基于机器学习算法的小麦遗传群体持绿性研究

作     者：王多霞 李雷 费帅鹏 付雪丽 肖永贵 孙海艳 陶志强 孟亚雄 WANG Duoxia;LI Lei;FEI Shuaipeng;FU Xueli;XIAO Yonggui;SUN Haiyan;TAO Zhiqiang;MENG Yaxiong

作者机构：甘肃农业大学农学院甘肃兰州730070 中国农业科学院作物科学研究所北京100081 中农发种业集团股份有限公司北京100052 

出 版 物：《核农学报》 (Journal of Nuclear Agricultural Sciences)

年 卷 期：2024年第38卷第8期

页      面：1476-1486页

核心收录：

学科分类：09[农学] 0901[农学-作物学] 

基　　金：科技创新2030—“新一代人工智能”重大项目(2022ZD0115703) 国家重点研发计划小麦优异种质资源精准鉴定(2021YFD1200600) 现代农业产业技术体系Supported by the earmarked fund for China Agriculture Research System(CARS-03) 

主　　题：小麦 叶绿素含量 多源数据融合 机器学习 

摘      要：精准预测小麦旗叶中的叶绿素含量(SPAD值)是衡量品种持绿和高光效高产特性的重要方式。为提高小麦SPAD值的预测精度,本试验以中麦578/济麦22重组近交系(RIL)-F8代群体为试验材料,设置正常灌溉和节水灌溉两种水分处理,结合无人机多源传感器融合以及5种机器学习算法和集成方法,预测不同家系在灌浆中后期(花后28 d)的SPAD值,并通过筛选持绿和非持绿性家系,探究灌浆中后期SPAD值与籽粒产量的关系。结果表明,花后28 d旗叶SPAD值和籽粒产量呈正相关(相关系数为0.59);在节水灌溉处理下,小麦旗叶SPAD值和籽粒产量均显著降低。基于多源数据融合的集成方法预测旗叶SPAD值精度优于单一模型。结合不同水分处理下的家系籽粒产量数据发现,受水分胁迫不敏感的10个持绿高产家系中ZJ-16家系持绿、高产效应明显。该研究为田间快速无损监测小麦叶绿素含量提供了一种方便、灵活和有效的方法,为小麦抗旱、高光效育种提供了理论依据和技术支撑。