基于高等植物“根-莖-葉”視角下的無損脅迫表型分析研究
Plant Phenomics | 福建農林大學基于高等植物“根-莖-葉”視角下的無損脅迫表型分析
非侵入式無損植物表型分析發展迅速，其研究涉及從亞細胞尺度到整個種群尺度。但是，現今用于評估植物受脅迫程度的無損表型分析對象往往只是“葉”。維管植物由營養器官（葉、莖和根）和生殖器官（花、果實和種子）組成。其中，營養器官（葉、莖和根）直接決定了植物的抗逆表現。“葉”的表型分析是表型分析的主流，“根”系表型作為看不見的部分也至關重要， “莖”的表型分析，常因為主觀或客觀的原因而被忽略，而綜合“葉”、“莖”和“根”的表型分析則更是少之又少。
2024年5月，Plant Phenomics 在線發表了福建農林大學等單位題為Noninvasive Abiotic Stress Phenotyping of Vascular Plant in Each Vegetative Organ View的論文。
本文針對各營養器官（葉、莖和根）視角下的非生物脅迫表型信息進行了綜合綜述，分析了非生物脅迫下的各營養器官視角下的脅迫應答機制及其相應的非侵入性表型技術。首先，探討了高等植物各種不同的營養器官（葉、莖和根）對非生物脅迫的感知和應答機理，及各營養器官之間的相互作用。其次，分析了相應的非侵入光學表型分析技術，這些光學檢測技術包括了各個維度下的表型分析，包括一維（1D）點表型、2D 面成像和 3D 立體表型，可促進實施適用于各營養器官的非侵入性表型分析。此外，由于野外或田間條件經常包含多種生物脅迫因子，本文也提供了分析復合脅迫情況下的無損表型研究方法。因此，本文的研究超越了僅關注單個植物器官的傳統方法，多器官非侵入性表型學研究的新穎見解為評估植物脅迫響應提供了有力支撐，為各種非生物脅迫因子之間潛在的相互作用的機制解析提供了參考，以更準確、更及時地進行脅迫檢測及評估，特別是對田間或野外復雜情況下的復合脅迫情況的診斷。我們希望本文能夠為實施植物非生物脅迫表型分析帶來啟發。
圖1 非生物無損脅迫表型分析流程：從脅迫感知到無損表型技術實施。 (a) 植物各營養器官感知非生物脅迫。（b）植物各營養器官應答非生物脅迫。(c) 植物各營養器官視角下的無損表型分析技術，包括一維（1D）點表型、2D 面成像和 3D 立體表型。
圖2 植物對非生物脅迫的感知和應答機理分析：從宏觀到微觀了解葉、莖和根對非生物脅迫的響應機制。
通訊作者與團隊簡介
葉大鵬
通訊作者：葉大鵬，男，博士，教授，博導。教育部高等學校農業工程類專業教學指導委員會委員，福建農林大學機電工程學院院長，福建省農業信息感知技術重點實驗室主任、福建農林大學人工智能研究中心主任。中國農業機械學會理事，福建省機械工程學會副理事長。
研究領域：農業生物環境監測與控制、山地農業機械性能設計與測試技術、農業技術與智能機械等。
智能農業關鍵技術與裝備創新團隊團隊現有教授2名，副教授4名，講師5名，其中博士11名。本團隊圍繞福建省重點學科—農業工程一級學科博士點，依托福建省農業信息感知技術重點實驗室，面向國家重大產業需求和東南區域農業發展需要，致力于農業生產過程中的農情信息感知技術、農業生產裝備的智能化與精準化、機器視覺與農業機器人、農業無人機等方面的研究，長期為福建省農業生產過程中的農情智能感知、農業智能裝備、農業機器人等關鍵技術創新與設備研發提供技術服務和人才支撐。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0180
——推薦閱讀——
Using UAV-based temporal spectral indices to dissect changes in the stay green trait in wheat
https://doi.org/10.34133/plantphenomics.0171
Plant Phenomics | 西北農林科技大學基于無人機的時序光譜指數解析小麥持綠在育種進程中的選擇
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020
Plant Phenomics ESI高被引論文 | 基于高通量無人機RGB圖像的水稻植株計數、定位和大小估計方法
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、�？l布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，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、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2022影響因子為7.6，位于農藝學、植物科學、遙感一區。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
排版：張婕（上海交通大學）
審核：孔敏、王平
