表型技術在林木育種和精確林業上的應用*

邊黎明 張慧春

(1. 南京林業大學林學院 南方現代林業協同創新中心 林木遺傳與生物技術教育部重點實驗室 南京 210037； 2. 南京林業大學機械電子工程學院 南京210037)

林木表型測量性狀涵蓋個體和群體水平上的適應、生長、形態、抗逆(抗病、抗蟲、抗旱、抗寒、抗鹽堿等)和木材材性等性狀，具體而言，適應性性狀包括開花、萌芽和落葉物候等； 生長性狀包括胸徑、地徑、樹高、根冠比、生物量等； 形態性狀包括冠形、冠幅、樹冠體積、分枝角等； 器官性狀包括根、莖、葉片、花、果實、種子的形狀、顏色、分布與數量等； 生理生化性狀包括葉片水分利用率、葉綠素、細胞膜透性、光合速率、蒸騰速率、氣孔導度、滲透調節能力、木質素、纖維素等； 以及生物和非生物脅迫及脅變等。植物表型可在不同水平(群體、個體、器官、組織、細胞和亞細胞水平)上體現(Poorteretal.， 2012； Jiaoetal.， 2018； Pandeyetal.， 2017； 張慧春等， 2019； 倪超等， 2018)。林木表型分析有助于研究基因和環境對林業產業、森林健康和林業可持續發展的影響程度，是研究“基因-表型-環境”作用機制的重要橋梁(Nealeetal.， 2008)。同時，林木表型研究的結果，將為闡明現有樹種進化史，以及了解它們未來對氣候與環境變化的響應與適應提供必要的工具，為樹種在氣候變化下分布范圍的預測、森林遺傳資源的保護與管理，以及科學部署主要造林樹種的良種選育、配置和區劃提供理論支撐和技術依據，對于加速林木遺傳育種進程和促進精確林業具有重要意義(Resendeetal.， 2012)。

不同的研究目的需要不同的表型方法，精確林業和良種選育都要求利用新型傳感器技術對樹木表型進行群體、個體和微觀層面的監測(Pieruschkaetal.， 2012)。對于林業工程領域，關注是否可以全面提取、綜合評估樹木的表型特性； 對于林木遺傳育種領域，關注是否可以通過表型信息挖掘與驗證候選基因、提高遺傳參數估計的準確性和精確性、增加樹種的抗逆能力和適應性(Murantyetal.， 2014)。傳統的林木育種，往往通過對種源、家系和無性系等遺傳單位進行多地點、多年度試驗，并結合譜系等信息利用混合線性模型方法估算性狀遺傳力、性狀間和年齡間遺傳相關以及基因與環境互作等遺傳參數，并基于育種值或者遺傳值，利用指數選擇等方法選擇優良的家系、個體或者無性系，這個過程需要根據樹種的育種目標、適生區和用途，協同多個單位進行多年度的遺傳測定和遺傳評估，耗時耗力。另一方面，許多林木分子遺傳學研究，利用可控的環境條件度量生長和適應性等林木表型性狀，來探索分子、細胞或組織水平上的變異，挖掘控制性狀的相關基因，理清基因的調控途徑，評估林木遺傳特性。

與農作物不同，木本植物多為異花授粉且個體高大、達到有性生殖成熟期經歷時間較長，尤其是針葉樹種，往往基因組比較大，且馴化和改良時間短，所處的環境條件復雜，因此，借助現代生物科學以及其他學科的技術的進步，開展交叉和融合研究，發展新的技術和育種策略，加速育種進程，縮短育種周期，提高育種效率，已經成為世界林木育種界科學家共同努力的目標。目前，林木的基因組研究主要有2個目標： 第1個目標是林木分子設計育種，通過多種技術的集成與整合，挖掘基因資源，并利用優良基因對林木個體從分子到整體(系統)不同層次進行設計和操作，對林木育種程序中的影響因素進行模擬、篩選和優化，提出符合育種目標的最佳基因，以及實現目標基因的親本選配和后代選擇策略，以提高林木育種中的預見性和育種效率，實現從傳統育種到定向、高效的精確育種的轉化； 第2個目標是景觀基因組學，利用基因組學信息，發現基因組中的適應性遺傳分化與群體間的環境異質性之間的關系，理解響應氣候變化和環境異質性的樹種適應性進化機制，預測森林對氣候變化的響應，通過選擇適應當地環境和氣候變化的基因，建立森林適應性管理指南，提高人工造林的效率(Nealeetal.， 2011； Luetal.， 2019)。這2個目標涵蓋對森林遺傳資源的保護、評價、挖掘和利用，其對象包括人工林和天然林，由于人工林絕大部分為單種純林，而天然林具有較高的物種豐富度，因此，二者在樹種組成、生長周期與趨勢、穩定性上存在差異，使得二者在基因組和表型組研究過程中也將呈現不同的特點。近年來，林木表型組研究大量報道了森林樹木應對全球變暖和極端氣候的響應機制，促進了旨在破譯與森林樹木適應性相關復雜性狀的基因組學發展(Dungeyetal.， 2018)，揭示了基因型、環境與表型之間的相互作用，使得可以通過分子設計育種選育良種，并結合立地選擇和森林撫育管理措施實現良種效益的最大化(Grattapagliaetal.， 2018)。

現代表型技術利用傳感器和圖像分析來表征森林林分和樹木，基于此測量得到的表型信息，是遺傳和環境對林分和個體復雜影響的綜合體現。目前，對于大面積的林分采用遙感或機載成像傳感器采集表型數據，而對于小面積的林分或者個體采用車載或手持式成像傳感器。研究林木表型信息的主要目的，在群體水平上，是分析不同地理區域的表型變異程度，揭示林木種群進化的歷史及其響應未來氣候變化的機制，闡明林分的發育動態和群體的地理變異模式； 在基因、細胞、組織、器官、個體到林分水平上，利用多尺度的表型組學，能解釋特定基因或者基因型在給定環境條件下，林木個體在生長發育過程中基因表達的時空性，以及不同林木基因型的表現型差異。高分辨率、高精度、高質量的表型數據可以更好地進行數量性狀位點的準確定位和目的基因的鑒定，為林木育種和精確林業提供重要的數據支撐和有力的技術依據，是未來精確林業和智慧育種的發展趨勢。

1 基于個體和基于林分的林木表型技術

目前的表型技術包括基于個體和林分2個不同水平的研究。基于個體的表型技術提供掃描單個樹冠和微站點地形的表征，從超高分辨率數字地形模型中提取地表的坡度、濕度、強度和太陽輻射等特征，建立與樹木生長、形態、抗逆(病害)、木材品質等性狀的相關。近年來，利用無人機(圖1，Pontetal.， 2018)和手持式激光掃描儀分析超高密度點云的方法也得到了發展，這些方法有可能刻畫出樹根和分枝等特征。目前，基于個體的表型研究重點是觀測分析具有特殊基因的單株樹木在該基因和環境共同作用下的生長發育，以便準確識別到林分中具有特殊基因型的個體，然后通過基因組學分析，鑒定基因的功能并驗證，增加林木的基因資源。基于個體的表型方法，也旨在從時間和空間獲得高維度表型數據基礎上，進一步解析基因型、微環境和森林培育措施的相互作用，揭示不同基因型與環境互作的表型調控機制，為對林木個體的生長、發育和適應性與抗逆性育種提供新的思路。在表型研究中，基于個體的表型往往可以得到n維時間和空間的表型組學信息，因此需要大量的計算和分析。

圖1 用于樹木表型分析的超高密度無人機激光雷達圖像Fig. 1 Ultra-high density UAV LiDAR image used for tree phenotyping (Pont et al., 2018)

基于林分的表型技術主要應用于森林資源調查，在整個森林水平上，得出平均樹高、胸徑(diameter at breast height，DBH)、總材積(total stem volume，TSV)、斷面積(basal area，BA)和蓄積量，結合林分遺傳信息和土壤氣候環境數據，作為表型度量的估計值(圖2，Pontetal.， 2018)。因此，基于林分的表型，可以有效地應用于大面積林分的生長發育表現，從而建立一套從良種選育、森林培育到高質量林分的技術體系。基于林分的表型分析，可以使林業生產單位通過選擇適宜造林地點、合理配置良種和應用培育措施來最大限度地提高產量。基于個體的表型分析，將使精確林業落實到單株樹木的微站點級別，這不僅有賴于高分辨率的傳感器，也需要高效的分析研究技術，因此，仍需要很長一段時間才能實現。在此期間，基于林分的表型技術可以作為一種工具，在林分級別的精確林業中優化林木良種、試驗地和森林培育的方案，從而實現高投入產出比的價值收益。目前，以林分調查為目的的表型研究已經廣泛開展，而以選育良種為目的的高精度、高通量的表型研究仍有很多關鍵性技術亟待突破。

圖2 從激光雷達圖像中提取的樹高和胸徑等表型指標Fig. 2 Phenotypic metrics extracted from LiDAR image representing tree height and DBH (Pont et al., 2018)

2 各項傳感器成像技術在林木表型上的應用

2.1 傳統和現代表型信息采集方法對比

傳統的林木表型性狀大多依賴于人工采集，勞動量大、破壞性強、精確率低，對大批量樣本的生長發育測量效率較低，表型數據的質量受人工主觀因素影響也較大。另外，傳統的林木表型信息依賴于人工采集，如樹高用測高桿、胸徑用測圍尺測定，葉片的長度、寬度采用游標卡尺測定(王婭麗等， 2008)，葉基角用量角器測量(尚帥斌等， 2015)，林果單果質量用天平稱量(徐永杰等， 2016)，單果種子數用肉眼清點計數(程詩明等， 2006)，葉片、樹皮和木材的顏色采用比色卡用肉眼確定(王秀花等， 2011)，葉片厚度、氣孔密度等葉片結構采用常規石蠟切片法制片測量(史剛榮等， 2007)。因此，傳統手工測量表型信息的方法存在著規模小、效率低、精度差、勞動量大、破壞性強、受人工主觀因素影響大等問題，另外，人工測量某些表型參數如葉面積、生物量等只能在特定時間或生長階段對林木進行破壞性測量，無法對同一株林木進行全生長期、連續性監測，而且僅能夠獲取胸徑、樹高等外部表征，難以對多種表型性狀進行綜合分析和研究(Campbelletal.， 2018)。

近年來，在科研需求的驅動和技術方法快速發展的背景下，表型數據也從形態結構特征擴展到了發育特性、體內和體表的理化和生化特征。當前已經具備進行高精度、高通量、多生境、多維度、精準和經濟的植物表型數據獲取和解析的必要性和可行性(趙春江， 2019)。傳感器成像技術的問世，讓現代表型信息采集的批量化、高效化、自動化、精確化和無損式成為可能(Tardieuetal.， 2017)。用來捕捉場景的電子設備被稱為成像傳感器，傳感器成像技術是通過光與植物之間的相互作用(如反射光子、吸收光子和透射光子)來定量地測量林木性狀。植物細胞和組織的每個成分具有特定波長的吸收、反射和投射特性，例如，葉綠素主要吸收可見光的紅、藍光譜區域的光子，水主要吸收短波長，纖維素吸收光子的范圍在2 200～2 500 nm(Lietal.， 2014)。健康植物與電磁輻射的相互作用(如吸收、反射、發射、傳輸和熒光)與受感染植物的相互作用不同。電磁輻射與植物葉片的相互作用隨輻射波長的變化而變化，由于光活性色素(葉綠素、花青素和類胡蘿卜素)在可見光波段具有很強的吸收能力，所以冠層的反射率較低。成像技術對于檢測樹木表型特性非常有效，特別是對于人肉眼無法看到的特性(N?sietal.， 2016)。基于光譜反射信息的植物表型依賴于光與植物冠層相互作用(如反射、傳輸和吸收)后發出的光的特性。不同波長的成像被用于植物表型的不同方面。漫反射輻射的冠層光譜特征是由可見光(400～700 nm)、熒光(400～500 nm)、近紅外(800～2 500 nm)、熱紅外(700～1 000 000 nm)、高光譜(550～1 750 nm)和雷達(200～1 620 nm)光譜區域中每個波長的反射光強度與被照光強度的比值來描述的(Geetal.， 2016； Thapaetal.， 2018； Fahlgrenetal.， 2015)，如表1所示。

表1 用于林木表型信息采集的成像技術Tab.1 Different imaging technology used in collecting forest tree phenotyping information

現代表型信息采集方法突破多年來“一把尺子一桿秤”的林木表型性狀獲取瓶頸，可高通量、高分辨率、自動化獲取表型數據信息。隨著機械電子工程、計算機技術等領域與植物科學的不斷協同，通過可見光相機、熒光成像儀、近紅外成像儀、高光譜成像儀、熱紅外成像儀、激光雷達掃描儀等傳感器采集的植物表型數據正逐漸涵蓋林木從細胞、組織、器官、植株到群體的各個尺度，從種子到幼齡、生長、成熟和衰老的各個階段，林木性狀在不同環境下的遺傳與變異，以及林木對生物和非生物脅迫的響應等信息。

2.2 可見光相機

可見光圖像最常見的應用是基于電荷耦合器件(charge coupled device，CCD)和互補金屬氧化物半導體(complementary metal oxide semiconductor，CMOS)，它們對可見光波段(400～700 nm)敏感，允許在二維空間成像，是最簡單、應用最廣泛的成像技術。通常，圖像的原始數據以空間矩陣的形式表示，其強度值對應于可見光的紅色(600～700 nm)、綠色(500～600 nm)和藍色(400～500 nm)光譜波段的光子通量。可見光相機通常是傳統的數碼相機或RGB(red green blue)相機，可以為植物表型提供快速經濟的測量方案(Jaegeretal.， 2018)。

可見光相機主要用于測量樹木形態結構的各個方面，如葉面積、葉片顏色、生長發育動態、幼苗活力、種子形態、根系結構、葉片病蟲害嚴重程度、生物量、產量、果實數量和分布等(Chénéetal.， 2012)。可見光相機用于樹木表型信息采集的優勢是費用低、易操作、有真彩色信息，缺點是后處理繁瑣、只有相對測量值、圖像自動處理受限、陽光和陰影導致曝光過度或不足。

可見光相機克服了人工識別的主觀性強、分辨率低、精度差、持續性短等缺陷，可以快速、自動化、無創地獲取樹木的幾何三維信息，重建植物冠層，進行估測、分類等(Milellaetal.， 2019)。美國明尼蘇達大學開發的系統可利用可見光相機多個視角(通常是多個側視圖和俯視圖的組合)來提取植物形態結構和顏色信息(圖3)，從而判斷其地上生物量和葉面積。針對表型的林木形態測量是一項基本的勞動密集型活動，利用RGB可見光相機可以有效提升工作效率，基于RGB可見光相機構建形態學參數估計的視覺系統，從林木個體的兩側分別重建其三維模型，并精確融合樹干和局部地面信息，利用運動中恢復結構(structure from motion，SFM)的方法獲取樹木三維信息，由此得到樹木的形態空間信息。在利用RGB可見光相機對一行樹木進行圖像采集后，進行圖像處理時構建圓柱體對單株樹木進行包圍，圓柱體的半徑為樹干到剖切面的距離。由于樹冠并非是相對樹干完全對稱的，因此，俯視圖中，每株樹都由邊界框和2個直徑不相同的半圓柱體組成，然后通過移除圖像噪點來封閉單樹的所有3D點云對每株樹進行自動分割，最終得出樹高、冠層體積和樹干直徑等表型參數(圖4)(Dongetal.， 2018)。

圖3 用RGB相機采集表型數據Fig. 3 Overview of phenotyping data capturing with RGB camera (Dong et al., 2018)

圖4 冠層體積和樹高的估算方法Fig. 4 The scheme of estimating canopy volume and tree height (Dong et al., 2018)

采用雙可見光相機可以對實生樹苗的早期生長速度評價(圖5)。定期采集2種闊葉樹(歐洲水青岡Fagussylvatica、刺葉櫟Quercusilex)和2種針葉樹(歐洲云杉Piceaabies、歐洲赤松Pinussylvestris)的RGB立體圖像，并對這些圖像的顏色飽和值進行對比分析，利用立體成像系統對于反射光的連續分析能夠計算樹木幼苗高度的增量，利用俯視采集到的樹葉的綠色覆蓋率對反射光的分析能夠計算樹木幼苗葉片的總面積和綠色度百分比。將這些參數與破壞性生物量測量值進行比較，結果表明，高度性狀可用于評價針葉樹的幼苗生長，而綠色度百分比可用于評價闊葉樹的幼苗生長。盡管需要根據樹木類型、生長階段和光照條件進行調整，但這種新型的、廉價的、快速的、非破壞式的和可持續的表型分析方法可以用于研究由于基因組變異及與環境因素相互作用而產生的大規模表型變異(Montagnolietal.， 2016)。

圖5 利用RGB相機獲取樹苗生長俯視圖的圖像采集柜Fig. 5 Image capture cabinets for getting top view of tree seedling growth by RGB camera (Montagnoli et al., 2016)

在受控環境(如氣候箱、溫室)中，植物生長過程采集的可見圖像可以用來評估應激反應機制。如鹽脅迫后不久，隨著葉片氣孔的關閉，林木生長也迅速受到抑制。在長時間的鹽脅迫后，葉片的衰老可通過分離葉片的黃色和綠色區域來量化分析，顏色的變化可能與組織對累積鹽的耐受性有關。在使用可見光相機采集圖像時，可以在單個個體上快速準確地測量耐鹽性，也可以在包括突變群體的大樣本中進行測量，實現相關基因的鑒定，并篩選出耐受性好的植株。在野外天然林或人工林中，可見光圖像提供了關于冠層覆蓋度和冠層顏色的信息。冠層覆蓋度可以通過顏色閾值的圖像處理程序進行估計，利用該方法可以得到葉面積指數、葉空間分布和光截留量。其他更復雜的信息也可以通過圖像分析方法從樹形等信息中提取出來，如對于水分脅迫的反應等(孫道宗等， 2017)。

2.3 熒光成像儀

熒光成像儀的原理是通過人工激發植物光合系統來獲得有關植物代謝狀態的信息。將樹木或含葉綠素的部分組織如葉片、芽、枝條或莖放在暗中適應片刻，然后在可見光照射下，植物綠色組織會發出隨時間不斷變化的微弱的暗紅色強度熒光信號，葉綠素在接受激發光后發出的熒光稱為葉綠素熒光。葉綠素熒光是研究光合反應的無損探針，實現了在大面積上對樹木群體光合作用的連續監測，因此可應用于分析物理環境及化學條件脅迫(如CO2、O2等氣體交換濃度的變化及溫度、光強度脅迫等)對植物的影響。熒光成像儀還可檢測遺傳抗病性和不同的生物過程，如晝夜節律。同時，也可以利用葉綠素和次生代謝物發出的熒光相結合來測定樹木葉片組織的健康狀況，葉綠素熒光還是估計植物的光同化、非光化學淬滅等參數的便捷工具。葉綠素熒光與光合作用中各個反應過程緊密相關，逆境對光合作用各過程產生的影響都可通過植物體內葉綠素熒光誘導動力學變化反映出來，同時葉綠素熒光參數能夠反映林木對光能的吸收、傳遞、利用與分配，更反映林木“內在性”的特點，是研究林木對環境適應性的重要手段。因此，葉綠素熒光成像被廣泛應用于培育方式確定及日常管理、殺蟲劑使用、品種選優、光合生理研究等方面。圖6所示為利用熒光成像儀采集的三球懸鈴木(Platanusorientalis)的各種葉綠素熒光參數圖像(Han， 2020，尚未發表)。

圖6 利用熒光成像儀采集的三球懸鈴木的各種葉綠素熒光參數圖像Fig. 6 Different chlorophyll fluorescence parameter images of Platanus orientalis captured by fluorescent spectral imager (Han, 2020)

熒光成像儀用于林木表型信息采集的優勢在于能夠監控葉片健康狀況和獲取光合參數，缺點是熒光激發困難、對非蓮座叢植物復雜的全枝分析仍有待突破，難以實現在冠層尺度上進行測量，因此，在野外環境使用時受限。

葉綠素熒光也在鑒定評價林木的抗逆境能力如抗旱性、抗寒性、抗鹽堿性等方面發揮作用。例如，干旱是影響森林質量和森林生態的關鍵因素之一，利用熒光成像儀在干旱條件下對2種落葉喬木(土耳其櫟Quercuscerris、花梣Fraxinusornus)的干旱響應進行分析，測定了1個生長季(4—10月)內樹葉的瞬時熒光(prompt fluorescence，PF)、氣體交換、葉片水分狀況和葉片表型信息，從而分析其抗旱性能(Salvatorietal.， 2016)。

2.4 近紅外成像儀

在近紅外光譜(800～2 500 nm)中，很大一部分入射輻射是由葉片的散射反射回來的。此外，近紅外輻射可以從冠層的上部葉片傳輸到下部葉片，從而將光子反射回冠層的上部。因此，葉片和冠層結構，如葉片厚度和生長習性，是近紅外成像儀光譜反射率模式的主要決定因素。近紅外成像技術用于間接評估林木在脅迫條件下的生長和產量表現。樹葉或樹冠的光譜反射率信息用于量化植被指數，這些指數(例如比值指數和差值指數)以其特有的給定波長下光譜反射特征來獲得非常細微的樹木生理狀況和環境脅迫差異。如研究中常用的歸一化植被指數(normalized differential vegetation index，NDVI)與不同的植物特性(生物量、色素含量和水分狀況等)有關。所以在野外條件下，利用這些指數可預測林木的地上部生物量、葉面積、葉綠素含量和蓄積量。

近紅外成像儀用于樹木表型信息采集的優勢是獲取冠層數據的效率高，缺點是空間分辨率較低、穿透深度有限。

木質素是植物細胞壁的重要組成部分，是樹木生長不可或缺的成分，直接影響木材的強度和密度。與木質素相關的參數可以被近紅外成像儀采集。例如，利用近紅外成像儀對白樺(Betulaplatyphylla)、歐洲云杉和歐洲赤松的多個樣品進行測量，以分析其木質素空間分布，結果表明，近紅外成像儀為觀測不同木材性質的空間分布提供了可能(Tsuchikawa， 2007)。

2.5 高光譜成像儀

光譜測量是利用光輻射與植物的相互作用來實現的，可以通過多光譜或高光譜成像儀獲得，這些成像儀能夠在高分辨率下掃描林業工作者感興趣的波段。在深入分析林木特征光譜特征及其生物理化參數定量化特征基礎上，通過探索最優波段或波段組合，并建立特征光譜信息和參考數據相關的數學校正模型來實現表型參數的評估(Poundetal.， 2017)。通常，從一個完整的數據集中提取1個子樣本，代表整個種群的光譜變化范圍，然后用適當的數學算法進行校正，從而建立穩定的預測模型。一旦校準模型被成功驗證，它們隨后可以用于常規分析，利用光譜數據預測外部數據集的表型值，并進一步結合環境和基因型數據來做出育種決策。

高光譜成像儀用于樹木表型信息采集的優勢是能獲取葉片和冠層的光譜數據，從而檢測生理參數(如含氮量、葉色)、監控健康狀況及進行物種識別等，缺點是頻繁校準、空間分辨率低、數據解譯復雜、成本高、圖像數據集大、受環境光條件的變化影響大(Dalponteetal.， 2013)。

在森林生態系統中，結構和功能特征的多樣性可以作為衡量生物多樣性的指標，光譜成像儀提供了一種高空間分辨率表征森林生態系統的手段，可以從生物多樣性的角度測量森林生態系統的物理特征。利用高光譜成像結合點云的三維信息，對結構復雜的森林地塊的枯樹和落葉樹體積進行了估計，根據光譜特征分析，枯樹體積估計的平均誤差比落葉樹小，而在針葉林占主導地位的森林中，可以更可靠地估計落葉樹的體積(Saarinenetal.， 2017)。

高光譜成像技術還應用在森林樹木個體檢測和樹種分類中。利用高光譜成像儀采集來自11個試驗點、代表不同樹種和發育階段的4 151株樹，基于高光譜圖像塊的光譜特征，在無人機飛行過程中輻照度觀測的支持下，采用基于輻射塊調整的新方法進行分類試驗，能提供準確的樹木自動檢測和物種分類結果，總體準確率達到95%，這一新方法可以為各種環境下近景遙感圖像的自動化分析提供強有力的工具(Nevalainenetal.， 2017)。

2.6 熱紅外成像儀

熱成像技術是遙感和植物表型分析中廣泛應用的技術，熱成像儀能夠獲取波長300～14 000 nm之間的圖像，通過表征植物溫度來檢測氣孔導度差異，作為衡量樹木蒸騰速率變化和對水分狀態響應的指標。熱紅外成像儀可檢測葉溫變化、蒸騰量，廣泛應用于水分脅迫和灌溉管理。它還可以檢測由病原體感染或防御機制引起的局部溫度變化，從而識別植物病蟲害。比如，利用紅外熱成像儀將蘋果樹葉片的最大溫差與痂病發展階段聯系起來(Gmez-Candnetal.， 2016)。熱成像技術要進一步在樹木表型研究中應用，就必須解決與環境條件的時間變化、視角、距離、靈敏度和測量結果重現性等相關問題(Virletetal.， 2014)。

熱紅外成像儀用于樹木表型信息采集的優勢是可以監測林木受蟲害侵染狀況和水分脅迫相應情況，缺點是環境噪聲大、混合像元誤差大、經常需要對成像傳感器進行校準、環境條件改變影響冠層溫度的變化導致了很難進行時間對比、林區野外使用時稀疏冠層土壤溫度與植物溫度難以分離、圖像處理的自動化受限。

林木在水分脅迫下的表現是野外表型檢測的瓶頸，這種情況下，熱紅外成像儀是評估大量樹木個體水分狀況的有力工具。它可以測量整個林分的冠層溫度，還可以獲取地表溫度空間變化信息，分析林分內樹木水分狀況分布，從而繪制大面積冠層溫度變化的地圖。在死海北部地區的海棗(Phoenixdactylifera)森林中，人為控制樹木在充分灌溉(100%)和虧水灌溉(20%)2種方式下生長，采用航空熱紅外成像儀檢測樹冠層，提出了一種基于分水嶺分割分析的海棗樹熱圖像自動檢測方法來評估2種灌溉方式對冠層溫度的影響。如圖7所示，在充分灌溉和虧水灌溉條件下，這2個地塊的海棗樹之間存在顯著差異，溫差約為2 ℃。可見，基于航空熱成像技術可以繪制林區的水況變化圖，從而精確地制定灌溉計劃(Cohenetal.， 2012)。

圖7 海棗樹試驗林充分灌溉和虧水灌溉2種處理方法接壤邊界處拍攝的熱圖像Fig.7 A thermal image above the border between the well irrigation and deficit irrigation treatments in the Phoenix dactyliferaexperimental site (Cohen et al., 2012)

2.7 激光雷達掃描儀

激光雷達掃描儀向待測植物發射探測信號(激光束)，然后將接收到的從待測植物反射回來的信號與發射信號進行比較來測量光源和待測植物之間的距離，它可以通過創建點云來重建植物的三維結構。基于衛星的激光雷達系統用于測量樹木植被冠層的高度、面積、蓄積量和生物量等，近年來，載人和無人飛行技術的發展使得利用Landsat衛星圖像，結合地面和機載激光雷達測量，可以用于估算針葉林的生物量動態變化(Arausetal.， 2018)。

激光雷達掃描儀用于林木表型信息采集，其優勢是可以獲取樹木的真實三維形態，且精度高、穿透性強，可評估葉面積指數和蓄積量等參數(Lin， 2015)，缺點是費用相對較高、測量中缺乏顏色參數、計算點云時間長、對高通量表型而言精度較低、常出現由于風、雨、霧、昆蟲和空氣中的小顆粒引起的掃描噪音、校準要求高、地理位置信息的確定要與GPS和編碼器位置系統集成或同步、某些激光掃描儀器要配備特定照明等。

利用手持式激光雷達獲取林木的三維點云數據(圖8)，并開發自適應地表移除和噪聲移除算法得到單株樹木的無噪三維點云，從而用于測量樹木的冠層性狀、尺寸信息(樹高、胸徑、冠幅等)和深度距離信息(行間寬度、行內寬度)等(Davidetal.， 2016)。

圖8 利用手持式激光雷達獲取林間樹木表型的三維點云數據Fig.8 Capturing point clouds of trees’ phenotyping by hand-held LiDAR (David et al., 2016)

森林冠層結構影響大氣與植被之間的能量通量，是評價各種生物物理變量和生態系統指標的參數。現有的評估方法往往需要大量關于林分特征的先驗信息，且依賴于預定義的空間單元，基于特定模型進行校準。激光雷達掃描儀可以同時提供森林冠層結構的水平和垂直信息。利用激光雷達掃描儀提出了一種從掃描數據中提取不同尺度的冠層結構定量方法，不僅可用于評估冠層形式(單層、雙層和多層冠層)，還可以用于判斷冠層類型(落葉或常綠)。研究結果表明，當森林冠層根據季節發生變化時，激光雷達掃描儀能夠快速、準確地評判森林冠層結構等表型信息，滿足了森林資源清查和林情監測的需求(Leitereretal.， 2015)。

3 林木表型的研究趨勢分析

3.1 構建新型采集平臺獲取林分和個體的關鍵表型性狀以提高精度及通量

表型性狀數據收集和分析的精度越高、速度越快，林木改良效果越好。此外，分辨率更高的林木表型數據采集，使林業工作者有能力在較大的森林范圍進行精確林業實踐。因此，構建搭載成像傳感器的新型采集平臺獲取林分和個體的關鍵表型性狀，能提高精度及通量。單獨使用某種成像技術或傳感器，受限于采集通量較小或者獲取的表型信息有限，很難達到組學分析的高精度、高通量和高分辨率要求。特定地點的林木對于水的利用、特定時間的林木病蟲害防治等需要收集全方位、多尺度、多維度表型信息，因此，需要集成多個傳感器、融合多項成像技術構建新型采集平臺，從而獲得更全面的表型特征、更大規模的數據量、更精準的數據集(張慧春等， 2020)。器官→個體→群體，表型信息采集的尺度越大，對林木改良的價值越大，因此，針對大尺度林木表型信息采集的平臺成為研究熱點。

無人機作為林木表型數據采集平臺測量表型形態信息獲得了廣泛的關注。與地面平臺相比，無人機進行林木表型信息采集的效率更高、面積更大，且有效避免了進入林區土壤、破壞種植條件； 與衛星相比，無人機采集林木表型信息提供了更高的空間分辨率和更低的地面采樣距離。利用無人機采集林木表型信息、分析時空差異數據并優化農藥等化學品投入的數量和時間，為實現精確林業提供了可能(Shietal.， 2016)。隨著無人機飛行的成本和技術壁壘的降低，其應用范圍也得到了拓展，如獲取樹高和冠層光譜數據等，尤其是定位技術和傳感器的發展改進為其應用于林木表型信息采集提供了手段。無人機樹木表型信息采集平臺由無人機、有效載荷和地面控制站組成，與其他平臺相比，具有飛行高度低、運行成本低、復雜度低、對天氣條件依賴性小、空間分辨率高、重游時間短等優點。當然，基于無人機的林木表型信息采集也面臨著挑戰，如飛機的運動、風和氣流會使拍攝的林木圖像模糊，不適于定量分析等。另外，其搭載的成像傳感器也不能超過其有效載荷的限制。

目前無人機有2種方法提取表型形態結構信息： 一種是激光雷達，它利用來自激光的脈沖光測量傳感器到林木的距離，這樣就可以繪制出林木的位置，激光雷達光束還可以穿透林木冠層，返回有關內部冠層結構、密度和地表的信息； 另一種方法是從多個角度拍攝的圖像進行SFM攝影測量，通過無人機的移動獲得關于林木的三維結構信息，只要找到三維物體圖像的對應點，解決了立體圖像恢復結構的問題，就可以通過無人機上搭載的可見光相機提供高分辨率圖像，從而獲取林木的種群種類、樹高、冠層、開花時間和蓄積量等表型信息。通過無人機上搭載光譜成像儀和熱紅外成像儀也可以監測林木的活力、水分脅迫、覆蓋率、生物量和土壤特性等表型信息(Ludovisietal.， 2017)。當前，高通量對基于無人機的樹木表型信息采集系統的時空分辨率、速度、靈活性和成本提出了新的要求。

3.2 環境信息監測與表型信息采集的結合有助于進行抗性育種和篩選優質品種

林木由于周期長，極易受到環境脅迫，自身進化出了一系列自我保護和適應與抵制不良環境脅迫的機制，即脅變。林木受到脅迫后產生的相應變化可以表現為物理變化(如原生質流動的變慢或停止、葉片的萎蔫)和生理生化變化(代謝的變化)2個方面(Pontetal.， 2015)。對林木生長發育的脅迫包括內部和外部因素。內部脅迫主要為林木自身基因的突變或異常細胞對機體代謝產生的不利影響； 外部脅迫則可分為生物和非生物脅迫(Harfoucheetal.， 2014)。生物脅迫包括病原感染、食草動物和種內競爭等，非生物脅迫由不利的環境條件引起，逆境因素包括不適宜的溫度(高溫、低溫)、濕度、水分(干旱)、營養物質的利用(鹽脅迫和重金屬脅迫)以及光照條件等(杜康兮等， 2018)。林木在不同的非生物脅迫即環境條件下，會有不同的表觀遺傳學反應，同樣的基因型在可控環境如氣候箱、溫室等，與其在野外自然條件下相比，具有非常明顯的表型變化。林木對其生存和生長不利的各種環境因素的響應是一個復雜的過程，非生物脅迫等逆境造成的植物表型體現出復雜性狀。研究這一過程中的表型變化，將會有助于理解樹木對不同環境變化的適應性，也會啟示我們在應對全球氣候變化過程時明確林木遺傳改良的方向。

樹木表型是基因和環境共同作用的產物，它在進化過程中不斷地與周圍環境進行選擇與被選擇的作用，溫度、濕度、水分、熱輻射、土壤特性、微氣候等時空差異性都會影響林木的生長，林木最終形成外在形態和內在生理、生化和分子水平的適應策略，這一系列的生態適應特性變化即為表型性狀(李洪果等， 2019)。林木的許多外在生物學特性，如分枝習性和樹冠結構與其生長環境有很大的關系，不同的環境會使具有相同基因型的林木產生不同的結構，形成巨大的表型分化，因此環境影響與遺傳影響同樣復雜(鄔榮領等， 2002)。此外，基因型與環境還會發生互作，其結果是產生所謂的異時性生長、異常生長等。因此，要將環境信息如干旱、極端溫度、鹽害等環境信息監測和表型信息采集結合起來。將環境信息監測與表型信息采集同步精確結合起來，利用環境監測技術，分析林木在溫度、濕度、水、光環境等非生物脅迫下的表型反應，有助于從基因組水平上開展林木分子設計育種，提高其抗逆能力，以進行抗性育種和篩選優質良種。

3.3 生物脅迫下的表型變化分析推動病蟲害監測、分類、識別和防治

利用生物脅迫下的表型變化進行分析，可推動精確林業中的病蟲害監測、分類、識別和防治等。在自然狀態下，林木在整個生長周期中處于相對固定位置，不能主動自發地躲避不良環境或害蟲天敵，因此必然會受到來自外界非生物脅迫即病害、蟲害的影響。傳統的林木病蟲害嚴重程度是通過主觀目視檢查進行評判的，這種方法降低了對病蟲害評估的可靠性。不同評判人員之間存在顯著差異，導致病蟲害監測精準度不高，而且對于某些類型的病蟲害癥狀，如小的、均勻間隔的病灶，尤其難以實現準確的視覺估計(N?sietal.， 2015)。此外，由于對林木病蟲害進行人工肉眼評估要耗費大量勞動力和時間，因此，限制了取樣的時間點和次數。

在林木病蟲害表型分析中使用自動化、高通量的數字成像技術，可以在多個時間點收集數據，生成可導出定量表型數據的圖像，并提高了信息分析的重現性(Mutkaetal.， 2015)。對于林木病害、蟲害等生物脅迫，可以從圖像中提取的林木根莖或葉片的形態、面積、顏色、葉綠素變化來進行判斷。研究發現，基于圖像的林木病害表型分析結果比基于人工肉眼的評估結果更準確、更客觀，并允許探索林木病害表型的更多維度(Shakooretal.， 2017)。例如，林木褐斑病的特征是樹葉萎黃、病斑多角形或不規則長條形。典型的人工肉眼評估依據病斑覆蓋的葉面積百分比進行，但是如果病斑較小，則很難準確估計其覆蓋范圍，尤其是當病斑數量眾多、但面積較小時。使用成像傳感器的自動圖像分析則可量化病斑的大小、密度，以及黃化程度等其他特征，而這僅憑肉眼評估是不可能實現的(Singhetal.， 2018)。

可見光相機采集的林木病蟲害癥狀不能提供有關林木健康的所有可用信息，也不能作為林木病蟲害爆發嚴重程度的最佳指標，特別是在感染初期。此時，葉綠素熒光成像就能夠發揮作用，在正常條件下，葉綠素熒光發射的高峰在685 nm，但是當植物受到生物脅迫時，葉綠素熒光發射的模式會發生改變，熒光成像就可以清晰地反映這一變化。因此，葉綠素熒光成像可以提供相對于標準可視化癥狀以外的附加分析價值。不同的植物病害會導致不同的光譜反射率模式，所以光譜成像可以檢測病害，比如當空間分辨率足夠高時，在光譜范圍內獨特的反射率模式可以區分健康林木與被白粉病、褐斑病感染的林木。樹木冠層、葉片溫度與蒸騰速率呈負相關，因此，誘導樹木氣孔關閉的病原菌往往導致蒸騰速率降低和葉片溫度升高。所以，熱紅外成像可以通過檢測葉片的紅外輻射來發現葉表溫度的相對差異，從而識別不同的病蟲害以及不同感染階段。

3.4 表型組學數據與全基因組選擇(GS)、數量性狀位點(QTL)鑒定和全基因組關聯分析(GWAS)相結合

表型組學的應用潛力還體現在與全基因組選擇(GS)、數量性狀位點(QTL)鑒定和全基因組關聯分析(GWAS)的聯合分析。全基因組選擇是在全基因組范圍內利用高密度分子標記進行優良性狀的選擇，能縮短育種周期，大大提升林木育種的效率，但是需要對子代苗期進行表型性狀的規模化測定。功能基因挖掘是進行遺傳機制解析和闡明遺傳現象的前提條件，只有先找到功能基因，才能進行后續的驗證和轉化應用，也需要進行大量的表型鑒定。林木群體遺傳研究是目前定位功能基因的主要策略，利用高通量表型技術所獲取的表型組學數據和QTL、GWAS相結合可以確定基因的功能，進行基因的挖掘。

隨著測序技術的普及化和待測材料的規模化，單組學研究日趨成熟與完善，而整合多組學數據研究林木生長發育的工作有待發展。將基因組、轉錄組、蛋白質組、代謝組與表型數據相結合的組學研究有助于迅速解碼大量未知基因的功能，為揭示性狀調控的分子機制和闡明基因功能提供參考和決策支持。將高通量表型技術與QTL和GWAS關聯分析鑒定位點，以繪制不同層面、不同生長發育時期、各項生命活動過程中的調控網絡，不僅極大地拓展了對林木動態生長過程的認識，而且為林木基因組學、分子設計育種和常規育種研究提供了一種新的工具，有助于揭示林木遺傳和變異規律，實現對林木重要性狀遺傳機制的深入了解。

4 結論與展望

伴隨著傳感器和高性能計算的技術進步，林木表型研究取得了長足的進展，結合多組學、生物信息學和大數據的表型組學，將極大地加速林木遺傳育種的進程。可見光相機、熒光成像儀、近紅外成像儀、高光譜成像儀、熱紅外成像儀和激光雷達掃描儀等各成像傳感器已經實現了快速、無損地采集林木生長、形態、器官、生理生化等表型信息。今后，林木表型技術的發展趨勢和研究熱點表現在： 1)構建新型采集平臺，獲取器官、個體和群體等不同尺度下林木的關鍵表型性狀以提高精度及通量； 2)利用環境監測技術，分析林木在溫度、濕度、水分、光照等非生物脅迫下的表型反應，以進行抗逆育種，選育高產優質抗逆的林木良種； 3)利用生物脅迫下的表型變化，分析推動精確林業中的病蟲害監測、分類、識別和防治等； 4)利用高通量表型技術與全基因組選擇(GS)結合，提高育種效率，與數量性狀位點(QTL)和全基因組關聯分析(GWAS)相結合，鑒定基因的功能； 與轉基因和基因編輯技術結合，創制新型種質和加速育種進程。當前，林木表型研究仍然面臨著兩大挑戰： 林分內單株個體的表型測定和支撐基因組學的精確林木表型。但是，隨著表型技術的不斷發展，在多學科、多領域的共同支撐下，將顯著提高林木表型信息的精密度和準確度。未來，對林木表型性狀的無損、高精度、高通量、高分辨率采集和快速、準確、有效分析，必將加快林木育種進程，為高效選育高產優質抗逆的林木良種，以及實施精確林業中的資源監測調控和管理策略制定提供重要的數據支撐。