农学院 | 智慧农业团队在智能监测小麦种质资源物候期领域取得新进展

近日，南京农业大学农学院智慧农业团队在国际著名顶级遥感期刊《ISPRS Journal of Photogrammetry and Remote Sensing》上发表题为“A in-seasonal phenology monitoring approach for wheat breeding accessions with time-series RGB imagery by using a combination KNN-CNN-RF model”的研究论文，该研究将有效服务智慧育种，保障粮食安全。

团队利用无人机RGB影像智能监测小麦种质资源物候期，以A.E. Watkins品种种质资源（沃氏小麦，John Innes Centre保藏的百年前收集的全球小麦种质资源，包含827份地方品种和220份现代品种，图1）为研究对象，获取了时序无人机RGB时间序列图像，融合图像的颜色、纹理与冠层高度信息，构建了基于时序RGB图像耦合机器学习的定量模型，实现小麦关键物候阶段的高通量识别与起始日期的精准估算（图2）。

图1 A.E. Watkins品种起源全球分布图

图2 物候识别和起始日期定量监测的技术框架图

研究通过将无人机时间序列RGB图像，融合二维图像特征与三维冠层信息，实现了小麦分蘖期、拔节孕穗期、抽穗期、开花灌浆期和成熟期五个关键物候阶段的高精度实时监测。结果表明，融合后的分类精确度均有所提升，其中对分蘖期、拔节孕穗期和抽穗期最为显著，F1分数分别提高了7.41%、5.81%和13.16%。

接下来，团队将进一步利用时序分类结果中的预测概率信息，优选出随机森林模型，构建小麦关键物候阶段的起始时间。结果表明，预测小麦种质资源的关键物候起始时间的平均误差（RMSE）为2-3天（图3）。

图3 随机森林模型对(a)拔节期、(b)抽穗期、(c)开花期和(d)成熟期起始日期的估算结果，以及相应的(e) JBS、(f) HS、(g) AFS和(h) MS持续时间的估算结果

该团队利用上述模型估测了1047个小麦种质资源在四个物候阶段中的空间分布，结果表现出显著的空间异质性（图4），这项研究可有效筛选特定生育期的优异种质资源。

图4 1047个小麦种质资源的拔节期、抽穗期、开花期和成熟期起始日期的空间分布图

南京农业大学农学院国家信息农业工程技术中心为论文第一完成单位，博士研究生周萌为第一作者，姚霞教授为通讯作者。朱艳教授、曹卫星教授、田永超教授、程涛教授、江冲亚教授和郑恒彪副教授等在论文撰写方面提供了帮助。研究得到了中国农业科学院深圳农业基因组研究所程时锋团队在小麦种质资源和试验方面的支持，并获得国家重点研发专项（农情信息空天地高精度高时效智能监测系统研发与应用）的资助。