一种基于图像的快速筛选小麦种质氮利用效率的自动化表型分析方法

 为了开发一种有效的表型筛选方法，在霍舍姆维多利亚植物表型组学（Plant Phenomics Victoria, Horsham）的自动表型平台上，对不同N水平的小麦品种进行了试验，植物表型资讯介绍如下：

作物中的氮利用效率（NUE）通常较低，60％以上的应用氮（N）会流失到环境中，因此增加了生产成本并影响了生态系统和人类栖息地。为了克服这些问题，必须培育具有改良NUE的作物品种，但是这需要高效的表型鉴定方法以及遗传学方法。为了开发一种有效的表型筛选方法，在霍舍姆维多利亚植物表型组学（Plant Phenomics Victoria, Horsham）的自动表型平台上，对不同N水平的小麦品种进行了试验。

位于霍舍姆市维多利亚植物表型自动化系统

通过自动植物表型系统进行图像采集和分析

初步试验结果表明，5mM和20mM（这两个相对氮水平分别被指定为低氮和最优氮）是在自动成像表型平台上筛选多种小麦种质资源的理想氮利用水平。在第二个试验中，利用数字图像得出的估计植物参数（例如苗生物量和顶视面积）与播种后7周的表型性状（例如苗生物量和叶面积）高度相关，该结果表明前者可以作为后者的代替指标。植物生长分析表明，“broken-stick”模型所确定的营养线生长阶段的估计植株参数能够有效地区分小麦品种NUE表现。另外，营养表型筛选应着重选择低氮条件下的小麦品种，该品种与收获时的生物量和谷物产量高度相关。最后，本文还指出相同品种的温室对照和田间条件之间存在一定的关系，表明温室筛选可以为后续的田间研究提供更有价值的种质资源。综上所述，该表型筛选方法具有很高的适用性，可用于营养生长期阶段的高效小麦种质鉴定。

六种氮水平下生长的小麦品种Bobwhite（A）和Chara（B）

估计不同生长期的生物量与收获的干生物量和谷物产量之间的关系