学术研究报告：基于RGB航空影像与机器学习的田间豌豆成熟期估算方法改进
一、研究团队与发表信息
本研究由Harry Navasca（北达科他州立大学植物科学系）领衔，联合Aliasghar Bazrafkan、Françoise Dalprá Dariva等15位来自美国多所高校及USDA-ARS的研究人员共同完成，成果发表于*The Plant Phenome Journal*（2025年7月15日接收，DOI: 10.1002/ppj2.70038）。
二、学术背景与研究目标
科学领域：本研究属于作物育种与表型组学（phenomics）交叉领域，聚焦于豌豆（*Pisum sativum L.*）成熟期（days to maturity, DTM）的高通量表型分析技术。
研究背景：传统DTM人工评分法存在效率低、主观性强等问题，难以适应大规模多环境试验。无人机（uncrewed aerial systems, UAS）搭载RGB传感器为低成本、高通量表型分析提供了可能，但其在豌豆成熟期遗传解析中的应用尚未系统探索。
研究目标：
1. 对比航空影像与人工评分的DTM估算精度；
2. 确定最佳影像采集时间点；
3. 通过全基因组关联分析（genome-wide association study, GWAS）鉴定与DTM相关的遗传位点。
三、研究流程与方法
1. 实验设计与数据采集
- 研究对象：300份遗传多样性豌豆种质资源，采用增强不完全区组设计，共700个小区（每小区4 m²），种植于美国北达科他州Prosper试验站。
- 表型数据：
- 人工评分：从开花期（R7阶段）开始每3天记录叶片和豆荚黄化程度，以90%组织褐化为成熟标准。
- 航空影像：使用Autel Evo II Pro无人机（20 MP RGB传感器）在50米高度拍摄，时间点为46–94天（days after planting, DAP），重点分析71 DAP数据。
2. 影像处理与植被指数计算
- 预处理：通过Pix4Dmapper软件拼接影像，ArcGIS Pro提取20个RGB植被指数（vegetation indices, VIs），包括可见光抗大气干扰指数（visible atmospherically resistant index, VARI）、改良绿红植被指数（modified green-red vegetation index, MGRVI）等。
- 创新方法：
- 采用过量绿度指数（excess green index, ExG）二值化分割植被与土壤，阈值设定为0.65；
- 开发基于Zonal Statistics的自动化特征提取流程，获取各小区VI均值、中位数等统计量。
3. 机器学习模型构建
- 模型选择：对比随机森林（random forest, RF）、极端随机树（extra trees）、自适应提升（AdaBoost）和XGBoost四种回归模型。
- 超参数优化：通过网格搜索（grid search）和五折交叉验证确定最优参数（如XGBoost的n_estimators=200, max_depth=5）。
- 特征重要性分析：使用反向特征消除法筛选关键VIs。
4. 遗传分析
- GWAS：基于19,826个SNP标记，采用混合线性模型（mixed linear model, MLM）控制群体结构（前3个主成分）和亲缘关系。
- 候选基因注释：以显著SNP位点±100 kb为窗口，从豌豆参考基因组（*Pisum sativum v1a*）中筛选候选基因。
四、主要研究结果
1. 航空表型提升遗传力与模型精度
- 遗传力：RGB-VIs的平均遗传力（H²=0.91）显著高于人工评分（H²=0.84），表明影像数据更能捕获遗传变异。
- 最佳时间点：71 DAP时模型预测精度最高（XGBoost R²=0.60），此时VARI、MGRVI和红度指数（redness index, RI）贡献度分别为31%、17%和13%。
2. 关键植被指数与成熟期关联
- VARI与MGRVI与DTM呈强正相关（r=0.76），RI呈负相关（r=-0.76），反映绿度衰减与成熟进程的同步性。
- PCA分析显示VARI、MGRVI与人工DTM在降维空间中紧密聚类，验证其生物学一致性。
3. GWAS发现新遗传位点
- 染色体5上188.79 Mb和141.17 Mb的SNP（如s5lg3_188788921）与VARI、MGRVI显著关联（p<3.92×10⁻⁵），这些位点未通过传统DTM检测到。
- 候选基因：
- *Psat5g10720*（RNA识别基序蛋白）：参与非生物胁迫响应；
- *Psat5g078680*（PI3K激酶）：调控细胞分裂与氧化应激。
五、研究结论与价值
科学意义：
1. 首次将RGB航空表型与GWAS结合解析豌豆成熟期遗传基础，填补了豆科作物中此类研究的空白；
2. 证实影像衍生性状（如VARI）比传统表型具有更高的遗传力和检测效力，为“缺失遗传力”问题提供新思路。
应用价值：
- 为公共育种项目提供低成本、可扩展的成熟期评估方案，加速适应气候变化品种选育；
- 鉴定的SNP标记和候选基因可作为分子育种靶点。
六、研究亮点
1. 方法创新：开发了基于ExG分割和XGBoost回归的自动化分析流程，实现高通量表型提取；
2. 发现新颖性：通过航空表型发现传统方法遗漏的遗传位点，揭示成熟期调控新机制；
3. 技术普适性：方案可推广至其他作物，尤其适合资源有限的育种项目。
七、其他价值
研究数据（SNP数据集PRJNA730349、代码库GitHub/harryska/peadaystomaturity）公开共享，促进方法复现与跨作物比较研究。