浙江大学岑海燕组长篇综述基于光学传感技术的禾谷类作物表型研究进展

8月17日，浙江大学生物系统工程与食品科学学院岑海燕课题组受邀在Cell子刊《Trends in Plant Science》在线发表长篇综述“Advances in optical phenotyping of cereal crops”，从基于不同电磁波谱范围的光学传感器表型检测原理、传感器性能分析以及所能获取的作物表型性状出发，综述了基于光学传感技术的禾谷类作物表型研究进展，旨在为作物表型鉴定策略制定提供参考。

基因组学和测序技术的飞速发展推动基因型数据的积累，但高质量表型数据仍然匮乏，成为作物育种和精准栽培管理决策的瓶颈。随着传感器技术的不断发展，高通量植物表型获取不仅在作物育种和精细农业中发挥重要作用，也为保障全球粮食产量与安全提供技术支撑。基于电磁波谱响应的光学传感技术可以实现从器官、单一植株到群体多表型信息的高通量同步获取，在响应速度和检测的便捷性方面有很大的优势，已成为高通量植物表型获取的主流方法。如何通过光学传感技术获取高质量图谱信号，进而实现对作物形态结构、生化、生理和产量等综合性状的获取？如何从表型分析的分辨率、准确率、特定性状鉴定能力考虑，去平衡高通量表型获取技术在育种等领域应用的成本和收益？如何更好地利用机器学习等算法（如深度学习）获得可解释性的表型性状？如何通过多学科交叉进一步推动表型技术发展和表型资源的共享？是本综述重点讨论的问题。

图1  禾谷类作物生产全程表型监测

鉴于禾谷类作物在保障粮食安全的重要地位，本综述聚焦于多种光学传感器的表型检测原理和传感器性能分析及其在禾谷类作物表型鉴定中的应用。光与植物组织的交互作用主要包括光子吸收和散射，并最终以反射或透射的形式被光学传感器捕获。吸收特性与叶片的色素、水分、干物质等生化组分相关，而散射特性主要受细胞组织微物理特性和冠层结构的影响。本文通过分析基于不同电磁波范围的光学传感器原理、性能及其在特定表型性状获取中的优缺点，首先介绍了作物表型获取的主流光学传感技术，如RGB成像、叶绿素荧光、多光谱/高光谱成像等，以及搭载上述传感器的实验室与田间高通量表型平台。并将作物表型性状归纳为四大类：形态学性状、生化性状、生理性状和产量等综合性状，阐述了最新的OSP在禾谷类作物四大类表型性状鉴定中的研究进展，探讨了鉴定不同表型性状的最佳传感器选择方案，为助推OSP在作物育种等多个领域的广泛应用提供理论和方法基础。

此外，本综述进一步探讨了OSP在加速作物育种、表型大数据分析、表型组与基因组数据关联分析方面所面临的挑战：（1）OSP如何在继续推进禾谷类作物育种的发展中发挥积极作用；（2）如何从表型大数据中挖掘潜在知识；（3）如何通过OSP数据分析解译表型数据与遗传变异。文章特别强调了在海量表型数据存储、挖掘和数据共享方面的主要难点问题，并提出了可行的解决方案。

图2  基于光学传感器的表型数据处理流程及挑战与解决方案

本综述通过阐述OSP未来的发展与机遇，展望了新型光学表型性状挖掘、作物表型标准化语言体系的构建以及促进表型研究与跨领域全球性合作的发展趋势，尤其是标准化表型语言的建立能够促进跨学科、领域的研究人员更好地分享、使用和理解OSP表型数据。

此外，在2021年7月10日，浙江大学生物系统工程与食品科学学院岑海燕研究员课题组受邀在Trends in Plant Science在线发表了综述文章“Optical sensors: deciphering plant phenomics in breeding factories”。

图1 基于光学传感器的作物表型检测技术可用于作物功能与遗传分析

该综述文章介绍了高光谱成像的原理和图谱合一的数据特点，阐述了高光谱图像结合机理模型、机器学习（深度学习），实现植物长势、胁迫和营养相关指标的量化和可视化的分析流程，探讨了高光谱成像技术在作物育种与生物多样性领域的应用优势，并分析了光学传感器在作物表型的高效低成本获取、传感器本身性能及其在作物育种服务中的挑战。