利用圖像特征分析茶樹成熟葉表型的遺傳多樣性

陳琪予，馬建強(qiáng)，陳杰丹，陳亮

利用圖像特征分析茶樹成熟葉表型的遺傳多樣性

陳琪予，馬建強(qiáng)，陳杰丹*，陳亮*

中國農(nóng)業(yè)科學(xué)院茶葉研究所，浙江 杭州 310008

明確我國茶樹種質(zhì)資源遺傳多樣性是對其有效利用的重要基礎(chǔ)。以國家種質(zhì)杭州茶樹圃中的504份茶樹資源為材料，對成熟葉的18個(gè)圖像特征進(jìn)行統(tǒng)計(jì)、主成分、相關(guān)性和聚類分析，以研究基于數(shù)字圖像特征的我國茶樹種質(zhì)資源的遺傳多樣性。結(jié)果表明，其變異系數(shù)和遺傳多樣性指數(shù)分別為15.97%和1.98。不同省份之間，平均變異系數(shù)福建最大，為16.29%，江蘇最小，為10.58%；平均遺傳多樣性指數(shù)浙江最大，為2.01，重慶最小，為1.67。主成分分析將18個(gè)圖像特征降維成4個(gè)主成分，累計(jì)貢獻(xiàn)率達(dá)到82.63%，并從18個(gè)圖像特征中篩選出了12個(gè)顯著差異的圖像特征。根據(jù)圖像特征進(jìn)行聚類分析，將504份茶樹種質(zhì)資源聚成6類。研究結(jié)果為以數(shù)字圖像技術(shù)深入評(píng)價(jià)和利用我國茶樹種質(zhì)資源提供了參考依據(jù)。

茶樹；種質(zhì)資源；成熟葉片；遺傳多樣性；圖像特征

茶是目前世界最受歡迎的非酒精飲料之一，為全世界帶來了健康、財(cái)富和就業(yè)機(jī)會(huì)[1-2]。中國是茶樹的起源國，也是世界上茶樹遺傳多樣性最為豐富的國家[3]。研究茶樹種質(zhì)資源的遺傳多樣性就是對種質(zhì)之間的遺傳變異進(jìn)行分析，這對建立茶樹核心種質(zhì)、選擇雜交育種的親本等都具有重要意義[4]。

表型多樣性是在植物形態(tài)水平上對遺傳多樣性進(jìn)行研究的方法。葉片是茶樹資源鑒定中的重要觀測部位，在《農(nóng)作物種質(zhì)資源鑒定技術(shù)規(guī)程茶樹》（NY/T 1312—2007）中，與葉片相關(guān)的有葉長、葉寬、葉片大小、葉形、葉色、葉尖、葉基等17個(gè)性狀，可見茶樹葉片性狀不僅適于研究遺傳多樣性，還能起到資源鑒定的作用。蔣會(huì)兵等[5]對云南830份茶樹資源主要表型性狀進(jìn)行遺傳多樣性分析，發(fā)現(xiàn)云南茶樹種質(zhì)資源的芽茸毛遺傳多樣性指數(shù)最大，葉基最小，葉面積變異系數(shù)較大。黃政等[6]對貴州低熱河谷地帶1?754份茶樹種質(zhì)資源的18個(gè)表型性狀進(jìn)行遺傳多樣性分析，發(fā)現(xiàn)葉片大小與葉色、葉面隆起度、葉齒深度及葉脈對數(shù)呈極顯著正相關(guān)，葉片主要以披針形、深綠色、中葉為主。李華鋒等[7]對連南縣66份栽培型古茶樹資源的24個(gè)葉片表型性狀進(jìn)行了研究，結(jié)果發(fā)現(xiàn)葉基的變異系數(shù)最大，側(cè)脈與主脈交角最小，葉基多樣性系數(shù)最大，葉面隆起性最小。潘宇婷等[8]對河南省113份地方茶樹種質(zhì)資源的15個(gè)葉片表型進(jìn)行分析，發(fā)現(xiàn)葉片越長、越寬，葉面隆起性越強(qiáng)、葉齒深度越深、密度越稀。但以尺子測量為主的傳統(tǒng)方法存在一定誤差和主觀性，而且耗時(shí)長，工作量巨大。因此需要一個(gè)客觀快速且能夠量化的方法去描述表型，而圖像處理技術(shù)能夠較好的彌補(bǔ)這一空缺[9]。

圖像處理技術(shù)是隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展而開拓出的一門研究，因其具有簡單、快速、準(zhǔn)確等優(yōu)點(diǎn)，目前已在諸多領(lǐng)域都得到了廣泛的應(yīng)用。在茶葉研究領(lǐng)域中，研究人員利用圖像處理技術(shù)對茶樹鮮葉、病蟲害葉、成品茶和茶湯等提取了紋理、形狀、顏色等特征，不斷對茶葉智能化生產(chǎn)開展研究[10-12]。劉自強(qiáng)[13]通過茶樹鮮葉圖像來對10種茶樹品種進(jìn)行識(shí)別，通過多輪末尾淘汰對紋理、形狀、顏色特征進(jìn)行了篩選，保留了23個(gè)特征參數(shù)；通過利用篩選過后的特征進(jìn)行識(shí)別，識(shí)別率能達(dá)到90%左右。利用茶樹成熟葉圖像特征研究遺傳多樣性的工作還鮮有開展，本研究對504份茶樹種質(zhì)資源進(jìn)行了圖像特征的提取和遺傳多樣性分析，為茶樹育種工作提供了工作基礎(chǔ)和理論依據(jù)，同時(shí)提供了一種研究茶樹資源遺傳多樣性的新思路。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)材料來源于國家種質(zhì)杭州茶樹圃，基于兼顧地理位置和表型差異的原則收集了18個(gè)省份中具有代表性的野生茶樹、地方品種和無性系資源共504份，分別有厚軸茶（Chang）、大廠茶（F. C. Zhang）、大理茶[(W. W. Smith) Melchior]、禿房茶（Chang）、茶[(L.) O. Kuntze]、阿薩姆茶[var.(Masters) Kitamura]和白毛茶（var.Chang）等茶組植物的種和變種。樹齡和栽培管理措施基本一致。于2020年12月根據(jù)農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)《農(nóng)作物種質(zhì)資源鑒定技術(shù)規(guī)程茶樹》的方法采集當(dāng)年夏天修剪后萌發(fā)枝條中部發(fā)育完整的成熟葉，每份資源重復(fù)5次。

1.2 圖像采集

將采摘得到的成熟葉均勻平鋪到掃描儀載物臺(tái)上，依次對每份茶樹資源成熟葉進(jìn)行掃描，并圖像采集。掃描儀型號(hào)為CanoScanLiDE 400，掃描分辨率為300?dpi，采集的圖片大小均為2?550×3?507，保存格式為PNG格式。

1.3 提取圖像特征

本研究利用Python語言的opencv庫和numpy庫，先對收集到的茶樹成熟葉圖像進(jìn)行預(yù)處理，獲得二值化圖像和灰度圖像，再對圖像進(jìn)行特征提取，得到形態(tài)特征、紋理特征與顏色特征（圖1和表1）。

提取的形態(tài)特征包括周長、面積、葉長、葉寬、長寬比、范圍、堅(jiān)實(shí)度、等效直徑、圓形度[14-15]；紋理特征是灰度共生矩陣在步長為1，角度為0°下計(jì)算的對比度、非相似性、同質(zhì)性、相關(guān)性、角二階矩、熵[16]。在眾多顏色模型中，常用的RGB顏色模型的分量與人對顏色的感知并沒有直接的聯(lián)系，而HSV顏色模型是人類對色彩感知的最好的顏色模型，所以本研究提取的顏色特征為HSV顏色模型下H均值、S均值和V均值[17]。

1.4 數(shù)據(jù)統(tǒng)計(jì)與分析

本試驗(yàn)采用Excel 2019進(jìn)行數(shù)據(jù)處理，并統(tǒng)計(jì)圖像特征的平均值、標(biāo)準(zhǔn)差、變異系數(shù)。利用Python語言numpy庫計(jì)算Shannon-Wiener多樣性指數(shù)（），其計(jì)算公式：

圖1 圖像處理過程圖

表1 圖像特征描述符

式中，P為某一圖像特征第級(jí)試驗(yàn)材料份數(shù)占總份數(shù)的百分比，ln為自然對數(shù)。在計(jì)算前，先對圖像特征進(jìn)行質(zhì)量化處理，即將每個(gè)圖像特征進(jìn)行10級(jí)分類，1級(jí)＜－2，10級(jí)≥＋2，中間每級(jí)相差0.5，分別為某一圖像特征的均值和標(biāo)準(zhǔn)差[18]。利用R語言的corrplot包和ggcorrplot包進(jìn)行圖像特征相關(guān)性分析，eclust包對提取的18個(gè)圖像特征采用Ward方法進(jìn)行聚類分析，用歐氏距離繪制聚類結(jié)果的樹狀圖，在歐式距離26處可將504份資源分為6類。利用SPSS 25.0中的因子分析進(jìn)行主成分分析，根據(jù)主成分特征值大于1的原則對主成分進(jìn)行保留[19]。

2 結(jié)果與分析

2.1 圖像特征的遺傳多樣性分析

為了研究504份茶樹資源的葉片表型遺傳多樣性，對成熟葉的18個(gè)圖像特征進(jìn)行統(tǒng)計(jì)分析。從表2可知，18個(gè)圖像特征中有5個(gè)變異程度較小，都小于5.5%，分別為范圍、堅(jiān)實(shí)度、同質(zhì)性、相關(guān)性和熵，其余13個(gè)均表現(xiàn)出不同程度的變異。供試材料成熟葉圖像特征的變異系數(shù)介于0.81%～43.09%，平均值為15.97%，其中面積的變異系數(shù)最大（43.09%），其次為對比度和S分量均值的變異系數(shù)，分別為31.43%和30.91%，相關(guān)性的變異系數(shù)最?。?.81%）。18個(gè)圖像特征的多樣性指數(shù)為1.81～2.07，平均為1.98，其中范圍的多樣性指數(shù)最大（2.07），面積的多樣性指數(shù)最?。?.81）。

2.2 不同省份茶樹的圖像特征分析

本研究收集了18個(gè)省份的茶樹種質(zhì)資源，旨在通過分析不同省份茶樹種質(zhì)資源的遺傳多樣性及不同省份茶樹資源間的遺傳差異，為加強(qiáng)不同省份茶樹種質(zhì)資源的保護(hù)和有效利用提供依據(jù)。同時(shí)為了保證分析結(jié)果具有可靠性，選取分析省份的資源數(shù)應(yīng)達(dá)到一定水平。對資源樣本數(shù)在8份以上的省份進(jìn)行分析，分別為安徽、重慶、福建、廣東、廣西、貴州、海南、湖南、江蘇、江西、四川、云南、浙江共13個(gè)省份。

從表3中可知，成熟葉各個(gè)圖像特征的平均值在13個(gè)省份茶樹種質(zhì)資源間存在差異。海南和云南種質(zhì)在周長、面積、葉長、葉寬具有較大值；安徽、浙江、江蘇和福建種質(zhì)的面積相對較??；廣西種質(zhì)的長寬比最小，重慶種質(zhì)的最大；貴州、重慶種質(zhì)圓形度較大；重慶、貴州和云南種質(zhì)的顏色比較相似，H分量均值約120，S分量均值約19，V分量均值約23。在13個(gè)省份中，有些省份的個(gè)別圖像特征變異系數(shù)較大，如，重慶種質(zhì)的面積（40.06%）；海南種質(zhì)的長寬比（15.48%）；貴州種質(zhì)的圓形度（22.44%），福建種質(zhì)顏色特征的每個(gè)分量均值（H分量24.07%、S分量36.68%和V分量24.37%）。

采用各個(gè)圖像特征變異系數(shù)的平均值可用于評(píng)價(jià)不同省份茶樹資源的均度，在13個(gè)省份中茶樹資源成熟葉的圖像特征變異系數(shù)在10.58%～16.29%，且福建（16.29%）>安徽（15.98%）>貴州（15.58%）>海南（14.2%）>重慶（14.05%）>云南（13.97%）>廣東（13.32%）>廣西（13.28%）>湖南（12.72%）>四川（11.92%）>江西（11.42%）>浙江（12.58%）>江蘇（10.58%）。

采用各個(gè)圖像特征遺傳多樣性指數(shù)的平均值可用于評(píng)價(jià)不同省份茶樹資源的遺傳多樣性，在13個(gè)省份中茶樹資源成熟葉的圖像特征遺傳多樣性指數(shù)在1.67～2.01，且浙江（2.01）>云南（1.99）>福建（1.88）>廣西（1.87）>貴州、四川（1.83）>廣東、安徽（1.82）>湖南（1.77）>江蘇、江西（1.71）>海南（1.70）>重慶（1.67）。

2.3 主成分分析

為了揭示茶樹種質(zhì)資源各個(gè)性狀間起主導(dǎo)作用的綜合指標(biāo)，對茶樹種質(zhì)資源提取的18個(gè)圖像特征進(jìn)行了主成分分析。結(jié)果表明，按照特征值大于1的提取原則，18個(gè)圖像特征被分為4個(gè)主成分（PC1、PC2、PC3、PC4），累積貢獻(xiàn)率為82.63%，包含了原始變量的大部分信息（表4）。

PC1特征值最大，為5.68，貢獻(xiàn)率為31.54%；特征向量絕對值較高的圖像特征有周長、面積、葉長、葉寬和等效直徑，特征向量分別為0.81、0.91、0.81、0.92和0.93，這些特征主要反映葉片大小的特征。PC2的特征值為4.11，貢獻(xiàn)率為22.81%；特征向量絕對值較高的圖像特征有對比度、非相似性、同質(zhì)性和相關(guān)性，特征向量分別為–0.73、–0.82、0.85和0.60，說明第二主成分主要與葉片的紋理特征有關(guān)。PC3的特征值為3.15，貢獻(xiàn)率為17.52%；特征向量較高的特征有長寬比、范圍、堅(jiān)實(shí)度和圓形度，其特征向量分別為0.51、–0.58、–0.49和0.61，這些性狀主要與葉片的形狀有關(guān)。PC4的特征值為1.94，貢獻(xiàn)率為10.76%。特征向量絕對值高的圖像特征有H分量均值、S分量均值和V分量均值，特征向量分別為–0.69、0.65和0.73，這些圖像特征主要是與葉片顏色有關(guān)。

結(jié)合統(tǒng)計(jì)分析和主成分分析，得出重要的圖像特征有周長、面積、葉長、葉寬、長寬比、等效直徑、圓形度、對比度、非相似性、H分量均值、S分量均值和V分量均值共12個(gè)，這些圖像特征是造成該茶樹自然群體表型性狀差異的主要因素，后續(xù)研究可以根據(jù)以上圖像特征來收集、保存和鑒定茶樹種質(zhì)資源，并為今后雜交育種的親本選擇提供參考依據(jù)。

2.4 相關(guān)性分析

從圖2可看出，部分圖像特征之間存在一定聯(lián)系，其中周長、葉長、葉寬、面積、等效直徑之間互相呈極顯著正相關(guān)；角二階矩與周長、葉長、葉寬、面積、等效直徑、非相似性、范圍、堅(jiān)實(shí)度呈極顯著負(fù)相關(guān)，與長寬比、圓形度、同質(zhì)性呈極顯著正相關(guān)；圓形度與長寬比呈極顯著正相關(guān)，與范圍、堅(jiān)實(shí)度呈極顯著負(fù)相關(guān)；同質(zhì)性與相關(guān)性呈極顯著正相關(guān)，與對比度、非相似性、熵呈極顯著負(fù)相關(guān)；對比度與非相似性呈極顯著正相關(guān)；堅(jiān)實(shí)度和范圍、熵為極顯著正相關(guān)；H分量均值與S分量均值、V分量均值相關(guān)呈極顯著負(fù)相關(guān)；S分量均值與V分量均值呈極顯著正相關(guān)。

表3 不同來源地茶樹資源的圖像特征比較

注：周長、葉長、葉寬的單位為cm，面積單位為cm2

Note: Unit of perimeter, length, width of tea leaf is cm. Unit of tea leaf area is cm2

續(xù)表3

省份Province參數(shù)Parameter非相似性Dissimilarity同質(zhì)性Homogeneity相關(guān)性Correlation角二階矩ASM熵EntropyH分量均值Mean of HcomponentS分量均值Mean of ScomponentV分量均值Mean of Vcomponent平均值A(chǔ)verage 安徽AnhuiMean±SD2.55±0.400.47±0.030.98±0.010.03±0.008.52±0.3393.03±14.9523.18±9.6326.37±4.35— CV/%15.856.350.6314.553.9016.0741.5316.5115.98 H'1.891.811.721.931.871.931.721.581.82 重慶ChongqingMean±SD2.47±0.300.48±0.020.98±0.010.03±0.008.39±0.32120.14±26.2019.41±4.4122.74±2.13— CV/%12.204.280.6312.353.8721.8022.709.3614.05 H'1.741.521.681.681.741.741.581.521.67 福建FujianMean±SD2.43±0.360.48±0.030.98±0.010.02±0.008.44±0.23103.57±24.9320.01±7.3425.59±6.24— CV/%14.685.340.6713.692.7824.0736.6824.3716.29 H'2.061.951.892.021.862.041.821.361.88 廣東GuangdongMean±SD2.52±0.450.48±0.030.98±0.010.03±0.008.51±0.25107.12±20.1219.69±4.9824.99±2.50— CV/%17.936.100.8113.492.9818.7825.2810.0213.32 H'1.751.881.411.901.991.931.931.931.82 廣西GuangxiMean±SD2.51±0.470.48±0.020.98±0.010.03±0.008.47±0.18105.6±15.8519.75±3.7224.56±2.03— CV/%18.544.710.838.982.1515.0118.848.2713.28 H'1.641.771.631.941.931.921.861.901.87 貴州GuizhouMean±SD2.57±0.450.48±0.030.98±0.010.03±0.008.39±0.31117.2±21.5519.17±5.7523.68±3.11— CV/%17.715.680.9614.213.7418.3930.0013.1515.58 H'1.851.921.651.891.941.961.611.591.83 海南HainanMean±SD2.7±0.430.47±0.020.98±0.010.03±0.008.58±0.20132.58±25.0816.65±3.8521.89±1.76— CV/%16.073.741.0110.672.2918.9223.128.0214.20 H'1.471.851.721.771.671.551.771.551.70 湖南HunanMean±SD2.5±0.400.48±0.030.98±0.010.02±0.008.57±0.27102.03±14.7321.29±4.7824.96±3.05— CV/%15.985.440.6411.163.1614.4322.4412.212.72 H'1.671.811.531.991.861.861.661.621.77 江蘇JiangsuMean±SD2.32±0.270.48±0.020.99±0.000.02±0.008.44±0.2294.88±13.5720.22±2.9225.34±2.41— CV/%11.534.230.3812.482.6414.314.449.5010.85 H'1.711.711.521.671.931.881.671.311.71 江西JiangxiMean±SD2.55±0.650.47±0.030.98±0.010.02±0.008.54±0.2196.85±2.2620.33±2.8325.16±1.10— CV/%25.376.560.916.432.422.3413.944.3711.42 H'1.591.771.261.541.971.971.641.541.71 四川SichuanMean±SD2.34±0.280.48±0.020.98±0.000.03±0.008.43±0.22104.15±17.8317.65±3.2523.32±1.67— CV/%11.864.110.512.972.5817.1218.427.1711.91 H'1.731.761.911.871.871.731.731.871.83 云南YunnanMean±SD2.69±0.420.46±0.020.98±0.010.02±0.008.66±0.21117.99±18.8319.28±3.723.27±2.55— CV/%15.484.970.8211.372.4415.9619.2010.9513.97 H'2.061.961.922.011.991.992.071.801.99 浙江ZhejiangMean±SD2.70±0.390.47±0.030.98±0.010.03±0.008.39±0.23100.45±18.1916.00±5.4324.92±2.25— CV/%14.545.430.8113.032.7018.1133.949.0412.58 H'2.072222.022.031.991.992.01

2.5 聚類分析

利用R語言對504份茶樹種質(zhì)資源的18個(gè)圖像特征進(jìn)行聚類分析，以歐氏距離為遺傳距離，聚類方法采用Ward法。在歐式距離26處可將504份資源分為6大類群，分類結(jié)果見圖3。從表5可得，第Ⅰ類群包含90份種質(zhì)資源，主要特點(diǎn)為葉片大小為中葉；第Ⅱ類群包含127份種質(zhì)資源，主要性狀表現(xiàn)為葉片大小為中葉，對比度較??；第Ⅲ類群包含86份種質(zhì)資源，以浙江和福建的茶樹種質(zhì)資源為主，主要性狀表現(xiàn)為葉片大小為小葉，圓形度和長寬比較小，葉片顏色為中綠，包含較多黃化和白化品種；第Ⅳ類群包含24份種質(zhì)資源，多為云南的茶樹種質(zhì)資源，主要性狀表現(xiàn)為葉片大小為大葉，葉片顏色為深綠；第Ⅴ類群96份種質(zhì)資源，其中主要以浙江的培育品種為主，含有部分黃化和紫化資源，其主要性狀為葉片紋理對比度較大；第Ⅵ類群包含81份種質(zhì)資源，該類群里有較多黃化資源和部分紫化資源，主要表現(xiàn)為葉片大小為小葉，葉片圓形度和長寬比較大，葉片顏色為淺綠。

表4 504份茶樹種質(zhì)資源18個(gè)圖像特征的主成分分析

注：*表示相關(guān)性具有顯著性（0.01

圖3 504份茶樹種質(zhì)資源基于18個(gè)圖像特征的聚類圖

表5 類群間的圖像特征變異

3 討論

3.1 茶樹種質(zhì)資源圖像特征的遺傳分化

圖像特征是茶樹資源表型性狀的一種表現(xiàn)形式，可以對茶樹資源進(jìn)行鑒定和描述。本研究選取了504份茶樹種質(zhì)資源，圖像特征的變異系數(shù)和遺傳多樣性指數(shù)分別為15.97%和1.98，高于之前研究得出的國內(nèi)茶樹資源平均值（=1.89）[20]，說明所選種質(zhì)資源的成熟葉性狀較為豐富，存在較高的遺傳多樣性。

通過對18個(gè)圖像特征進(jìn)行相關(guān)性分析，發(fā)現(xiàn)周長、面積、葉長、葉寬相互之間相關(guān)性很高，呈顯著正相關(guān)，這與之前的研究結(jié)果一致[21-22]。根據(jù)相關(guān)性可以推測有一系列連鎖基因控制葉片的生長發(fā)育。

紋理特征雖然不能直接與茶樹表型性狀相對應(yīng)，但是針對不同種質(zhì)資源的茶樹成熟葉還是表現(xiàn)出一定程度的變異，具有區(qū)分不同茶樹資源的能力。林麗慧[23]利用紋理特征對黃觀音、瑞香、丹桂和白芽奇蘭4個(gè)品種的茶鮮葉進(jìn)行識(shí)別，其識(shí)別的準(zhǔn)確率在80%左右，說明利用紋理特征識(shí)別茶樹品種是一個(gè)有效的方法。本研究結(jié)果中，大部分紋理特征的變異系數(shù)和遺傳多樣性指數(shù)都比較高，說明紋理特征將來有潛力大規(guī)模應(yīng)用于茶樹品種識(shí)別領(lǐng)域。

依據(jù)18個(gè)圖像特征進(jìn)行聚類分析，將具有相似圖像特征的茶樹資源進(jìn)行聚類，將504份供試材料分為6個(gè)類群。在葉面積較大的第Ⅳ類群中，來自云南的茶樹種質(zhì)資源較多，這與云南茶樹資源葉片面積大的特點(diǎn)相符合，這為研究葉片大小相關(guān)的基因提供了試驗(yàn)材料。第Ⅴ類群中，對比度普遍較大，這為研究茶樹葉片紋理特征相關(guān)基因提供了試驗(yàn)材料，可進(jìn)一步根據(jù)發(fā)掘到基因的作用判斷葉片紋理特征與何種表型相關(guān)聯(lián)。聚類結(jié)果顯示，部分原產(chǎn)地相同的材料沒有被聚在一起，而不同來源地的材料聚在了同一類群，說明各個(gè)省份的茶樹表型性狀差異較大，遺傳多樣性豐富，使得聚類結(jié)果與供試材料的原產(chǎn)地關(guān)系較小。部分類群之間的圖像特征存在顯著的遺傳變異，后續(xù)的研究工作中可以結(jié)合表型和分子標(biāo)記，進(jìn)一步解釋中國茶樹種質(zhì)資源的遺傳變異，為茶樹育種工作提供基礎(chǔ)。

3.2 不同省份間茶樹資源圖像特征的遺傳差異

13個(gè)省份的茶樹種質(zhì)資源變異水平分析結(jié)果顯示，云南、福建的種質(zhì)資源表現(xiàn)為高變異水平和豐富的遺傳多樣性，江蘇、江西的變異和遺傳多樣性水平較低；浙江、海南的變異水平和遺傳多樣性相差較大。比較結(jié)果顯示，變異系數(shù)雖然能一定程度上反映資源的多樣性，但是并不能完全替代遺傳多樣性指數(shù)對資源的多樣性評(píng)價(jià)。浙江省茶樹種質(zhì)資源的遺傳多樣性較大且高于云南省，可能是因?yàn)檎憬铇浞N質(zhì)資源中含有選育品種，其父本母本來自于其他省份，這加大了浙江省的變異系數(shù)和遺傳多樣性。

在結(jié)果中可見，重慶茶樹資源的長寬比最大，圓形度較大，可以推測重慶茶樹資源的葉片形狀大多數(shù)為長橢圓形，這為研究茶樹葉片形狀的基因提供了研究材料，同時(shí)也為地理環(huán)境對葉片形狀影響的研究提供了啟發(fā)。

3.3 茶樹圖像特征發(fā)展展望

本研究是對茶樹遺傳多樣性新思路進(jìn)行的一次嘗試，結(jié)果表明，基于圖像特征對遺傳多樣性的研究具有可行性和研究潛力。但目前圖像特征分析還存在部分問題需進(jìn)一步解決，具體為部分提取的圖像特征和茶樹種質(zhì)資源描述符無法匹配，如紋理特征；部分茶樹種質(zhì)資源描述符不能用圖像特征來描述，如葉齒、葉基、葉尖等。而且目前針對圖像收集流程沒有標(biāo)準(zhǔn)的規(guī)定，這讓相關(guān)研究的結(jié)果缺乏可比性。所以今后圖像特征的種類還需要深入研究，爭取在圖像特征和茶樹種質(zhì)資源描述符之間構(gòu)成完整的對應(yīng)關(guān)系。同時(shí)還需要研究制定圖像收集流程，將圖像收集標(biāo)準(zhǔn)化，減少在圖像特征提取過程中產(chǎn)生的誤差，爭取在未來建立一個(gè)更加客觀準(zhǔn)確的茶樹種質(zhì)資源描述體系。

[1] Opuwari C, Monsees T. Green tea consumption increases sperm concentration and viability in male rats and is safe for reproductive, liver and kidney health [J]. Scientific Reports, 2020, 10(1): 15269. doi: 10.1038/s41598-020-72319-6.

[2] Qiao Q, Zhu M. Development strategies of tea culture tourism in the age of experience economy [J]. Journal of Landscape Research, 2010, 2(12): 97-99.

[3] Meegahakumbura M K, Wambulwa M C, Thapa K K, et al. Indications for three independent domestication events for the tea plant ((L.) O. Kuntze) and new insights into the origin of tea germplasm in China and India revealed by nuclear microsatellites [J]. PloS ONE, 2016, 11(5): e0155369. doi: 10.1371/journal.pone.0155369.

[4] 馮夏蓮, 何承忠, 張志毅, 等. 植物遺傳多樣性研究方法概述[J]. 西南林學(xué)院學(xué)報(bào), 2006, 26(1): 69-74, 79.

Feng X L, He C Z, Zhang Z Y, et al. Summarization on research methods of plant genetic diversity [J]. Journal of Southwest Forestry College, 2006, 26(1): 69-74, 79.

[5] 蔣會(huì)兵, 宋維希, 矣兵, 等. 云南茶樹種質(zhì)資源的表型遺傳多樣性[J]. 作物學(xué)報(bào), 2013, 39(11): 2000-2008.

Jiang H B, Song W X, Yi B, et al. Genetic diversity of tea germplasm resources in Yunnan province based on phenotypic characteristics [J]. Acta Agronomica Sinica, 2013, 39(11): 2000-2008.

[6] 黃政, 李芳, 尹杰, 等. 貴州低熱河谷地方茶樹種質(zhì)資源基于表型性狀的遺傳多樣性分析[J/OL]. 分子植物育種, 2021: 1-28 [2022-01-13]. http://kns.cnki.net/kcms/detail/46.1068.s.20210702.1115.004.html.Huang Z, Li F, Yin J, et al. Analysis of genetic diversity based on phenotypic traits of local tea germplasm resources in low heat valley of Guizhou province [J/OL]. Molecular Plant Breeding, 2021: 1-28 [2022-01-13]. http://kns.cnki.net/kcms/detail/46.1068.s.20210702.1115.004.html.

[7] 李華鋒, 滕杰, 楊家干, 等. 連南栽培型古茶樹資源葉片表型性狀遺傳多樣性及聚類分析[J]. 中國農(nóng)學(xué)通報(bào), 2016, 32(36): 109-114.

Li H F, Teng J, Yang J G, et al. Genetic diversity and cluster analysis of leaf phenotypic traits of Liannan cultivated ancient tea [J]. Chinese Agricultural Science Bulletin, 2016, 32(36): 109-114.

[8] 潘宇婷, 袁正仿, 袁紅雨, 等. 河南省地方茶樹種質(zhì)資源表型性狀遺傳多樣性研究[J]. 信陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版), 2018, 31(4): 578-585.

Pan Y T, Yuan Z F, Yuan H Y, et al. Diversity analysis of phenotypic characteristics for Henan local tea germplasm resources [J]. Journal of Xinyang Normal University (Natural Science Edition), 2018, 31(4): 578-585.

[9] 張慧春, 周宏平, 鄭加強(qiáng), 等. 植物表型平臺(tái)與圖像分析技術(shù)研究進(jìn)展與展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(3): 1-17.

Zhang H C, Zhou H P, Zheng J Q, et al. Research progress and prospect in plant phenotyping platform and image analysis technology [J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(3): 1-17.

[10] Dong C W, Zhu H K, Zhao J W, et al. Sensory quality evaluation for appearance of needle-shaped green tea based on computer vision and nonlinear tools [J]. Journal of Zhejiang University-SCIENCE B, 2017, 18(6): 544-548.

[11] Xu M, Wang J, Gu S. Rapid identification of tea quality by E-nose and computer vision combining with a synergetic data fusion strategy [J]. Journal of Food Engineering, 2019, 241: 10-17.

[12] 王文明, 肖宏儒, 陳巧敏, 等. 基于圖像處理的茶葉智能識(shí)別與檢測技術(shù)研究進(jìn)展分析[J]. 中國農(nóng)機(jī)化學(xué)報(bào), 2020, 41(7): 178-184.

Wang W M, Xiao H R, Chen Q M, et al. Research progress analysis of tea intelligent recognition and detection technology based on image processing [J]. Journal of Chinese Agricultural Mechanization, 2020, 41(7): 178-184.

[13] 劉自強(qiáng). 鮮茶葉圖像特征提取及在茶樹品種識(shí)別中的應(yīng)用研究[D]. 長沙: 湖南農(nóng)業(yè)大學(xué), 2014.

Liu Z Q. Features extraction of fresh tea images and its application on the recognition of tea varieties [D]. Changsha: Hunan Agricultural University, 2014.

[14] 王鍵, 梁春嬌, 郭俊先, 等. 基于OpenCV確定植物葉片面積[J]. 分子植物育種, 2020, 18(6): 2023-2027.

Wang J, Liang C J, Guo J X, et al. Measurement of plant leaf area based on OpenCV [J]. Molecular Plant Breeding, 2020, 18(6): 2023-2027.

[15] 王紅軍, 熊俊濤, 黎鄒鄒, 等. 基于機(jī)器視覺圖像特征參數(shù)的馬鈴薯質(zhì)量和形狀分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(8): 272-277.

Wang H J, Xiong J T, Li Z Z, et al. Potato grading method of weight and shape based on imaging characteristics parameters in machine vision system [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(8): 272-277.

[16] 高程程, 惠曉威. 基于灰度共生矩陣的紋理特征提取[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2010, 19(6): 195-198.

Gao C C, Hui X W. GLCM-based texture feature extraction [J]. Computer Systems & Applications, 2010, 19(6): 195-198.

[17] 畢智健, 張若宇, 齊妍杰, 等. 基于機(jī)器視覺的番茄成熟度顏色判別[J]. 食品與機(jī)械, 2016, 32(12): 133-136.

Bi Z J, Zhang R Y, Qi Y J, et al. Tomato maturity color discrimination based on machine vision [J]. Food & Machinery, 2016, 32(12): 133-136.

[18] 王述民, 曹永生, Redden R J, 等. 我國小豆種質(zhì)資源形態(tài)多樣性鑒定與分類研究[J]. 作物學(xué)報(bào), 2002, 28(6): 727-733.

Wang S M, Cao Y S, Redden R J, et al. The morphological diversity and classification of adzuki bean [(Willd) Ohwi & Ohashi] germplasm resources in China [J]. Acta Agronomica Sinica, 2002, 28(6): 727-733.

[19] 張羽翔, 朱志雄, 陳石泉, 等. 海南八門灣紅樹林保護(hù)區(qū)海水富營養(yǎng)化評(píng)價(jià)及其主成分分析[J]. 海洋湖沼通報(bào), 2021, 43(5): 159-168.

Zhang Y X, Zhu Z X, Chen S Q, et al. Eutrophication assessment and principal component analysis of Bamen mangrove natural reserve of Hainan [J]. Transactions of Oceanology and Limnology, 2021, 43(5): 159-168.

[20] 喬婷婷. 茶樹資源遺傳多樣性及其表型性狀關(guān)聯(lián)EST-SSR位點(diǎn)的初步鑒定[D]. 北京: 中國農(nóng)業(yè)科學(xué)院, 2010.

Qiao T T. Genetic diversity of tea ((L.) O. Kuntze) and association analysis of phenotypic traits with EST-SSR markers [D]. Beijing: Chinese Academy of Agricultural Sciences, 2010.

[21] 丁帥濤, 程曉梅, 張亞, 等. 陜西古茶樹種質(zhì)資源表型性狀遺傳多樣性研究[J]. 廣東農(nóng)業(yè)科學(xué), 2018, 45(2): 52-60.

Ding S T, Chen X M, Zhang Y, et al. The research on phenotypic traits genetic diversity of the ancient tea germplasm resources in Shaanxi province [J]. Guangdong Agricultural Sciences, 2018, 45(2): 52-60.

[22] 陶萍, 宋燚, 張晴暉, 等. 云南普洱茶種古茶樹資源表型性狀數(shù)據(jù)分析研究[J]. 西部林業(yè)科學(xué), 2020, 49(6): 144-151, 157.

Tao P, Song Y, Zhang Q H, et al. Data analysis of phenotypic characteristics of ancient tea resources of Yunnan Pu’er tea species [J]. Journal of West China Forestry Science, 2020, 49(6): 144-151, 157.

[23] 林麗惠. 基于紋理特征的武夷巖茶葉片分類方法[J]. 武夷學(xué)院學(xué)報(bào), 2019, 38(12): 14-17.

Lin L H. Research on leaf classification for Wuyi rock tea based on textural features [J]. Journal of Wuyi University, 2019, 38(12): 14-17.

Genetic Diversity of Mature Leaves of Tea Germplasms Based on Image Features

CHEN Qiyu, MA Jianqiang, CHEN Jiedan*, CHEN Liang*

Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China

The genetic diversity of tea germplasm in China is an important basis for its effective utilization. In this study, the genetic diversity of tea germplasm in China was elucidated by statistical analysis, principal component analysis, correlation analysis and cluster analysis of 18 image features of mature leaves from 504 tea germplasm accessions preserved in China National Germplasm Hangzhou Tea Repository. The results show that the coefficient of variation and genetic diversity index of this population were 15.97% and 1.98, respectively. Among different provinces, the average coefficient of variation was the largest in Fujian province, which was 16.29%. The data of Jiangsu province was on the bottom, accounting for 10.58%. Zhejiang province had the highest average genetic diversity index at 2.01. The average genetic diversity index of Chongqing municipality reached the lowest point, occupying 1.67. The dimension of 18 image features were streamlined by principal component analysis and characterized into 4 principal components, with a cumulative contribution rate of 82.63%, and 12 image features were screened out from 18 image features with significant differences. According to the image features, the tea germplasms were clustered into 6 groups. The results provided a theoretical basis and reference for further exploration and utilization of tea germplasm in China.

tea plant, germplasm, mature leaves, genetic diversity, image characteristics

S571.1；S126

A

1000-369X(2022)05-649-12

2022-01-14

2022-03-29

中國農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程（CAAS-ASTIP-2021-TRICAAS）、財(cái)政部與農(nóng)業(yè)農(nóng)村部：國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系專項(xiàng)資金（CARS-19）資助、浙江省農(nóng)業(yè)新品種選育重大科技專項(xiàng)（2021C02067）、浙江省自然科學(xué)基金（LQ20C160010）

陳琪予，男，碩士研究生，主要從事茶樹資源育種與遺傳改良研究。*通信作者：chenjd@tricaas.com；liangchen@tricaas.com