0→VS1)可能对应较弱。颜色指数(GCC、RCC)反映冠层光学动态,但个体树水平精度不足,且易受光照、视角等环境影响。FR的跨环境稳定性(高B型遗传相关)支持其用于育种选择,可减少因无性系重新排名导致的遗传增益损失。多特征RGB表型组学框架(FR、GCC、RCC)可整合结构性和光学维度,提高生物学分辨率。局限性包括:FR可能低估早期或晚期芽开放个体,冠层分割仍存在误差,且模型外推需针对不同物种和冠层结构进行验证。未来方向包括结合无人机平台、扩展至秋季物候(如芽关闭)以及辐射定标标准化。
**结论翻译**:
本研究比较了传统视觉评分(VS)、颜色指数(GCC和RCC)以及基于结构的深度学习指标——芽开放比率(FR)在量化挪威云杉无性系芽开放上的表现。结果表明,物候性状的生物学定义显著影响遗传参数估计的幅度和稳定性。FR表现出更高的广义遗传力(H
2)和更强的地点间B型遗传相关,表明无性系排名具有更高的跨环境稳定性。相比之下,GCC和RCC的跨地点相关较低,排名变化较大,这与它们受色素状态、光照条件和背景效应影响的冠层反射率动态敏感性一致。尽管颜色指数捕捉了冠层的季节性生理激活,但它们并未与离散的芽发育转变保持一致。通过将芽开放定义为基于显式芽状态分类的连续、结构比率,FR减少了环境信号稀释,提高了方差组分估计的精度。这些发现表明,结构感知的表型组学性状(如FR)可以为挪威云杉育种应用提供稳定的遗传信号,其中可靠的跨地点排名至关重要。总体而言,该研究强调了在森林树木育种和生态学研究中估计H
2和G×E时,将数字表型方法与目标发育过程的生物学尺度相匹配的重要性。