高通量无人机表型组学与机器学习实现生菜单株生物量早期精准预测

《The Plant Phenome Journal》:High-throughput unmanned aerial vehicle phenomics and machine learning enables accurate early single-plant biomass prediction in lettuce

【字体: 大 中 小 】 时间:2026年09月19日 来源:The Plant Phenome Journal CS5

编辑推荐:

  生菜(Lactuca sativa L.)表现出显著的基因型和环境依赖性生长变异,这使得早期、非破坏性的单株生物量预测对育种至关重要。然而,基于收获的测量无法捕捉生长动态。在本研究中,研究人员测试了多时相无人机(unmanned aerial vehicle,

  
生菜(Lactuca sativa L.)表现出显著的基因型和环境依赖性生长变异,这使得早期、非破坏性的单株生物量预测对育种至关重要。然而,基于收获的测量无法捕捉生长动态。在本研究中,研究人员测试了多时相无人机(unmanned aerial vehicle, UAV)表型组学是否能在单株水平上准确预测生菜鲜重,以及在田间条件下可实现多早的可靠预测。研究在种植后第26、34、41、48、51和54天(days after planting, DAP)进行了六次UAV飞行,从高分辨率红绿蓝(red, green, blue, RGB)和多光谱影像中提取了包括冠层PixelCount和17个植被指数在内的单株结构和光谱性状。使用广义加性模型(generalized additive model, GAM)表征时间冠层发育,并使用岭回归(Ridge Regression)、最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)、弹性网络(Elastic Net)和随机森林(Random Forest)算法在严格的基因型配对交叉验证框架(420次训练-测试分割)下预测鲜重,确保对完全未见基因型的预测。冠层PixelCount在所有生长阶段均成为生物量的主导预测因子,从早期发育到收获均表现出持续强相关(例如,在54 DAP时峰值r = 0.89)。光谱指数如绿色归一化差值植被指数(green normalized difference vegetation index, GNDVI)表现出有前景但依赖阶段的关联(例如,在41 DAP时峰值r = 0.78)。从季中开始,生物量四分位数变得清晰可分离,在DAP 48–54观察到最强区分(通常p < 0.0001)。GAM准确捕捉了非线性冠层扩展(R2 = 0.84–0.87;均方根误差 = 114.8–145.2像素),揭示了低和高生物量植物之间的不同生长轨迹。重要的是,有意义的生物量预测在最早飞行时(DAP 26;测试r = 0.30–0.66)已经可以实现,并随着额外飞行的加入而持续提高,当使用全部六次飞行时达到高精度(r = 0.85–0.89)。岭回归在基因型间提供了最稳定的性能,尽管替代模型在特定遗传背景下偶尔表现出轻微的早期阶段优势。总体而言,这些结果表明,单株多时相UAV表型组学能够在生菜中实现准确的早期生物量预测,而本研究生成的大规模、时间分辨的单株数据集为未来的表型组学研究提供了宝贵资源。
**一、研究背景与问题**

生菜(*Lactuca sativa* L.)是全球广泛消费的叶用蔬菜之一,在露地和保护地生产中均具有高经济价值。其生长受基因型与环境互作影响显著,生物量积累和最终产量易受非生物与生物胁迫制约。传统收获期破坏性测量只能提供单一时点的终值数据,无法捕捉生长动态,尤其难以刻画早期活力、冠层扩展速率和相对生长率等对最终产量具有重要影响的性状。尽管无人机(unmanned aerial vehicle, UAV)表型组学已在多种作物中用于生物量估测,但现有研究多集中于胁迫检测或受控环境,在田间条件下跨品种、单株水平、尤其是早期阶段的生物量预测仍明显不足。为此,本研究旨在回答:多时相UAV表型组学能否在单株水平准确预测生菜鲜重?在田间条件下最早何时可实现可靠预测?

**二、研究内容与总体结论**

研究于土耳其安塔利亚Bat? Akdeniz农业研究所(BATEM)开展,采用随机完全区组设计(randomized complete block design, RCBD),包含8个商业脆皮生菜品种(第9品种因红色素沉着被排除于遥感分析)、8个区组、每小区15株,共1080株。利用DJI Mavic 3 Enterprise Multispectral UAV在种植后第26、34、41、48、51和54天(days after planting, DAP)共6个时相采集RGB与多光谱影像,提取单株冠层结构指标PixelCount以及17个植被指数;采用广义加性模型(generalized additive model, GAM)模拟冠层时间动态,并运用岭回归、LASSO、弹性网络和随机森林在严格的基因型配对交叉验证框架(105种配对×4折=420次训练-测试分割)下预测鲜重。结果表明,冠层PixelCount是所有生长阶段的主导预测因子,在DAP 54达到峰值相关性(r = 0.89);光谱指数如GNDVI虽在DAP 41显示较高相关性(r = 0.78),但存在明显阶段依赖性。即使在最早飞行时点(DAP 26),模型已能获得有意义的预测能力(测试r = 0.30–0.66);随着飞行时相累积增加,预测精度持续提升,使用全部六次飞行时达到r = 0.85–0.89。岭回归在跨基因型预测中表现最稳定。

**三、主要关键技术方法(样本队列来源已注明)**

样本队列来自土耳其BATEM田间试验,2025年1月29日移栽,涵盖8个脆皮生菜品种,RCBD设计(8区组,每区组每品种1个单行小区,每小区15株)。主要方法包括:①利用UAV多光谱平台以30 m高度、90%航向/旁向重叠获取6个时相影像,经Agisoft Metashape生成正射影像;②在QGIS中构建单株矢量边界,使用FIELDimageR与FIELDimageR.Extra提取PixelCount及17种植被指数;③采用GAM对PixelCount时间序列进行非线性生长建模;④使用岭回归、LASSO、弹性网络和随机森林,结合基因型配对交叉验证评估对未见基因型的预测精度。

**四、研究结果**

**3.1 生菜头的形态和颜色分析。** 通过线性混合效应模型分析,发现基因型间鲜重差异显著(F = 10.46,p < 0.0001),茎粗、叶数与鲜重呈正相关,颜色性状也呈现基因型分化。方差分解与重复性分析显示,多个UAV衍生性状在生长中后期具有较高的基因型方差占比和中等至较高的重复性,证实存在可用于预测的稳定生物学信号。

**3.2 UAV衍生性状与生菜重量的时间相关性。** 时间Pearson相关分析显示,冠层PixelCount与鲜重的平均相关性最强(时间平均r = 0.58 ± 0.20),在DAP 54达0.89;光谱指数中,叶绿素植被指数(CVI)、GNDVI和叶绿素植被指数-绿(CIG)表现出较高平均相关(约r = 0.51),但峰值多出现在DAP 41–54,呈阶段依赖性。从DAP 48起,结构性状主导生物量关联。

**3.3 按PixelCount进行阶段依赖的重量等级分离。** 将植物按鲜重四分位分为Q1低、Q2中低、Q3中高和Q4高四类后,发现从DAP 41起各重量等级间PixelCount分布开始显著分离;DAP 48、51和54分离最为清晰(常p < 0.0001),表明结构特征可有效区分不同生物量潜力的植株,支持早期筛选应用。

**3.4 使用UAV影像模拟冠层发育的时间动态。** GAM对PixelCount时间轨迹的拟合优度较高,R2 = 0.84–0.87,均方根误差(RMSE)为114.8–145.2像素。所有基因型均呈现一致的先缓后陡的非线性扩展模式;高生物量植株的GAM曲线显著更高、更陡,低生物量植株冠层扩展缓慢,表明时间结构信息与最终生物量高度一致。

**3.5 基于机器学习的生物量预测及预测性能的时间驱动因素。** 在基因型配对交叉验证下,仅使用DAP 26影像时,岭回归的测试集预测相关为0.30–0.66;随着飞行时相累积加入,预测精度逐步上升,全部飞行联合使用时达0.85–0.89。变量重要性分析显示,PixelCount在生长季各阶段均为最高重要性特征,而光谱指数仅在特定时相贡献显著。LASSO和弹性网络在个别基因型(1、3、8)的早期阶段有约0.02–0.03的微弱优势,随机森林对基因型1有约0.10的早期增益,但均缺乏跨基因型一致性;整体上岭回归性能最稳健。

**五、讨论总结与研究结论**

讨论部分指出,结构性冠层性状是生物量形成的整合指标,反映叶片发生、扩展和冠层空间组织等累积过程,而光谱指数虽能提供阶段性生理信息,但在冠层闭合后易发生饱和效应,因此结构性状更适合作为短周期叶菜生物量预测的可靠基础。早期冠层扩展差异在DAP 26–34即可识别,表明内在生长潜力在定植后不久即已显现。多时相UAV数据通过捕捉生长轨迹提高了预测稳健性,而模型选择需结合生长阶段、基因型背景和数据条件,不存在普遍最优算法。研究结论为:单株水平的多时相UAV表型组学能够在田间条件下实现生菜生物量的准确早期预测,且生成的大规模时间分辨单株数据集为未来表型组研究提供了宝贵的公共资源,并可为育种筛选和精准农业管理提供非破坏性、可扩展的技术支撑。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号