2019年10月,Plant Phenomics刊發(fā)了來自日本靜岡大學Kazumasa Wakamori和Hiroshi Mineno撰寫的題為Optical Flow-BasedAnalysis of the Relationships between Leaf Wilting and Stem Diameter Variationsin Tomato Plants的研究論文,作者在不采用深度神經(jīng)網(wǎng)絡(luò)等黑盒方法的情況下,研究了葉片萎蔫與莖直徑變化的關(guān)系。Hiroshi Mineno為該文章的通訊作者。
水分脅迫的估計對進行優(yōu)質(zhì)果品的生產(chǎn)至關(guān)重要。多模態(tài)深度神經(jīng)網(wǎng)絡(luò)已成功地將莖桿直徑變化作為一種估計水分脅迫的指數(shù),該指標根據(jù)葉片萎蔫和環(huán)境數(shù)據(jù)計算。然而,這些研究并沒有揭示葉片萎蔫在評估中的具體作用。揭示葉片萎蔫的作用不僅保證了評估模型的可靠性,而且為改進評估方法提供了契機。本文在不采用深度神經(jīng)網(wǎng)絡(luò)等黑盒方法的情況下,研究了葉片萎蔫與莖直徑變化的關(guān)系。為了闡明葉片萎蔫的作用,采用互相關(guān)分析方法,以光流法量化葉片萎蔫,并分析其與莖直徑變化之間的時滯相關(guān)性,并將其作為一種水分脅迫指數(shù)。分析表明,葉片萎蔫與莖直徑短期變化時滯相關(guān)性顯著,這是植株對水分脅迫的響應。本研究的結(jié)果與已知的植物-水運輸機制一致,說明使用光流法量化葉片萎蔫可以解釋莖直徑短期變化。
Fig1:Data collection environment.Overhead view of the greenhouse(a), overhead view of a cultivation line (b), layout of measuring equipment forone targeted tomato plant (c).
Fig2: Relationships between cross-correlation and environmentaldata.
Relationships between the maximum cross-correlation coefficient and themean PPFD (a) and mean VPD (b). The relationships between the time lags andmean PPFD (c) and mean VPD (d).
本研究的結(jié)果有四個局限性:
首先,其他環(huán)境條件下可能不會出現(xiàn)本研究描述的葉片萎蔫和莖直徑變化之間的關(guān)系。本研究假定的蒸騰平衡條件基于以下事實:環(huán)境條件在5分鐘的時間間隔內(nèi)不變。因此,在蒸騰不平衡條件下,例如在陰天,沒有發(fā)現(xiàn)時滯相關(guān)性。在蒸騰不平衡條件下,由于蒸騰驅(qū)動力的變化,莖直徑的變化會影響葉片的萎蔫狀態(tài)。未來的研究需要開發(fā)一種分析方法,闡明包括蒸騰不平衡在內(nèi)的各種環(huán)境條件下,莖直徑和葉片萎蔫之間的關(guān)系。
其次,本研究發(fā)現(xiàn)不同類型植物的蒸騰速率和最大水勢各不相同,并且還受其生長階段的影響。因此,包括相關(guān)系數(shù)、時滯和回歸方程在內(nèi)的量化結(jié)果可能不適用于其他植物。再次,本研究僅分析了水分脅迫下葉片相對萎蔫與相對莖直徑之間的關(guān)系。與植物水分脅迫或蒸騰相關(guān)的生物因素有很多,如土壤水勢、氣孔導度、CO2水平等,本研究的結(jié)果與這些因素之間是否存在關(guān)系尚不清楚。未來,應該收集這些生物指標的相關(guān)數(shù)據(jù)并進行詳盡的分析。最后,在有限的灌溉條件下,植株會發(fā)生卷葉和葉片萎蔫兩種現(xiàn)象;诠饬鞣ǖ姆治龇椒o法檢測和定量葉片卷曲,但是,還是有必要建立基于葉片整體狀態(tài)的更健壯的灌溉控制機制。葉片卷曲會導致其三維(3D)性狀發(fā)生變化,可以使用深度相機(可以獲得深度數(shù)據(jù)和RGB信息)檢測這種變化。在未來的研究中希望檢驗深度相機對葉況量化的適用性。
How to Cite this Article
Kazumasa Wakamori and Hiroshi Mineno, “Optical Flow-Based Analysis of the Relationships between Leaf Wilting and Stem Diameter Variations in Tomato Plants” Plant Phenomics,vol. 2019,Article ID 9136298, 12 pages, 2019. https://doi.org/10.34133/2019/9136298
Latest Articles
Jobs | 南京農(nóng)業(yè)大學作物表型分析團隊博士后、博士職位
Report | 園藝植物表型組學研究進展
Article | 精確表型研究揭示新的小麥葉枯病定量抗性基因位點
Article | 評估碳同位素識別值在小麥育種中的應用
Article | 利用機器視覺量化葡萄白粉病嚴重程度的高通量表型系統(tǒng)
Article | 利用表型組學輔助篩選技術(shù)開發(fā)高效植物育種表型預測因子
Article | 基于深度學習的識別田間條件下小麥的穗?yún)^(qū)域的表型分析方法
Article | 來陣風,就知道!一種植物無損快速振動表型分析方法
Article | 一種用于高粱頭狀花序檢測和計數(shù)的弱監(jiān)督深度學習框架
Article | 用于估計穗密度和地上生物量的莖特征高通量測量方法
Article | 新方法!預測蕓薹屬植物花期耐熱抗旱性的無損表型測量方法
Article | 將FAIR原理應用于GnpIS植物表型數(shù)據(jù)管理
Article | instaGraminoid,一種評估除草劑抗性的新型比色法
Article | 利用高通量表型技術(shù)探索三種植物種類對真菌菌根和鋅的生長反應
Article | 如何利用卷積神經(jīng)網(wǎng)絡(luò)診斷植物病害
Perspective | 植物表型:過去、現(xiàn)在和未來
Editorial | 植物表型組學:一種新興的跨學科科學
About Plant Phenomics
《植物表型組學》(Plant Phenomics)是由南京農(nóng)業(yè)大學和美國科學促進會(AAAS)合作創(chuàng)辦的英文學術(shù)期刊,于2019年1月正式上線發(fā)行,是Science合作出版的第二本期刊。采用開放獲取形式,刊載植物表型組學交叉學科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù),基于圖像分析和機器學習的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學新應用,與植物表型相結(jié)合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究,表型組學相關(guān)的植物生物學等。2019年8月,已正式被DOAJ數(shù)據(jù)庫收錄。
翻譯:孫港
編輯:黃藝清(實習)
審核:孔敏、尹歡