近日，南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院智慧農(nóng)業(yè)團(tuán)隊(duì)在國(guó)際著名頂級(jí)遙感期刊《ISPRS Journal of Photogrammetry and Remote Sensing》上發(fā)表題為“A in-seasonal phenology monitoring approach for wheat breeding accessions with time-series RGB imagery by using a combination KNN-CNN-RF model”的論文，該研究將有效服務(wù)智慧育種，保障糧食安全。

團(tuán)隊(duì)利用無(wú)人機(jī)RGB影像智能監(jiān)測(cè)小麥種質(zhì)資源物候期，以A.E. Watkins品種種質(zhì)資源（沃氏小麥，John Innes Centre保藏的百年前收集的全球小麥種質(zhì)資源，827份地方品種）和220份現(xiàn)代品種（圖1）為研究對(duì)象，獲取了時(shí)序無(wú)人機(jī)RGB時(shí)間序列圖像，融合圖像的顏色、紋理與冠層高度信息，構(gòu)建了基于時(shí)序RGB圖像耦合機(jī)器學(xué)習(xí)的定量模型，實(shí)現(xiàn)小麥關(guān)鍵物候階段的高通量識(shí)別與起始日期的精準(zhǔn)估算（圖2）。

圖1 A.E. Watkins品種起源全球分布圖

圖2 物候識(shí)別和起始日期定量監(jiān)測(cè)的技術(shù)框架圖

研究通過(guò)將無(wú)人機(jī)時(shí)間序列RGB圖像，融合二維圖像特征與三維冠層信息，實(shí)現(xiàn)了小麥分蘗期、拔節(jié)孕穗期、抽穗期、開(kāi)花灌漿期和成熟期五個(gè)關(guān)鍵物候階段的高精度實(shí)時(shí)監(jiān)測(cè)。結(jié)果表明，融合后的分類(lèi)精確度均有所提升，其中對(duì)分蘗期、拔節(jié)孕穗期和抽穗期最為顯著，F(xiàn)1分?jǐn)?shù)分別提高了7.41%、5.81%和13.16%。

進(jìn)一步利用時(shí)序分類(lèi)結(jié)果中的預(yù)測(cè)概率信息，優(yōu)選出隨機(jī)森林模型，構(gòu)建小麥關(guān)鍵物候階段的起始時(shí)間。結(jié)果表明，預(yù)測(cè)小麥種質(zhì)資源的關(guān)鍵物候起始時(shí)間的平均誤差（RMSE）為2-3天（圖3）。

圖3 隨機(jī)森林模型對(duì)(a)拔節(jié)期、(b)抽穗期、(c)開(kāi)花期和(d)成熟期起始日期的估算結(jié)果，以及相應(yīng)的(e) JBS、(f) HS、(g) AFS和(h) MS持續(xù)時(shí)間的估算結(jié)果

該團(tuán)隊(duì)利用上述模型估測(cè)了1047個(gè)小麥種質(zhì)資源在四個(gè)物候階段中的空間分布，結(jié)果表現(xiàn)出顯著的空間異質(zhì)性（圖4），這項(xiàng)研究可有效篩選特定生育期的優(yōu)異種質(zhì)資源。

圖4 1047個(gè)小麥種質(zhì)資源的拔節(jié)期、抽穗期、開(kāi)花期和成熟期起始日期的空間分布圖

南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院國(guó)家信息農(nóng)業(yè)工程技術(shù)中心為論文第一完成單位，博士研究生周萌為第一作者，姚霞教授為通訊作者。朱艷教授、曹衛(wèi)星教授、田永超教授、程濤教授、江沖亞教授和鄭恒彪副教授等在論文撰寫(xiě)方面提供了幫助。研究得到了中國(guó)農(nóng)業(yè)科學(xué)院深圳農(nóng)業(yè)基因組研究所程時(shí)鋒研究員團(tuán)隊(duì)在小麥種質(zhì)資源和試驗(yàn)方面的支持，并獲得國(guó)家重點(diǎn)研發(fā)專(zhuān)項(xiàng)（農(nóng)情信息空天地高精度高時(shí)效智能監(jiān)測(cè)系統(tǒng)研發(fā)與應(yīng)用）的資助。