叶片表型快速分析仪

万深PhenoGA-F田间作物表型分析测量仪Instrument for Measuring plant phenotype — Model PhenoGA-F一、概述：基因型、表型和环境是遗传学研究的铁三角。表型（性状）是基因型和环境共同作用结果，而基因型与表型之间有着多重关系。研究者用测序和基因组重测序来评估等位基因差异定位数量性状等已变得很普遍，但其需大量性状数据来佐证。然而这类分析测量的结果受人员、工具和环境等的干扰很大，还会损伤到植物。故迫切需要高效、准确的万深PhenoGA-F田间作物表型分析测量仪来做可视化的精确数据分析和表型测试，如测试对压力和环境因素的表型反应、生态毒理学测试或萌发测定、遗传育种研究、突变株筛选、植物形态建模、生长研究等。二、主要性能指标：1、万深PhenoGA-F田间作物表型分析测量仪是顶视版本，在明亮的田间环境下，由顶视的超大变焦镜头自动对焦2410万像素的佳能EOS单反相机直联电脑获取植物顶视的RGB彩色图，并做自动分析。2、可获得植物在不同生长阶段的表型数据有：投影叶面积及其差异值、投影叶片长和卷曲度、叶片数、叶冠层的构型数据、精准的茎叶夹角，叶冠层随时间改变的相对生长速率、叶色平均值及其对表征的贡献评估等。可用其所配的自动测高仪来自动测量和记录作物的植株高。具有分析特性如下：1）常规分析：拍摄分析范围120cm*80cm，可变焦调小视野至30cm*20cm，适合对各类作物在60cm高度内时的表型分析。分析投影外接圆直径及面积，外周长，拟合椭圆主副轴及偏角，凸包内径、面积及周长，植株高（由便携式植株自动测高仪实现，测量误差≤±0.25cm）、宽，最小外接矩形长、宽，植株紧实度。2）顶视的表型分析：叶冠直径、叶冠层面积、叶冠层占空比、叶片分布紧密度等（冠层尺寸的测量误差≤±0.2cm），叶片数（自动计数+鼠标个别修正），叶片投影面积及其动态变化，叶片颜色，果实外观品质、花形和花色等，并可编辑。3）颜色分析：RGB、LAB颜色值，具有叶片颜色自动矫正分析特性（可按英国皇家园林协会RHS比色卡2015版来自动比色）。可按指定颜色数进行聚类分割，并统计颜色分布及面积占比。4）生长分析：作物叶冠绝对生长、相对生长曲线，相对生长趋势。5）批量化精准测量茎叶夹角或分支角（真实夹角重复测量误差≤±1.0°）。6）其它：不同生长时期自动批量化处理分析，多植株网格分析，直线、角度等几何测量，各测量结果可编辑修正。3、可接入条码枪来自动刷入样品编号，具有按条码标识跟踪分析的特性，各项分析数据和标记图片可导出。自动分析（约1个样品 /分钟）+鼠标指示测量或修正。三、标配供货清单：1、折叠式可拖带的田间表型拍摄架（重12.8kg） 1套2、夹持式电脑放置平台（重2.2kg） 1套3、自动对焦2410万像素的佳能EOS单反相机 1套4、PhenoGA-F田间作物表型分析测量仪软件U盘 1个5、PhenoGA-F田间作物表型分析测量仪软件锁 1个6、叶色色彩矫正板+尺寸自动标定板 各1块7、标定板升降支撑架 1付8、手持式条形码阅读器 1付9、分枝角测量用掌式便携背光板 1付10、激光测距仪1台/测距仪夹1付/手机固定夹1付/碳纤维2米伸缩杆1付/横向标示杆及螺钉各1个/反射垫1张（送内六角扳手1个/便携黑筒1个/卷尺1把，需手机扫测高仪的二维码下载APP登入使用）11、强光遮挡用塑料布 1张12、品牌笔记本电脑（酷睿i5 九代以上CPU/8G内存/256G硬盘/14”彩显/无线网卡，Windows 完整专业版） 1台 选配：1、可选配真正3D成像的手持式扫描仪，以获得植物真3D模型。2、可选配侧视拍摄组件，以做骨架和株形分析：骨架长度，分叉数（分枝数、分节数），茎秆分节数，分节长、粗等。3、可选配红外热成像相机（分辨率 384*288像素，测温范围-20-150℃，测温精度为最大测温范围绝对值的±2%），以测定叶温和叶温分布。4、可选配近红外成像相机(NIR)，以定性分析植物叶片水分分布情况。5、可选配RootGA根系动态生长监测分析仪，以分析植株根系的胁迫响应等。创新点：PhenoGA-F田间作物表型分析测量仪是在田间做顶视分析的版本，由顶视的超大变焦镜头自动对焦2410万像素的佳能EOS单反相机直联电脑来获取作物顶视的彩色图，进行自动分析。可获得植物在不同生长阶段的表型数据有：投影叶面积及其差异值、投影叶片长和卷曲度、叶片数、叶冠层的构型数据、精准的茎叶夹角，叶冠层随时间改变的相对生长速率、叶色平均值及其对表征的贡献评估等。可用其所配的自动测高仪来自动测量和记录作物的植株高。万深PhenoGA-F田间作物表型分析测量仪

土壤是重要的自然资源，地球上95%的食物来源于土壤，土壤保存了至少四分之一的全球生物多样性，不仅是粮食安全、水安全和更广泛的生态系统安全的基础，更是为人类提供多种服务、帮助抵御和适应气候变化的重要因素。由土壤组成造成的胁迫，例如盐、重金属和养分亏缺是作物减产的主要原因。作物土壤耐逆性是一种复杂性状，涉及植物形态、代谢和基因调控网络等多种遗传和非遗传因素的调控。传统的作物表型研究通常在田间进行，费事费力、劳动密集、低通量、且受研究人员无法控制的自然环境因素的影响。在此情形下，难以获得高精度的表型数据以满足表型组学的研究需求。在过去几十年，已经开发了几种HTP（高通量表型）平台在现场或可控条件下使用，但其运维成本极高。此外，作物表型相关研究通常只关注植物地上部分，而对根系形态数据的获取有限。然而，根系是植物吸收水分和养分的主要途径，也是碳水化合物的储存器官和土壤胁迫的直接感知器官。因此，根系表型是土壤胁迫条件下植物表型研究的重要组成部分。就通量、环境可控性和根系表型获取而言，现有的植物表型平台无法完全满足植物对土壤胁迫响应的表型组学研究的特定需求。基于此，在本文中，来自山东大学生命科学学院和潍坊农科院的一组研究团队描述了其最近开发的高通量植物栽培和表型系统—WinRoots平台。以大豆植物为研究对象，将其暴露在盐胁迫中，证明了土壤盐胁迫条件的一致性和可控性以及WinRoots系统的高通量。他们开发了优化的盐胁迫条件，以及适用于大豆耐盐性的高通量表型指数。此外，高通量多表型分析表明，子叶特征可作为大豆全苗耐盐性的非破坏性指标。在本研究中，Canon EOS 700D数码相机和Resonon Pika L高光谱成像仪分别用于获取RGB和高光谱图像。相机位于植物材料上方1.5 m的可滑动水平导轨上。每天收集大豆冠层和整株幼苗的图像。栽培第九天，获取离体叶片图像，每个品种重复3次。WinRoots系统：高通量根系和整株植物表型平台。系统使用示意图。【结果】盐胁迫相关性状之间的相关分析。（A）盐胁迫相关性状之间的相关矩阵。（B）预测值和观测值之间的回归曲线。大豆盐胁迫相关性状的合成聚类。（A）大豆盐胁迫相关性状的合成聚类剖面图。（B）聚类1和聚类2代表性栽培品种表型。（C）聚类1和聚类2指标比较。【结论】WinRoots系统为幼苗生长提供了均一可控的土壤胁迫条件，可用于土壤胁迫下高通量栽培和表型分析，有助于提供准确多样的土壤胁迫相关的表型数据。因此，WinRoots提供了一种分析诸如土壤胁迫之类的复杂性状的改进方法。HPPA(Hyperimager Plant Phenomics Analysis)高光谱植物表型成像系统由北京依锐思遥感技术有限公司与美国RESONON公司联合研制生产，整合了高光谱成像测量分析、RGB真彩色图像、无线自动化控制系统、线性均匀光源系统等多项先进技术；最优化方式实现大量植物样品的数据采集工作，可用于高通量植物表型成像分析测量、植物胁迫响应成像分析测量、植物生长分析测量、遗传组学与表型组学、遗传育种、生态毒理学研究、性状识别及植物生理生态分析研究等。请点击以下链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650311205&idx=3&sn=ffe393bdf01d664cab05b92572691916&chksm=bee1a6da89962fccef8eae610681ac22d2239e59d016db96cd911d103186c3459c4061ca30bf&token=1489736406&lang=zh_CN#rd

冠层叶绿素含量（CCC）可以反映一个种群的总光合生产力，是判断植物个体生长和营养状况的重要依据。通过遥感准确监测冠层和叶片尺度的叶绿素含量是确定作物生长状态和预测产量的关键。玉米是一种高秆作物，叶面积大，冠层深。它具有不均匀的叶片叶绿素含量（LCC）垂直分布，这限制了遥感的叶绿素含量评估。因此，了解LCC和叶片反射光谱的垂直异质性对提高CCC监测的准确性至关重要。 基于此，在本研究中，来自中国农业科学院作物科学研究所和宁夏大学农学院的研究团队以玉米为研究对象，于2019年和2020年在位于中国东部河南省黄淮海玉米生态区的中国农业科学院新乡实验站通过5个氮处理梯度（0、100、200、300和400 kg/hm2（记为N0–N400））建立各种冠层结构，采集不同生长季节作物冠层叶片，并测量了其LCC和叶片光谱反射率（ASD FieldSpec 4光谱仪+植物探头+叶片夹，光谱范围为350-2500 nm）。主要目标为：（1）理解施氮量对玉米冠层叶绿素垂直分布的影响以及生长季节叶绿素分布的动态变化；（2）在不同时空条件下探索冠层叶片光谱反射率特征差异以及验证基于叶片光谱反射率的VI模型是否可以准确反演LCC；（3）确定敏感叶位（可用于表征LCC和CCC之间的关系）以及评估基于叶片光谱的VI模型的鲁棒性和准确性，以评估冠层叶绿素状态。2020年9月2日研究区俯视图 (a)。高光谱反射率测量系统（b）。台式叶绿素分光光度计 (c) 。2020年8月8日五次氮处理（N）下的冠层状况（d）。【结果】2020年生长季节玉米冠层LCC的垂直剖面。（a、c、e）不同位置叶片的光谱反射曲线。（b、d、f）不同叶片位置波段与LCC的相关系数曲线。6种LCC-VI模型的rRMSE（%）：（a）mRER、（b）VOG2、（c）CIred-edge、（d）NDRE、（e）MTCI 和（f） DD。rRMSE用于评估模型反演精度。rRMSE的值较低对应于预测值和观察值更接近。中期模型（a）、后期模型（b）和生殖模型（c）CCC预测值和2019年实测值对比。【结论】 5个施氮水平用于构建不同的玉米冠层结构，揭示玉米冠层叶片叶绿素含量（LCC）的垂直异质性以及叶片光谱反射率特征。基于冠层LCC的垂直分布，建立多元逐步回归（MSR）模型以准确监测冠层叶绿素含量（CCC）；LCC表现出不对称的垂直分布，呈现出底层较低，中层上升，上层下降的趋势。氮处理显著改变了LCC，且不同处理之间LCC的垂直剖面分布基本一致。分析了不同时空条件下叶片光谱反射率特征。绿色波段（531-567 nm）和红边波段（712-731 nm）是监测LCC的敏感波段。6个经典的VIs用于构建VI-叶绿素模型，其中修正的红边比值植被指数（mRER，R2=0.87）构建的模型最优。VI模型可以准确预测生长中期的LCC（rRMSE=10.9%），但是，上、下叶层VI和LCC的相关性在营养生长早期和成熟阶段发生变化（rRMSE=36%-87%）。通过结合反演精度和多元逐步回归，结果发现在CCC估算中，营养阶段叶位L6以及生殖阶段L11+L14（L12是穗叶）最敏感。这样，基于叶片光谱反射率构建了VI-LCC-CCC模型以估算冠层叶绿素状态。利用2019年和2020年田间试验数据评估了模型性能，结果表明该模型具有良好的鲁棒性和准确性（rRMSE=8.97%）。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650312959&idx=1&sn=579c2cd2862e8037f3fe0a32dda8e2ee&chksm=bee1bc00899635161ff79ab90bcff29bc9a96537973b3be2cb439a88caa8d8e36c29108f32eb&token=1852366781&lang=zh_CN#rd