近日，中国林科院亚林所林木种质资源研究团队通过无人机多光谱遥感技术，成功构建了湿地松冠层酚类化合物高效、精确的预测模型，实现了对松树次生代谢物的快速、非破坏性监测，揭示了酚类化合物的时空变化规律和遗传变异性，为林木育种和森林管理提供了重要的科学依据，取得了显著的研究进展。
相关研究成果发表在期刊Remote Sensing of Environment（《环境遥感》），论文题为“Multitemporal UAV study of phenolic compounds in slash pine canopies”（《基于多时相无人机的湿地松树冠酚类化合物研究》）
随着树种改良研究的深入，次生代谢物在林木抗病性和环境适应中的作用受到越来越多的关注。然而，传统的酚类化合物检测方法费时、具有破坏性，且适用范围有限，无法满足大规模、高通量的研究需求。为此，研究团队利用无人机多光谱遥感技术，对湿地松树冠中酚类化合物含量进行了多时相监测。在2021年和2022年，分别进行了为期11个月和7个月的无人机数据采集。研究采用偏最小二乘回归（PLSR）、随机森林（RF）和支持向量机（SVM）三种机器学习模型，对树冠酚类含量进行预测。结果表明，随机森林模型在校准集和验证集中的R²值分别达到0.94和0.82，预测效果最佳。同时，团队还评估了酚类化合物的遗传变异性，发现其在2021年9月和2022年7月的遗传率最高。
本研究由中国林科院亚林所已毕业的联合培养硕士研究生宋钊颖为第一作者，副研究员李彦杰为通讯作者。研究得到了中国林业科学研究院基本科研业务费优秀青年创新人才项目和科技创新2030—“农业生物育种”重大项目的资助。（李彦杰）
来源：中国林科院
