《Smart Agricultural Technology》：Bread Wheat variety characteristics retrieved through Low-cost assessment by images analysis
编辑推荐：
背景与目标：面包小麦品种登记与育种中的性状表征传统依赖人工田间观测，劳动密集且主观性强。研究人员评估了RGB图像衍生的植被指数能否在田间条件下提供一种低成本、物候感知的品种判别与产量相关评估方法。方法：研究人员在两种播种密度与除草剂处理下，连续两个生长季评价了
背景与目标：面包小麦品种登记与育种中的性状表征传统依赖人工田间观测，劳动密集且主观性强。研究人员评估了RGB图像衍生的植被指数能否在田间条件下提供一种低成本、物候感知的品种判别与产量相关评估方法。方法：研究人员在两种播种密度与除草剂处理下，连续两个生长季评价了6个生长习性不同的面包小麦品种。在关键Zadoks生育阶段获取天顶RGB图像，利用开源工具提取Greener Green Area（GGA）、Normalized Green–Red Difference Index（NGRDI）、植被分割后的Triangular Greenness Index（TGI_VEG）、Blue–Green Index（BGI）与Soil Color Index（SCI）。经冗余分析后保留GGA、NGRDI、TGI_VEG与BGI用于详细解释。结果：品种判别依赖于物候时机，最具信息量的差异出现在早期茎伸长（GS31）与开花期（GS60）。TGI_VEG是最一致的判别指标，在GS25、GS31、GS60与GS85均呈显著品种效应；GGA、BGI与NGRDI表现阶段性响应，但捕获了冠层扩展、衰老动态、冠层绿度、管理效应及产量相关变异的互补生理信息。探索性产量模型显示强品种与阶段依赖性关系，尤其BGI在GS25（R2=0.73–0.97）、NGRDI在GS25（R2=0.62–0.81）、Cubus的GGA在GS60（R2=0.95）以及TGI_VEG在GS12和GS35–GS60（R2=0.66–0.92）。结论：RGB衍生指数在与作物发育关联解释时提供有意义的表型信息。该流程为品种评价提供了简化、低成本的辅助工具，但产量模型在应用于新基因型或环境前需独立验证。
研究背景与立项依据
面包小麦（Triticum aestivum L.）是欧洲广泛种植的重要谷类作物，品种登记依赖Distinctness, Uniformity, and Stability（DUS）测试中的形态与物候描述符。传统人工田间观测在狭窄发育窗口内需训练有素人员重复踏田，存在劳动密集、耗时、主观评分受经验与时机影响等局限。作物物候（phenology）决定品种对霜冻、终期高温、干旱与病害的暴露，而同一品种在不同年份站点表现可变，不同品种在不适时机评估时可能相似。图像高通量表型（high-throughput phenotyping）能以非破坏方式产生可重复数字记录，RGB相机因廉价、高分辨率成为理想平台，但RGB指数受光照、几何、土壤背景影响，且各指数信息冗余程度与跨季稳定性在实用田间试验中尚未系统确立。该研究发表于《Smart Agricultural Technology》，旨在明确哪些RGB植被指数在哪些Zadoks阶段最能判别品种，以及管理处理是否干扰判别。
主要技术方法
研究人员于意大利Po Valley的CREA-DC试验场在2022/2023与2023/2024两季开展裂区田间试验，主区为除草剂处理（不施NT、施用TR），子区为播种密度（常密度ND 450 seeds m-2、低密度LD 250 seeds m-2），子区内6个商业品种（Tecla、Nefertari为直立型，Antille、Tintoretto为中间型，Cubus、Arkeos为匍匐型）各2重复，共48小区/年。在Zadoks GS12、GS25、GS31、GS35、GS60、GS85用固定1.20 m高Nikon Coolpix B700获取天顶RGB图像（576张）。用FIJI插件CerealScanner提取GGA、NGRDI、TGI_VEG，用R包FieldImageR算BGI与SCI；经冗余分析剔除与NGRDI代数互逆的SCI及与GGA重叠的GA，保留四指数。统计在R 4.3.2中做含年、品种、密度、除草剂及交互项的ANOVA、Pearson/Spearman相关与BH校正。
研究结果
3.1 农艺性状跨品种表现
基于两季合并均值与ANOVA，密度极显著增产穗数（约+120至180 spikes m-2），品种极显著影响株高（Nefertari达102.3 cm，Antille/Arkeos 81–88 cm）与百升重（hectoliter weight）（Nefertari 72.8–74.0 g，Cubus/Arkeos 61–65 g）；产量（yield）品种主效不显著但描述性看Tintoretto、Nefertari、Arkeos较高，Cubus最低；籽粒湿度受除草剂（NT更高）、年份及Year×Variety交互极显著。表明株高与品质主要靠基因型，穗数靠密度，湿度受杂草竞争干扰。
3.2 RGB指数在因子下的表现
3.2.1 BGI
BGI在GS12、GS85受除草剂显著效应，GS31受品种与密度显著效应；Cubus在低密下BGI最高，Tecla在常密下最低。时序呈GS12高—GS25降—GS31暂升—GS35谷—GS60次峰—GS85降，符合叶绿素降解与类胡萝卜素积累。Year主效多阶段显著但无Variety×Year交互，跨季品种排序稳。
3.2.2 GGA
GGA在GS12受品种、密度及密度×除草剂交互显著，Tecla、Nefertari早绿度高；之后仅密度（至GS31）与除草剂（GS35后）有显著效应，GS31前升、GS60维持、GS85近零。Year在GS25/35/85显著但无品种×年交互，说明GGA主要跟踪冠层光合面积而非稳定判别。
3.2.3 NGRDI
NGRDI品种效应在GS12与GS60显著，密度仅早季显著，除草剂在GS12/35/60/85显著；Cubus在GS60常与其他品种分离。时序早增、GS35峰、后降。Year早季显著但无基因型×年不稳。
3.3.4 TGI_VEG
TGI_VEG在GS25、GS31、GS60、GS85品种效应均显著（p<0.05），Nefertari/Tecla/Tintoretto偏高，Antille/Arkeos/Cubus偏低；密度仅GS25显著，除草剂在GS12/25/85显著；Year在GS12/31显著，Variety×Year仅GS12显著，故GS31/60跨季最稳。是全程最一致品种判别指数。
3.3 RGB指数与产量参数相关
BGI从GS25起与产量及百升重显著正相关；探索模型BGI@GS25 R2=0.73–0.97，NGRDI@GS25 R2=0.62–0.81，Cubus GGA@GS60 R2=0.95，TGI_VEG@GS12及GS35–60 R2=0.66–0.92，均具品种与阶段依赖性。
讨论与结论翻译
讨论指出RGB指数受光照几何土壤干扰，须以物候对齐为前提；TGI_VEG因减背景且在关键期跨季稳，优于BGI（敏色素衰老）、GGA（敏冠层覆盖）、NGRDI（早季敏土壤）。密度与除草剂通过改变封行与竞争间接移值，但不改TGI_VEG判别力。产量模型R2虽高仍属探索性，需独立验证方可外推新基因型。
结论：RGB衍生指数在与作物发育关联解释时提供有意义表型信息。该流程为品种评价提供简化、低成本支持工具，但产量模型在应用于新基因型或环境前需独立验证。
