2019年9月，Plant Phenomics刊發了來自加拿大薩斯喀徹溫大學（University of Saskatchewan）的Hema S.N.Duddu等人撰寫的題為High-Throughput UAV Image-Based Method Is More Precise Than Manual Rating of Herbicide Tolerance的研究論文，介紹了一種基于無人機圖像的高通量除草劑耐受性評價方法，發現該方法比人工評價方法更加精準。

傳統的視覺評分系統勞動強度大，耗時長，容易出現人為錯誤。基于無人機（UAV）圖像的植被指數（VI）在高通量植物表型研究中具有潛在的應用價值。本研究旨在確定無人機圖像能否準確、一致地估計除草劑對作物的傷害，及其作為人工視覺評價方法替代品的潛力。該研究于2016年和2017年在薩斯喀徹溫大學的Kernen作物研究農場進行。采用隨機完全區組設計（RCBD）的方法，以2種耐藥率評價了蠶豆作物對9種混合除草劑的耐藥性。在試驗處理1周后，使用多光譜相機對試驗田進行成像，地面采樣距離（GSD）為1.2 cm。在成像的同時記錄生長減少和生理性萎黃的人工視覺評分。根據正交鑲嵌圖的閾值計算土壤調整植被指數（OSAVI）的優化值。將人工視覺評分與基于無人機的OSAVI進行比較，結果顯示，基于無人機的結果更為精確。OSAVI的變異系數（CV）為~1%，而人工視覺評分的變異系數為18%~43%。此外，Tukey檢驗的真實顯著性差異（HSD）測試顯示，基于無人機植被指數的平均分離度比人工視覺評分的更為精確。該研究的OSAVI與人工視覺評分之間的顯著相關性表明，使用基于無人機的方法可以最小化人工視覺評分相關的不良變異。基于無人機圖像的方法評價除草劑對作物的危害比人工視覺評分更為精確。這些方法有可能取代人工視覺評分，并有助于篩選對除草劑具有耐受性的作物。

Field experimental layout of the study.

Image processing workflow for vegetation index calculation.

本研究主要是為了比較數字和人工視覺評分方法的表型精確度。因此，在比較其他方法時，應謹慎使用本研究得出的結論。本研究中OSAVI較低的變異系數和標準誤差表明，基于無人機的方法可以將人工視覺評分相關的不良變異性降至最低。重復之間缺乏可重復性是人工視覺評分方法性能差的主要原因。在高通量表型分析的背景下，需要在短時間內對大量植物進行評估，評估者/評估者們的表現是否一致將成為評估是否準確的關鍵因素。此外，重復性通常與育種過程中的遺傳性相關，因此通常從分析中去除低重復性的測量值。這將使重復和地點增多，以獲得足夠的可重復性/遺傳性，可能導致額外的育種成本。根據本研究的結果，具有高通量能力和足夠精度的基于無人機的方法有可能取代人工視覺評分，特別是對于冠層尺度的測量。

How to Cite this Article

Hema S. N. Duddu, Eric N. Johnson, Christian J. Willenborg, and Steven J. Shirtliffe, “High-Throughput UAV Image-Based Method Is More Precise Than Manual Rating of Herbicide Tolerance,” Plant Phenomics, vol. 2019, Article ID 6036453, 9 pages, 2019.https://doi.org/10.34133/2019/6036453.