日本特黄视频_狠狠色欧美亚洲狠狠色五_手机视频在线播放_免费人成在线观看网站视频

生物量是功能生態學和生長分析中一個重要的表型特征。傳統測量生物量的方法是具有破壞性的，它們需要大量的個體進行重復的培養以及測量分析，目前，一些基于圖像的生物量研究指出植物生物質與圖像中投射植物區面積具有線性關系。

● 普通相機結合Image-J軟件，對感染甜菜孢囊線蟲病和正常的甜菜，進行表型分析

作者通過對不同時期（播種后16天、20天和35天）未染病和已染病的甜菜進行拍照，相機距離植物冠層的高度保持在80cm，分辨率為0.2cm2/像素，獲取原始圖像后，使用Image-J軟件，圖像分為三個顏色通道（R：紅色，G：綠色和B：藍色）。這三層中的每一層都是8位圖像。在每一個圖層，像素有一個0至255（2⁸）特殊的強度范圍。三個圖層中的每一個具有強度為255的像素將是白色的。然后使用Woebbecke等人提出的過量綠色指數EGI（EGI = 2G-B-R），將生成的三個通道圖像合并到圖片上的綠色區域。然后應用一個閾值來分割新生成的圖像，從55到255的像素被認為是綠色像素。計算綠色像素的總數，然后再按比例重新計算，獲得最終數字冠層面積，用cm2表示（注：此處理過程運用LemnaTec的軟件可以更加自動且高通量的完成）。

（來源：Samuel Joalland et al., Plant Soil. 2015 Belowground biomass accumulation assessed by digital image based leaf area detection）

所分析得到的數字冠層面積與葉片實際總干重的相關性良好，n=40,R2=0.95, p <0.01；進一步，作者還將葉片總干重與甜菜鮮重數據做了同樣的相關性分析，進一步證實數字冠層面積與生物量的關系。

● 水稻生物量預測的文章中也指出了投影面積與生物量存在一定的相關性

以0°和90°拍攝圖像所得的投影面積均值的平方，乘以頂部成像所得投影面積的結果開平方，所得值即為數字生物量。

（來源：Hairmansis et al. Rice 2014, 7:16 Image-based phenotyping for non-destructive screening of different salinity tolerance traits in rice.） 

由此可見，隨著基于圖像的高通量植物表型設備的出現，非破壞性的生物量測量方法能解決很多類似的科學問題。伴隨而來的問題是如何從數字圖像中，實現對單個植物生物量的預測，變得越來越重要。

● 以不同處理的大麥表型數據為基礎，進行模型建立和驗證，所得模型結果可用來預測生物量

浙江大學Ming Chen教授提出了一種方法，對基于圖像衍生的表型性狀進行了生物量估計。他們從德國IPK研究所（http://iapg2p.sourceforge.net/modeling/#dataset）中調出大麥的表型成像數據（IPK之前大麥案例分析中已有介紹，大家可以參考延伸閱讀），提取植物面積、植物致密性和植物年齡三個參數，對植物體進行了建模。建模過程大致可以分為圖像獲取與處理、特征分割與提取、離群值（outlier）檢測、數值剔除和生物量模型構建。

建模過程（來源：Ming Chen et al., Journal of Integrative Bioinformatics. 2017）

在實際應用上，模型的成功建立不能缺少與實驗數值的相關性驗證結果，本文作者利用控水處理和正常處理的大麥，更進一步完成了實際鮮重/干重與模型預測生物量相關性驗證，r2值在0.53至0.83之間。結果證實了所提出的模型，并能解釋大部分觀測結果。Model3預測生物量與實際鮮重相關性更好，這個結果也很好解釋，因為預測生物量是基于植物非破壞性實驗成像基礎之上的，與鮮重數據差異會更小。

值得注意的是，在實際中觀察到的基于圖像的生物質估計的方差差異也很小，這表明他們提出的方法可以用來準確估計數字生物量。

在大家的實驗過程中，如若遇到需要對數字生物量進行分析，可以選用下面三種方案：

1. 植株投影面積（側面單次成像）與實際鮮重做相關性分析；此方法最簡單（有文獻支持：水稻、大麥等）；

2. 套用上述digital biomass公式，此公式需要對單株進行三次成像（0°、90°和頂部）分析，所得數據可以轉換為體積單位，與實際測量的鮮重做相關性分析； 

3. 如果做到干旱/控水處理實驗，可以參考上文的Model3，對正常處理和控水處理的植株進行生物量的預測。