高通量作物表型監(jiān)測：育種和精準(zhǔn)農(nóng)業(yè)發(fā)展的加速器

郭慶華 楊維才 吳芳芳 龐樹鑫 金時超 陳 凡 王秀杰

1 中國科學(xué)院植物研究所 北京 100093 2 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所 北京 100101

1 高通量表型監(jiān)測意義及國內(nèi)外研究現(xiàn)狀

1.1 科技增產(chǎn)，保障糧食安全

作為世界上的農(nóng)業(yè)大國，持續(xù)推動農(nóng)業(yè)科技進(jìn)步和保障糧食安全對于我國的國計民生具有重要意義，同時也是我國社會經(jīng)濟(jì)發(fā)展的重大戰(zhàn)略需求。雖然目前我國糧食產(chǎn)量持續(xù)穩(wěn)健增長，但由于耕地的持續(xù)減少和人口增長，預(yù)計到 2020 年，我國仍將面臨約 2 000 億斤的糧食缺口。“十三五”規(guī)劃建議提出“藏糧于技”，通過綠色增產(chǎn)技術(shù)來提高糧食產(chǎn)能，加快推進(jìn)農(nóng)業(yè)新品種新技術(shù)的開發(fā)和應(yīng)用，走中國特色的新型農(nóng)業(yè)現(xiàn)代化道路。“分子模塊設(shè)計育種創(chuàng)新體系”通過分子模塊的解析、耦合，有目標(biāo)地進(jìn)行全基因組水平多模塊優(yōu)化組裝，為當(dāng)前育種產(chǎn)量和品質(zhì)雙提升提供了最新的解決方案[1,2]。“表型為王，基因為后”是表型相關(guān)領(lǐng)域的學(xué)者常掛在嘴邊的一句話。對于育種和農(nóng)業(yè)管理而言，表型分析是理解基因功能及環(huán)境效應(yīng)的關(guān)鍵環(huán)節(jié)。在育種的整個進(jìn)程中，表型監(jiān)測不僅可對育種前期的室內(nèi)種質(zhì)篩選進(jìn)行指導(dǎo)，而且能在后期推廣種植中對品種的田間表現(xiàn)進(jìn)行評估。因此，高通量表型監(jiān)測能夠加速整個育種進(jìn)程，并為精準(zhǔn)農(nóng)業(yè)監(jiān)測中的資源調(diào)控和管理策略制定提供重要的數(shù)據(jù)支撐[3]。

1.2 作物表型監(jiān)測發(fā)展現(xiàn)狀

表型監(jiān)測平臺通過搭載不同類型的傳感器，能夠在短時間內(nèi)獲取多源遙感數(shù)據(jù)，為通量化地實現(xiàn)表型測量提供了可能[4,5]。依據(jù)所處的工作環(huán)境，表型平臺可分為室內(nèi)固定平臺和室外移動平臺。其中室內(nèi)固定平臺具有精度高、重復(fù)性強(qiáng)、不受外界干擾等優(yōu)點。當(dāng)前，室內(nèi)固定平臺根據(jù)工作時目標(biāo)作物和傳感器的運動狀態(tài)，可分為“plant-to-sensor”（作物移動型）和“sensor-toplant”（傳感器移動型）工作方式。

“plant-to-sensor”指的是傳感器保持位置固定，目標(biāo)作物通過傳送帶等運輸平臺進(jìn)入到工作區(qū)，傳感器對不同批次進(jìn)入的目標(biāo)作物進(jìn)行數(shù)據(jù)采集和分析。當(dāng)前，國外研發(fā)的此類平臺比較成熟，主要出現(xiàn)在法國、德國、比利時、荷蘭、澳大利亞等國家。其中，比利時 CropDesign 公司設(shè)計出國際上第一套表型平臺——TraitMill；德國 Lemna Tec 公司的室內(nèi)平臺能全自動、高通量和全生育期地獲取表型結(jié)構(gòu)參數(shù)、生理參數(shù)以及進(jìn)行環(huán)境脅迫等分析；法國農(nóng)業(yè)科學(xué)研究院建立了適用于小型植物的 Phenoscope①https://phenoscope.versailles.inra.fr/.和 PHENOPSIS②http://bioweb.supagro.inra.fr/phenopsis/InfoBDD.php.表型平臺；類似的整合基因性狀和表型性狀的研究平臺還有荷蘭 KeyGene 公司研發(fā)的 PhenoFab③http://www.phenofab.com/.平臺，以及澳大利亞的 PlantScan 表型平臺。相比之下，國內(nèi)表型平臺起步晚，發(fā)展相對滯后。以華中農(nóng)業(yè)大學(xué)為代表的科研團(tuán)隊研發(fā)了斷層掃描儀和數(shù)字化考種機(jī)用于獲取單株水稻的株高、分蘗等結(jié)構(gòu)信息和收獲后的種子性狀[6]。綜上，“plant-to-sensor”類型的平臺整體上比較成熟，這主要得益于此類平臺單次作業(yè)的樣本量少，環(huán)境均一，難度較低。然而，“plant-to-sensor”方式整體效率較低，且容易對成熟期和易斷折倒伏的作物帶來影響，造成監(jiān)測中的誤差以及作物本身的損毀。更為重要的原因是，很多重要的農(nóng)藝性狀只有當(dāng)作物種植在真實環(huán)境下的群體中才會表現(xiàn)出來。因此，實現(xiàn)作物固定大田種植模式下的數(shù)據(jù)獲取顯得尤為必要。

“sensor-to-plant”室內(nèi)表型平臺通過移動傳感器到目標(biāo)作物區(qū)域，進(jìn)行圖像采集等信息獲取。這種掃描作業(yè)方式保持了作物位置的固定，對作物的真實生長干擾少，傳感器移動的靈活性大，工作效率高，成為當(dāng)前表型平臺研發(fā)的主要方向。但是，傳感器在移動過程中實時采集群體數(shù)據(jù)并實現(xiàn)高通量的表型參數(shù)提取，這無論是對于硬件集成還是軟件開發(fā)都是巨大的挑戰(zhàn)。

2 自主研發(fā)作物表型監(jiān)測系統(tǒng)―Crop 3D

2.1 室內(nèi)固定監(jiān)測平臺

Crop 3D 作為國內(nèi)首套高通量作物三維表型監(jiān)測系統(tǒng)，2014 年由中國科學(xué)院植物研究所研發(fā)，包括室內(nèi)固定平臺、室外移動監(jiān)測平臺、無人機(jī)監(jiān)測平臺，以及在建的田間大型固定監(jiān)測平臺[7]。室內(nèi)平臺集成了激光雷達(dá)、高分辨率相機(jī)、多光譜和熱成像儀 4 種傳感器，采用“sensor-to-plant”的工作方式 240 s 可完成框架內(nèi) 20 m2面積的作物掃描（圖1a）。其中，激光雷達(dá)獲取的點云數(shù)據(jù)能夠提供毫米級精度的表型結(jié)構(gòu)信息，在作物葉傾角、葉面積密度、葉面積指數(shù)、作物三維體積等三維結(jié)構(gòu)參數(shù)提取方面有不可比擬的優(yōu)勢；高分影像提供了群體水平完整的冠層覆蓋信息，為作物三維重建時提供了豐富的紋理信息；高光譜圖像通過拼接、校正、勻色等處理，提供了高空間分辨率的植被指數(shù)，可應(yīng)用于作物長勢、作物生理狀態(tài)評估；熱成像儀提供了作物冠層溫度的全天候監(jiān)測，可實時地反映作物在生長脅迫下的生理狀態(tài)。為了實現(xiàn)不同溫室環(huán)境內(nèi)的數(shù)據(jù)采集，研發(fā)的小型室內(nèi)移動搭載平臺將固定式搭載平臺的傳感器模塊進(jìn)行移植，可跨溫室作業(yè)，更加靈活輕便（圖1b）。

圖1 Crop 3D表型監(jiān)測系統(tǒng)

圖2 Crop 3D 軟件系統(tǒng)

為了便于多源數(shù)據(jù)分析，Crop 3D 軟件模塊集成了基于激光雷達(dá)點云數(shù)據(jù)的單株分割和枝葉分離算法，實現(xiàn)了群體到單株，單株到葉片多個水平表型結(jié)構(gòu)參數(shù)的自動化、高通量提取（如冠層覆蓋度、冠層高度模型、株高、葉傾角等）（圖2）。此外，軟件模塊還包括點云和影像數(shù)據(jù)融合、植被指數(shù)提取以及溫度分析等功能，為植物表型和生理生態(tài)等研究提供了充分、全面的支持。

2.2 室外表型監(jiān)測平臺

2.2.1 車載及背包式移動監(jiān)測平臺

作物的通量表型監(jiān)測在控制條件下易于實現(xiàn)，在田間則面臨著環(huán)境因素互作、高密度種植等難點。鑒于田間監(jiān)控的尺度和精度問題，車載平臺成為首選。在 Crop 3D平臺系統(tǒng)中，以遙控的智能移動小車（unmanned ground vehicle，UGV）搭載激光雷達(dá)實現(xiàn)作物冠層三維數(shù)據(jù)的快速高效采集（圖1b）。該遙控移動平臺以“一機(jī)多用、一專多能”為目標(biāo)，具備多種傳感器搭載能力，可根據(jù)實際需求選配傳感器模塊。同時，系統(tǒng)配備升降模塊以便根據(jù)作物的生長高度自動化調(diào)節(jié)傳感器平臺高度，最終實現(xiàn)長距離、大范圍的樣地數(shù)據(jù)采集。

由于田間土壤分布異質(zhì)化等特點，車載系統(tǒng)在行進(jìn)過程中不可避免地存在顛簸和抖動。在這套車載系統(tǒng)中，移動激光雷達(dá)系統(tǒng)主要由激光測距單元、慣性測量單元（inertial measurement unit，IMU）和全球定位系統(tǒng)（GPS）、同步控制單元和數(shù)據(jù)存儲單元等 4 個部分組成配合實時記錄數(shù)據(jù)采集過程中傳感器的軌跡和姿態(tài)信息，用于數(shù)據(jù)的后期結(jié)算。作物三維冠層點云數(shù)據(jù)的點云精度與傳感器自身精度相關(guān)，點云密度則與車載平臺行進(jìn)速度相關(guān)。Crop 3D 車載系統(tǒng)的行進(jìn)速度可根據(jù)需求自定義，范圍在 0.1—2 m/s。總體上看，車載系統(tǒng)集成度高，機(jī)電及電子系統(tǒng)一體化。數(shù)據(jù)采集模塊與載具平臺可通過標(biāo)準(zhǔn)硬件接口實現(xiàn)對接關(guān)聯(lián)，其可遷移性強(qiáng)，且靈活度高，除搭載于田間移動平臺之外，還可掛載于無人機(jī)和飛艇等平臺。

背包式移動監(jiān)測平臺是近些年出現(xiàn)的新型搭載平臺，通過將傳感器集成在簡易的背負(fù)系統(tǒng)上可靈活輕便地完成目標(biāo)區(qū)域的數(shù)據(jù)采集。目前，較為成熟的為背包式室內(nèi)外一體化激光雷達(dá)掃描系統(tǒng)，該系統(tǒng)結(jié)合激光雷達(dá)和同步定位與地圖構(gòu)建技術(shù)，可實時獲取周圍環(huán)境的高精度三維點云數(shù)據(jù)，已成功應(yīng)用于室內(nèi)外一體化測量、林業(yè)資源普查、地下空間信息獲取等領(lǐng)域（圖3a）。借鑒于這一概念，將農(nóng)業(yè)監(jiān)測所需傳感器，如相機(jī)、植物冠層儀等與之相集成，有望實現(xiàn)田間作物的冠層數(shù)據(jù)快速獲取。

2.2.2 田間固定監(jiān)測平臺

針對長期固定的觀測樣地，固定的“龍門架”平臺不失為一個好的選擇。通過在田間搭建固定的支架，或者在既有的觀測塔等平臺上安裝相應(yīng)的傳感器，從而達(dá)到對固定有效測區(qū)內(nèi)作物的連續(xù)觀測。種植模式?jīng)Q定了田間的表型數(shù)據(jù)獲取只能采用“sensor-to-plant”的方式。因此，目前正在搭建的固定架平臺通常以方正形為框架，傳感器模塊以步進(jìn)式的循環(huán)移動完成覆蓋區(qū)域內(nèi)的掃描，總體上與室內(nèi)固定平臺（圖1a）的運行模式類似。這種平臺模式的掃描適用于長期的樣方監(jiān)測以完成優(yōu)質(zhì)品種的田間篩選或脅迫相關(guān)表型的數(shù)量基因性狀鑒定。但與室內(nèi)平臺相比，固定架平臺由于暴露于自然環(huán)境下，需要持續(xù)關(guān)注和維護(hù)平臺的整體性，因此需消耗一定成本（圖3c）。

2.2.3 無人機(jī)監(jiān)測平臺

由于采集速度和面積的限制，針對大范圍的農(nóng)田冠層數(shù)據(jù)采集，車載系統(tǒng)存在一定的時間不同步性，某種程度上會導(dǎo)致一些冠層參數(shù)的誤差。過去 20 年中，無人機(jī)平臺在大尺度的農(nóng)業(yè)估產(chǎn)和受災(zāi)評估中得到了廣泛的應(yīng)用。與傳統(tǒng)機(jī)載平臺相比，無人機(jī)平臺載荷受限和續(xù)航時間短等問題常成為其應(yīng)用的局限。自主研發(fā)的 8 軸旋翼無人機(jī)平臺有效載荷達(dá)到 5 kg，有效巡航半徑 2 km，續(xù)航時間最高可達(dá) 30 min（載荷 4 kg 時）。以無人機(jī)激光雷達(dá)為例（圖3d），其測距精度在 10 mm，測距范圍覆蓋 3—920 m，采用近紅外波段激光，最大有效果測量速率可達(dá) 500 000 點/s。利用該平臺可快速獲取大面積的作物三維點云，除可計算與作物光合、產(chǎn)量相關(guān)的表型參數(shù)（葉面積指數(shù)、覆蓋度、作物株高等）外，還可以獲取厘米級的精細(xì)地形，從而為厘清地形因素的表型差異提供數(shù)據(jù)支持。

3 當(dāng)前發(fā)展的瓶頸和未來方向

3.1 立足國家戰(zhàn)略需求

作為人口大國，我國不僅面臨著巨大的糧食缺口，同時也存在可用耕地減少，農(nóng)業(yè)灌溉用水利用率低，易發(fā)病蟲害等威脅糧食安全的問題。科技部在“十三五”科技創(chuàng)新規(guī)劃中明確將糧食豐產(chǎn)提質(zhì)增效、農(nóng)業(yè)面源污染防控等作為支撐引領(lǐng)現(xiàn)代農(nóng)業(yè)發(fā)展的重點研發(fā)任務(wù)。農(nóng)業(yè)需實現(xiàn)從“大水大肥”的粗放型模式，轉(zhuǎn)向依靠科技創(chuàng)新的新常態(tài)。盡管當(dāng)前我國在育種和估產(chǎn)等農(nóng)業(yè)相關(guān)工作中取得一定成效，但長遠(yuǎn)來看，對優(yōu)質(zhì)作物種質(zhì)資源的挖掘和利用仍相對較低。其主要原因之一是缺少對種質(zhì)資源的系統(tǒng)鑒定和深入研究，尤其是從種質(zhì)資源中挖掘優(yōu)良表型性狀及與之關(guān)聯(lián)的遺傳信息。作為基因型和環(huán)境變量互作的結(jié)果，表型監(jiān)測對于研究者剖析與產(chǎn)量和脅迫耐受性相關(guān)的遺傳學(xué)數(shù)量性狀，以及在精準(zhǔn)農(nóng)業(yè)背景下監(jiān)測田間變量以實時調(diào)控資源分配具有重要意義。為此，我們需要不斷提升種質(zhì)資源的鑒定與評價技術(shù)。通過搭建多尺度的作物表型高通量監(jiān)測平臺，可以實現(xiàn)從室內(nèi)到田間到大區(qū)域上的作物表型全生育期監(jiān)測，輔以環(huán)境變量實時監(jiān)控，建立起“基因型-表型-環(huán)境”的國家級數(shù)據(jù)庫。這不僅可以幫助育種學(xué)家進(jìn)一步深挖作物種質(zhì)資源，也可以協(xié)助農(nóng)學(xué)家實現(xiàn)高效的生長動態(tài)監(jiān)測，從而合理布控資源，提高資源有效利用率（圖4）。

圖3 田間作物表型監(jiān)測平臺

3.2 平臺集成和算法研發(fā)

目前，國內(nèi)外已逐漸意識到表型監(jiān)測平臺對于育種和農(nóng)業(yè)發(fā)展的意義所在，國際上業(yè)已出現(xiàn)了一些比較成型的表型監(jiān)測系統(tǒng)。然而，當(dāng)前在表型平臺的使用中也面臨一些問題，如表型數(shù)據(jù)不能很好地與基因型數(shù)據(jù)匹配以及高通量表型監(jiān)測帶來的數(shù)據(jù)冗余等，這些都是新事物從產(chǎn)生到應(yīng)用再到成熟不可避免的事物發(fā)展過程。我們認(rèn)為，未來關(guān)于作物表型的研究將會持續(xù)受到關(guān)注，其主要發(fā)展或攻克方向包括以下 5 點。

（1）高維度參數(shù)提取。作物精確的三維結(jié)構(gòu)的獲取依賴于激光雷達(dá)、RGB 相機(jī)等傳感器獲取的高維數(shù)據(jù)，如何從高維數(shù)據(jù)中計算結(jié)構(gòu)特征，尤其是高維數(shù)據(jù)的特征提取、目標(biāo)探測以及分類分割等都有待進(jìn)一步的探討。

（2）多尺度分析。當(dāng)前算法多集中于解決單一尺度表型參數(shù)提取，如何從不同尺度的數(shù)據(jù)中提取目標(biāo)作物的信息，如從群體中提取單株信息、從單株中提取器官（如根系、花穗）等特定性狀的方法十分欠缺。

（3）多源數(shù)據(jù)融合。多源數(shù)據(jù)融合涉及兩個層面：一方面，研究者需將同一傳感器在不同時期獲取的數(shù)據(jù)進(jìn)行融合，從而實現(xiàn)全生育期性狀的動態(tài)監(jiān)測和分析。另一方面，針對多源傳感器獲取的信息，如何進(jìn)行不同維度、不同尺度的數(shù)據(jù)融合，尤其是在室內(nèi)獲取的、缺失坐標(biāo)信息的多源數(shù)據(jù)，則是研究者進(jìn)行從形態(tài)到生理乃至機(jī)理的綜合型研究面臨的難題之一。

（4）多學(xué)科交叉。如何真正地將工程學(xué)科與理論學(xué)科相結(jié)合，表型研究不僅僅是技術(shù)上的創(chuàng)新，更要為育種學(xué)家和植物學(xué)家所用。開展交叉學(xué)科間的深度合作有助于切實地將技術(shù)轉(zhuǎn)化為生產(chǎn)力，從而從技術(shù)層面加速“基因-表型-環(huán)境”的交叉研究。

（5）多數(shù)據(jù)庫共享平臺和標(biāo)準(zhǔn)。為了研究“基因-表型-環(huán)境”的交互作用，更好地服務(wù)育種工作。來自不同數(shù)據(jù)提供者的高通量基因型數(shù)據(jù)、表型數(shù)據(jù)以及實時變化的環(huán)境信息，需要有機(jī)的結(jié)合[8]。因此，建立一套數(shù)據(jù)標(biāo)準(zhǔn)和共享平臺對于大數(shù)據(jù)時代作物表型研究十分必要（圖4）。

圖4 多尺度多時序作物表型監(jiān)測平臺及其應(yīng)用

4 結(jié)語

為了更好地鑒別高反饋、速生型和高收益的品種類型，精確、快速地識別與作物生長發(fā)育、生理生態(tài)、脅迫耐受力以及產(chǎn)量收益等相關(guān)的復(fù)雜結(jié)構(gòu)性狀，仍是當(dāng)下表型技術(shù)發(fā)展中亟待解決的難點之一。近 20 年來，表型技術(shù)發(fā)展迅猛，正在逐步滿足高精度和高通量的需求。

在全球氣候變化的背景下，脅迫相關(guān)的數(shù)量性狀表現(xiàn)在整個生育期。多時間序列和多源數(shù)據(jù)的高通量表型數(shù)據(jù)、基因型數(shù)據(jù)以及環(huán)境監(jiān)測數(shù)據(jù)勢必造就“大數(shù)據(jù)”，數(shù)據(jù)的存儲和管理會成為下一步亟待解決的問題。面對海量的數(shù)據(jù)源，需要研究者建立行之有效的管理體系，完善數(shù)據(jù)管理和使用規(guī)范，從大到小地逐級實施表型數(shù)據(jù)的科學(xué)收集和管理。而這一體系的建立則寄希望于在育種學(xué)家和作物學(xué)家之間建立起更加深入且行之有效的合作關(guān)系，發(fā)揮交叉學(xué)科優(yōu)勢，真正發(fā)揮大數(shù)據(jù)優(yōu)勢，加速育種及農(nóng)業(yè)精準(zhǔn)化、信息化的發(fā)展進(jìn)程。