基于无人机多源数据的抗病表型分析技术

全程自动化高通量

利用时间序列无人机遥感与积温数据训练的水稻白叶枯病严重度评估模型，可跨地点迁移，并结合QTL分析加速抗病育种。

Xiulin, Bai · Hui, Fang · He, Yong · Zhang, Jinnuo · Tao, Mingzhu · Wu, Qingguan · 杨国锋 · Wei, Yuzhen · 唐宇 · Lie, Tang · Binggan, Lou · Shuiguang, Deng · 杨勇 · 冯旭萍

Plant Phenomics 2023

参数信息

决定系数
0.86
预测均方根误差
0.65
迁移训练所需数据比例
20 %
新鉴定的QTL数量
3

技术优势

跨地点迁移只需20%数据

使用少量目标地点数据即可调整模型，大幅降低新区域部署成本。

鉴定出3个新抗病QTL

结合无人机高通量表型与QTL分析，发现不同生育期抗病位点存在差异，为标记辅助育种提供新靶点。

预测精度高

模型Rp²达到0.86，RMSEp低至0.65，满足田间病害严重度快速评估需求。

应用场景