COVID-19與氣候變化的疊加給全球糧食安全帶來(lái)了巨大挑戰(zhàn)。小麥作為世界主要經(jīng)濟(jì)作物，研究其表型，培育優(yōu)質(zhì)小麥品種是提高糧食產(chǎn)量的重要途徑。然而，現(xiàn)有的表型分析平臺(tái)大多存在建設(shè)和維護(hù)成本高、無(wú)法移動(dòng)、受氣候因素限制使用等缺點(diǎn)，而傳統(tǒng)的氣候室缺乏表型數(shù)據(jù)采集，使得作物表型研究開(kāi)發(fā)困難重重。作物育種進(jìn)展緩慢。目前，迫切需要開(kāi)發(fā)一種低成本、易于推廣、不受氣候和場(chǎng)地影響的、集作物栽培和表型獲取功能于一體的設(shè)施。提出了一種移動(dòng)艙式智能人工氣候箱，構(gòu)建環(huán)境控制系統(tǒng)、作物表型監(jiān)測(cè)系統(tǒng)、作物表型采集系統(tǒng)。

智能人工氣候箱整體結(jié)構(gòu)示意圖

作者選擇了兩個(gè)不同早期活力的小麥品種，在智能人工氣候箱中進(jìn)行了不同氮肥施用量下小麥的栽培試驗(yàn)和表型獲取。借助作物表型采集系統(tǒng)，采集小麥在三葉期、分蘗前、分蘗后期和拔節(jié)期的圖像，通過(guò)作物表型采集系統(tǒng)提取小麥葉面積、株高、冠層溫度等表型信息。作者比較了小麥表型的系統(tǒng)測(cè)量和手動(dòng)測(cè)量。分析結(jié)果表明，小麥4個(gè)生育期葉面積、株高和冠層溫度的系統(tǒng)測(cè)量與人工測(cè)量高度相關(guān)。相關(guān)系數(shù)（r）為正，決定系數(shù)（R2）大于0.7156。均方根誤差 (RSME) 小于 2.42。其中，基于作物表型的采集系統(tǒng)對(duì)小麥三葉期表型特征的測(cè)量誤差最小。冠層溫度 RSME 僅為 0.261。小麥表型性狀系統(tǒng)測(cè)量值與人工測(cè)量值呈顯著正相關(guān)，擬合度較好，誤差均在可接受范圍內(nèi)。實(shí)驗(yàn)表明，采用智能人工氣候箱獲得的表型數(shù)據(jù)具有較高的準(zhǔn)確性。驗(yàn)證了基于智能人工氣候箱的小麥栽培和表型獲取的可行性。

環(huán)境控制系統(tǒng)架構(gòu)

借助智能人工氣候箱研究小麥栽培和冠層表型是可行的?；诙喾N環(huán)境監(jiān)測(cè)傳感器和環(huán)境調(diào)節(jié)設(shè)備，可以調(diào)節(jié)作物的生長(zhǎng)環(huán)境因子?；诟呔葯C(jī)械傳動(dòng)和多維成像傳感器，可采集農(nóng)作物圖像，提取農(nóng)作物表型信息。它的使用不受環(huán)境和氣候因素的限制。因此，智能人工氣候室有望成為育種者培育優(yōu)良種質(zhì)品種的有力工具。

來(lái)源：Plant Methods.Evaluation of an intelligent artificial climate chamber for high-throughput crop phenotyping in wheat.Anhua Ren, Dong Jiang, Min Kang, Jie Wu, Fangcheng Xiao, Pei Hou & Xiuqing Fu

https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00916-9