农业大数据学报

“植物表型组学”专题介绍

专题特约主编——周济

2019, 1(2): 3-3.

摘要 ( 596 )

HTML ( 57)

PDF (1286KB) ( 281 )

参考文献 | 相关文章 | 计量指标

植物表型组学大数据及其研究进展

赵春江

2019, 1(2): 5-14. DOI: 10.19788/j.issn.2096-6369.190201

摘要 ( 2807 )

HTML ( 233)

PDF (1041KB) ( 2209 )

数据和表 | 参考文献 | 相关文章 | 计量指标

植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。

基于经济型低空无人机对小麦重要产量表型性状的多生育时期获取和自动化分析

丁国辉,许昊,温明星,陈佳玮,王秀娥,周济

2019, 1(2): 19-31. DOI: 10.19788/j.issn.2096-6369.190202

摘要 ( 1153 )

HTML ( 128)

PDF (5195KB) ( 742 )

数据和表 | 参考文献 | 相关文章 | 计量指标

多尺度表型采集技术通过多种手段获取植物图像和光谱数据,进而基于各类计算机分析算法（如,计算机视觉和机器学习）进行表型分析,得到与产量、品质和抗逆等相关的性状信息,为作物遗传育种、栽培和农业生产提供高通量、大数据的技术支撑。小麦作为我国重要的粮食作物,其关键产量性状的全生育期量化分析有重要意义。本文详细介绍了部分重要的小麦产量相关性状,并通过使用经济型低空无人机对不同关键生育时期中的一些共同的产量性状进行了规模化采集。然后,基于无人机获取的可见光图像,通过第三方专业软件Pix4D完成了全试验田的拼接和三维点云重建,并通过自主开发的性状分析算法对一些重要产量性状和植被指数等完成了自动化分析。同时,针对18个不同的小麦基因型完成了关键生育时期的株高、植被指数、叶面积指数的提取。通过实例验证了基于经济型低空无人机开展小麦产量性状采集的有效方法和高通量分析技术。本研究对降低田间作物表型研究的门槛,促进我国各研究团队采用标准化表型数据采集,统一作物表型数据规范,以及推广使用开源软件自主开发自动化分析技术平台有重要意义。

基于幼苗图像分析鉴定水稻品种旱直播耐深播特性

冯芳君,严明,沈国辉,陈振挺,田志慧,范佩清,梅捍卫

2019, 1(2): 32-40. DOI: 10.19788/j.issn.2096-6369.190203

摘要 ( 664 )

HTML ( 20)

PDF (24848KB) ( 108 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】本文基于幼苗图像分析建立鉴定水稻耐深播相关特性的方法,鉴定旱直播条件下水稻耐深播的农艺性状。【方法】以不同中胚轴伸长能力的18份水稻品种和稗草、马唐的种子,设置3cm、5cm、7cm、9cm和11cm深度的砂培试验,观察出苗情况并在播种后第15天摄取幼苗照片,采用图像分析技术提取幼苗生长相关的表型指标。【结果】在人工标记幼苗胚芽鞘节等部位前提下,通过图像分析可一次性测定中胚轴长度和累积绿叶投射面积;当播种深度为3cm时,短中胚轴水稻品种能在播后第6天前后出苗,长中胚轴品种能在播后第5天出苗;播种深度为5-7cm时,短中胚轴品种不能正常出苗,长中胚轴品种能在播后第7-10天出苗;在同等播种深度下长中胚轴品种第15天幼苗叶面积高于短中胚轴品种,在7cm以上播种深度下差异极为明显;稗草和马唐都具有幼苗中胚轴伸长能力,种子能从5cm或3cm深度下正常出苗。【结论】基于幼苗图像分析技术,本试验建立了水稻旱直播耐深播相关指标的表型检测方法,识别幼苗中胚轴和叶片等部位,提取中胚轴长度和累积绿叶投射面积指标。水稻差异性代表品种和常见禾本科杂草的观察结果表明中胚轴伸长能力是深播后快速、整齐出苗并较早形成自养能力的关键。

黄瓜叶片分布的异质性表型特征分析与模型建立

钱婷婷,陆声链,郑秀国,赵京音,王剑,杨娟

2019, 1(2): 41-49. DOI: 10.19788/j.issn.2096-6369.190204

摘要 ( 627 )

HTML ( 17)

PDF (3566KB) ( 461 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】黄瓜叶片方位朝向和分布特征是决定冠层光截获能力和光合能力的重要结构参数。通过对不同栽培密度的黄瓜群体中叶片方位角分布规律的分析,可以找出影响叶片分布和冠层异质性结构特征的环境因素,并为研究植物形态特征对环境的响应机制提供支持。【方法】为了研究黄瓜叶片在冠层内部光环境梯度变化的条件下叶片分布对光环境的响应,本研究通过5个密度处理下的9次测量试验数据,利用三维扫描方法对黄瓜冠层器官尺度表型参数进行数字化采集,并对不同茬口之间不同方位区域内叶片分布的异质性表型特征进行了定量化分析。【结果】本研究通过对2个栽培茬口、5个不同密度群体中方位角分布规律与太阳高度角、叶面积指数相关性分析,建立了方位角分布频率与太阳高度角、叶面积指数的相关关系模型,并提取了模型参数。进一步利用cosine函数对畦内和畦间方位角分布频率进行了修正,实现了方位角分布频率对人为栽培管理措施的响应。通过实测数据对模型准确性进行验证,准确率达到0.89。【结论】本研究实现了方位角分布频率模拟模型对冠层生长发育、外界环境以及人为管理措施的响应。为黄瓜冠层尺度表型参数获取提供了重要参考,也为更加精确的黄瓜功能结构模型构建奠定了基础。

基于高光谱的水稻精米品质参数测量技术研究

戴国新,陈国兴,杨万能,冯慧

2019, 1(2): 51-63. DOI: 10.19788/j.issn.2096-6369.190205

摘要 ( 784 )

HTML ( 23)

PDF (7844KB) ( 168 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】水稻精米直链淀粉和蛋白质含量,是衡量稻米加工特性的重要参数。本研究旨在使用高光谱技术来无损检测其含量。【方法】以水稻核心种质资源材料中106个材料为研究对象,使用可见光-近红外高光谱成像技术获取各波段下光谱指数。【结果】高光谱数据经过数据重整、图像提取及分析等一系列操作后,可以得到初级指数和复杂指数。初级指数与直链淀粉和蛋白质含量模型的R2分别为0.823和0.837,五倍交叉验证结果显示模型稳定性良好。同时,通过复杂指数与直链淀粉和蛋白质含量的相关系数结果也可以看出,500-800nm区域间,高光谱复杂指数与直链淀粉和蛋白质含量相关系数较高。【结论】基于高光谱成像技术可以同时准确估测精米直链淀粉和蛋白质含量,为后续水稻种质资源批量品质分析打下研究基础。

基于文献计量的植物表型组学研究进展分析

李晓曼,张扬,徐倩,谢能付

2019, 1(2): 64-75. DOI: 10.19788/j.issn.2096-6369.190206

摘要 ( 892 )

HTML ( 16)

PDF (14713KB) ( 222 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】为了掌握植物表型组学研究的发展脉络和现状,本文基于文献计量学方法探讨了植物表型组学的研究现状。【方法】本研究基于Web of Science核心合集数据库分析了1995-2018年的学术论文,利用多个指标从学术产出（年度变化趋势分析、国家和地区分析、期刊分析和学科领域分析）和学术合作（国家合作情况分析和机构合作情况分析）两个方面对植物表型组学文献进行了统计分析。同时,本文使用Web of Science数据库文献分析平台和EXCEL、DDA等软件,利用共词分析方法构建文献关键词共现矩阵,进一步对矩阵进行聚类分析,并利用VOSviewer文献计量工具进行可视化。此外,本文构建了1995-2002年、2003-2010年、2011-2018年三个时间片的关键词共现矩阵,分析了不同时间片主题的变化情况。【结果】本文基于Web of Science共检索到与植物表型组学研究和应用相关的文献6800篇,发现植物表型组学文献数量整体呈上升趋势,现阶段正处于高速增长阶段。从学术产出归属国家和地区分布来看,美国发文量最多,中国排名第四。从国际合作来看,澳大利亚、法国和西班牙国际合作论文占比较高,美国的占比靠后。虽然植物表型组组学研究已经呈现多学科合作发展趋势,但植物科学还是主体领域。从研究主题上看,主要包括遥感技术在表型组学中的应用、植物表型组学基础研究、利用光学成像的图像分析、机器学习和计算机视觉技术、利用不同植物种类如小麦和水稻的相关研究。

农业生物多样性大数据平台建设研究和展望

许哲平,邵曾婷,朱学军,王昉,王媛媛,肖曼,马克平

2019, 1(2): 76-87. DOI: 10.19788/j.issn.2096-6369.190207

摘要 ( 956 )

HTML ( 60)

PDF (846KB) ( 631 )

数据和表 | 参考文献 | 相关文章 | 计量指标

农业生物多样性是指直接或间接用于粮食和农业的动物、植物和微生物的多样性和变异性,包括作物、家畜、林业和渔业等。它位于整个农业系统的底层,是农业生产信息化的重要内容,也是国家战略资源和国家安全的重要基础。国内外相关组织机构和项目积累了很多的资源和建设经验,但是仍然存在资源零散分布、缺乏顶层设计、元数据标准规范应用不足、平台之间的数据交互不够、数据的快速实时响应比较困难、高端农业智库及其资源平台建设薄弱等问题。为了更好地推动我国农业生物多样性大数据平台的研究和开发工作,本文着重从科学数据平台（基础数据平台、作物数据平台、家畜数据平台、林业数据平台、渔业数据平台、传统文化知识平台、智库平台和评估指标）和相关信息化基础资源对象（术语库、主题词表、元数据标准规范、本体和科研工作流）来梳理农业生物多样性大数据的国内外研究和应用进展,并从基础层、资源层、组织层和应用服务层等四个层次来提出农业生物多样性大数据平台的顶层建设框架,还针对当前现状和问题提出了建议和展望,为我国农业生物多样性大数据平台建设和资源共享服务提供参考。

大数据深度学习系统研究进展与典型农业应用

张凌栩,韩锐,李文明,史银雪,刘驰

2019, 1(2): 88-104. DOI: 10.19788/j.issn.2096-6369.190208

摘要 ( 1251 )

HTML ( 52)

PDF (2358KB) ( 1397 )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着信息时代的快速发展,大数据成为推动人们生产和生活发生重大变革的关键技术,对于包括农业在内的各大领域的发展都起着非常重要的作用。而要想对大数据进行有效的分析和利用,并使其发挥最大价值,深度学习技术的研究和发展起着决定性的影响。在此背景下,本文对大数据深度学习系统领域的主要技术特征及其发展情况进行了详细介绍,包括深度学习模型（如CNN模型和RNN模型）、优化算法、大数据学习框架、硬件配置等方面。本文还对包括PyTorch在内的五种主流的深度学习框架的技术特征和发展历程分别进行了讲解,并对比了不同框架的长处和缺点。此外,本文还提到了大数据深度学习系统在农业领域的典型应用"基于大数据的葡萄叶片霜霉病预报系统",并以其关键步骤"葡萄叶片种类的分类识别过程"为例详细介绍了工作的原理,包括数据收集、样本特征提取、聚类算法、分类算法以及结果分析等过程。该系统运用大数据和深度学习技术,在检测和预防葡萄叶片霜霉病方面有着显著的效果。最后,本文还针对大数据深度学习系统目前的主要发展趋势,以及在农业领域的研究应用中所需注意的问题进行了介绍。到今天,大数据深度学习系统在包括农作物病虫害预测在内的农业数据分析领域发挥着日益重要的作用,并获得了广泛的应用。

区块链在农作物种质资源数据管理中的应用初探

刘海洋,方沩,陈彦清,曹永生

2019, 1(2): 105-113. DOI: 10.19788/j.issn.2096-6369.190209

摘要 ( 900 )

HTML ( 33)

PDF (1093KB) ( 457 )

数据和表 | 参考文献 | 相关文章 | 计量指标

农作物种质资源是国家的战略性资源,是保障国家粮食安全、发展现代种业的物质基础。农作物种质资源工作经过七十多年的发展,已经形成了考察收集、评价鉴定、编目入库、共享利用的系统性工作流程。在计算机技术快速发展的当下,利用信息技术促进农作物种质资源工作规范化是种质资源工作的发展趋势。我国种质资源工作信息化经过三十多年的发展,已经建立了完善的种质资源数据库以及信息系统。针对目前种质资源工作中出现的种质数据溯源困难、难以安全传输以及育成品种产权纠纷等问题,本文提出了一种基于区块链的解决方案,研究了基于区块链的种质资源数据管理方案、存储方案、共识方案和加密方案,将区块链技术体系中的关键技术应用到农作物种质资源数据管理当中,提出了一种区块链技术在种质资源数据管理领域的应用设想。结合目前种质资源工作和区块链技术的发展现状,总结了区块链技术在种质资源数据管理领域的发展方向。

基于词向量的检索扩展方法与农业领域实证

吴蕾,梁晓贺,乌吉斯古楞,王瑞

2019, 1(2): 114-120. DOI: 10.19788/j.issn.2096-6369.190210

摘要 ( 545 )

HTML ( 21)

PDF (1217KB) ( 301 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的】目前,科技文献大数据中存在着主题词不规范、不统一的情况,因此在构建检索式时很难既满足查全要求,又满足查准要求。针对这一问题,本文提出了一种基于词向量的检索扩展方法,并在“基于多组学大数据的功能基因挖掘与辅助育种技术”领域进行了实验验证。【方法】首先清洗数据集,并将文本映射成词向量,一篇文章可以用其所有词向量的平均向量表示;然后用训练集中文章的平均词向量训练随机森林分类器;最后在测试集中对文本进行分类,从而得到正例数据即检索数据集。【结果】针对“基于多组学大数据的功能基因挖掘与辅助育种技术”领域构建检索式,通过对比检索式所提取的小数据集、扩展检索式数据集和该方法提取的检索数据集的主题词云并对其进行主题共现聚类,结果发现相比小数据集和扩展检索式数据集,检索数据集能够表现另外两个数据集所体现的主题词和主题聚类,同时能够展现更多属于该主题领域的主题词和主题聚类。【结论】结果表明该方法具有较好的查全性和查准性,构建了满足分析的“基于多组学大数据的功能基因挖掘与辅助育种技术”领域数据集,同时在构建其他领域数据集时具有可扩展性,在未来研究中可以被应用到其他目标领域的数据集构建中。

周济中英联合实验室介绍

2019, 1(2): 4-4.

摘要 ( 515 )

PDF (8297KB) ( 245 )

当期目录