材料和试剂

裁剪
注意：作物必须不含绿色杂草。在冠层的外部部分上存在尖峰，花等可能需要在该发展阶段使用特定的校准曲线。

设备

传统数码相机。
注意：一旦该方法已经针对类似于其必须应用的一系列作物进行校准，这是所需的唯一设备。任何商业相机，紧凑或反射都是适合的。
需要数字面积计来校准叶面积指数（LAI，例如，DIAS II，Delta-T装置）
需要干燥炉来校准生物质（例如Memmert，型号：800，要求最小精度：2℃）。
需要精确平衡来校准生物质（例如，Mettler Toledo，型号：PB3002-L，所需的最小精度：0.1g）。

软件

允许量化整幅图像的平均颜色的图像处理软件
注意：在Casadesús和Villegas（2014）中描述的程序BreedPix 2.0是一个合适的工具，用于处理大量的图片与用户最少的步骤。它可以从作者免费获得。也可以使用用于定量图像分析的通用免费软件（例如ImageJ或Fiji），但在这种情况下，应为此协议专门编写宏。

程序

图片必须在稳定的照明条件下为整个采样会话获得。这可以是在晴朗的天空下或在适度多云的条件下，如果这些对于所有地块是等效的。此外，为了避免图片中阴影长度的差异，在太阳中午附近的时间优选为±3小时。应避免风力条件，因为弯曲的檐篷可能使照相机暴露于不同量的叶面积和植物的不同部分。

获取字段中的图像
1. 预定照片系列的结构和顺序在为了便于识别每个图像，绘图的现场试验必须按照预定计划拍摄（图1）。计划还必须指定每次拍摄的照片数量情节，决定将取决于地块和面积的大小他们的内部异质性。例如，对于仅2m ²的地块一个图像是可行的，而对于一个绘图区域在范围内 20m ²，照片的数量可以在3和5之间，取决于内部异质性的图。如果情节非常规则，a 较低数目的图片可以是代表性的。另一方面，情节与不同的植物密度将需要更多的图片，以便说明其中包含的所有植物。建议包括定期在系列照片一些额外的图片帮助确认相邻图像的识别。例如，图片的一些标签，从现场试验的角度当前位置，等将有助于验证每个的位置照片，当他们将被下载用于分析
  
  图1。 A）典型实验或繁殖场的正交图像实验图B）现场实验图C）可能性1 的预定义路径D）可能性2的预定义路径。内地图，"B"表示"边框图"
2. 相机设置。
  的相机设置可以保留为默认选项或优化根据摄影师的标准，但必须是一样的所有图片。在稳定的照明条件下，可以将设置设置为自动模式。焦距不会有显着的对这些评估的影响缩放应该是固定的 - 相同所有图片 - 到一个位置，允许广泛的视图的情节而不包括采样图外部的任何部分 - 例如邻居绘图，地块之间的间距，摄影者的脚，等。
  图像可以以JPG格式保存，图像大小等于或大于1024 x 768像素。大图像的唯一问题是它们需要更多的内存在相机和将需要更长的时间来处理计算机。
3. 拍摄照片。
  摄影师会跟着根据抽样计划中指定的顺序绘制图表。的相机必须保持朝向天顶 - 即，准确瞄准向下。图片可以获得拿着相机与一个手，与摄影师的手臂完全向前延伸，在上面冠层，在肩高。必须小心不要包括摄影师的脚在图像。此外，两个地块之间的差距应该不出现在图片中。
处理图像
一旦图像被下载到计算机，必须使用图像处理软件来计算每个图像的一个或多个植被指数。最容易量化和解释的指数是绿色分数（GF），其在作物的早期与地面覆盖密切相关，并且其可以计算为绿色像素与图像的像素总数的比例。
GF =绿色像素/总像素
在冬季谷物中使用这种方法的推荐范围是在开花前的早期阶段。在后期阶段，尖峰对檐篷的性质有影响，而且当LAI 高于3（Aparicio等人，2000）。

图2.在现场获得摄影取样的过程，处理图像以计算一些植被指数并将这些指数转换为LAI或绿色生物质的间接评估。

像素的分类可以基于其色调。当像素颜色以HIS颜色坐标（对于色相，强度和饱和度）表示时，绿色像素的色相值范围在60º和180º之间（大约在黄灰和绿松石之间）。基于照片的其它植被指数在Casadesus等（2007）和Casadesus和Villegas（2014）中公开。简言之，一旦图像中的每个像素根据其Hue被分类为绿色植被或背景，则GF可以被量化为绿色植被像素与总像素的比率。
程序BreedPix 2.0（Casadesus和Villegas，2014）可以在将相机下载到计算机后的几秒钟内计算成百个图像的GF。在这个软件中，用户只需要选择包含要处理的图像文件的文件夹。然后它将计算对应于每张照片的GF，并将结果写入整个照片列表的输出文件中。可选地，用户可以指示获得图片所遵循的路径，这将有助于在每个图上识别基因型。作为BreedPix的替代，大多数用于定量图像分析（例如 ImageJ，Fiji，等）的工具包括用于计算给定范围的颜色上的像素数的方法，此功能可用于量化单个图像或图像部分上的绿色像素。
间接评估LAI和绿色生物量
图像处理软件将计算与LAI和绿色生物质都密切相关的每个图像的植被指数。为了获得该图的LAI或绿色生物质的估计，有必要具有用于内插植被指数的值的类似植物材料的校准曲线。例如，所有冬季谷物（小麦，大麦，燕麦，等）可以在开花前共享共同的校准曲线。相反，苜蓿作物应该具有不同的校准曲线，由于在冠层内的不同的叶分布。为了构建特定植物材料的校准曲线，有必要收获那些的样品作物（在照片后立即）具有不同的植物密度或在不同的发育阶段，用于LAI和/或绿色生物质的破坏性实验室测定。 LAI的测定需要用叶面积计测量绿叶的面积（一侧薄层）。根据作物干重（CDW）测定绿色生物质需要在70℃下烘干48小时后，共同称重取样的绿色部分 - 叶，茎和尖峰（如果存在）。在所有情况下，必须测量该图的代表性样品，至少所有植物包含在该图的0.075μm2部分中。在丢弃两个区域之后，可以随机选择代表性样品：具有较高生物量的10％的图和具有较低生物量的图的10％，两者都是视觉估计的。
例如，在冬季谷物作物中，校准曲线应包含从幼苗（Zadoks阶段12）到开花期（Zadoks阶段65）的点。植物密度必须覆盖使用校准的预期范围图5显示了在开花前冬季谷物的校准曲线的一个例子，基于Casadesus和Villegas（2014）。从该示例中，将GF转换为LAI的计算为：
LAI = 3.164×GF-0.143
基于相同的源，CDW的计算是：
CDW = 440.2×GF-56.81

代表数据

图3是图片应如何看起来的示例。图4示出了在采样会话中获得的若干图片的样本。图5显示了LAI的校准曲线的一个例子

图3.适用于评估绿色生物量的一个天顶照片的示例

图4.在采样会话中获得的图片序列示例。在这种情况下，每个图片有6张图片，每个图片之间有一个附加图片 - 显示了实地试验的透视图 - 帮助识别相邻图像。该图仅示出了样品的一部分;整个会话可以包括几百个图像

图5.冬季谷物中LAI的一般校准曲线的实例。 GF是从开花前两个不同日期24个地块（包括面包小麦，黑小麦和千日菊）中破坏性地采集LAI之前获得的照片计算的。

致谢

该协议改编自Casadesus等人（2007）和Casadesús和Villegas（2014）。

参考文献

Aparicio，N.，Villegas，D.，Casadesús，J.，Araus，J.L.and Royo，C。（2000）。光谱植被指数作为确定硬粒小麦产量的非破坏性工具。 Agron J 92：83-91
Casadesús，J。和Villegas，D。（2014）。传统数码相机作为评估谷物育种的叶面积指数和生物量的工具。植物生物学杂志56（1）：7-14。
Casadeus，J.，Kaya，Y.，Bort，J.，Nachit，MM，Araus，JL，Amor，S.，Ferrazzano，G.，Maalouf，F.，Maccaferri，M.，Martos，V.，Ouabbou， H.和Villegas，D。（2007）。使用来自常规数码相机的植被指数作为小麦的选择标准在水有限的环境中繁殖。 Ann Appl Biol 150,227-236
Zadoks，J.C.，Chang，T.T.and Konzak，C.F。（1974）。谷物生长阶段的十进制代码。 Weed Res 14，415-421。