LiDAR 技术助力苏格兰松早期选育，开启林业精准育种新篇章

为提升育种效率，研究人员对比传统与 LiDAR 测量，发现其可支持苏格兰松早期高效选优，意义重大。

　　### 森林遗传育种的新曙光：LiDAR 技术在苏格兰松早期选育中的应用
在森林资源培育的宏大篇章中，树木遗传育种是极为关键的章节。一直以来，遗传田间试验的表型分析都是全球树木育种计划中不可或缺却又成本高昂的环节。想象一下，在广袤的试验林里，数千棵树木如同等待被解读的密码本，研究人员需要对它们进行测量和评估（即表型分析），获取数据以进行遗传评估，挑选出优良基因型，从而改良林木品种，提升森林资源的质量和产量。

传统上，高度和直径是最常用的选择性状，因为它们与木材体积或生物量生产密切相关。然而，在北半球的遗传试验中，测量树木高度面临着诸多难题。当树木长到 5 - 6 米高时（通常在种植后 6 - 10 年），继续测量高度变得既耗时又昂贵。尽管高度对于评估老龄树木的遗传排名很有效，但由于成本问题，种植 12 - 20 年后，通常会转而测量直径。而且，在最终测量和选择后，大多数试验点的材料因数据采集成本过高而不再被监测，这使得早期和后期高度测量之间的遗传相关性难以计算，而这对于育种计划至关重要，毕竟树木的轮伐期往往远长于选择年龄。

随着科技的飞速发展，无人机（UAV）和各类测量传感器的出现为解决这些问题带来了新希望。其中，搭载光探测和测距（LiDAR）传感器的无人机在林业领域展现出巨大潜力。不过，将无人机应用于育种工作面临着比常规林业应用更高的技术要求，比如需要精确匹配树木的位置和基因型信息，但树木种植间距的不一致给这一过程带来了挑战。

在此背景下，瑞典森林研究所（The Forest Research Institute of Sweden，Skogforsk）等机构的研究人员 Mateusz Liziniewicz、Curt Almqvist 等人开展了一项极具意义的研究。他们的研究成果发表在《Annals of Forest Science》上，为森林遗传育种领域带来了新的曙光。

研究人员以位于瑞典中部的一片苏格兰松（Pinus sylvestris L.）遗传田间试验林为研究对象，这片试验林（S22S1410349，简称 S349）于 2014 年春季建立，占地 1.2 公顷，包含克隆植株和实生苗。

在研究过程中，研究人员采用了多种关键技术方法。一方面，进行传统测量，在 2014 年（种植 1 年后）、2018 年（种植 5 年后）和 2021 年（种植 8 年后）的秋季，使用测量杆以厘米精度测量所有树木的高度，并记录树木的活力、树冠和树干损伤情况。另一方面，利用无人机采集 LiDAR 数据。2023 年春季，在传统测量的次年，研究人员使用配备 Velodyne VLP - 16 传感器的八旋翼无人机，在 70 米高空、5 米 / 秒的飞行速度下采集数据，该数据具有较高的点密度。随后，利用 R 统计软件中的 “lidR” 等相关软件包对 LiDAR 点云数据进行处理，提取树木高度信息。此外，运用单树和单性状混合模型，结合残差最大似然法（REML），计算遗传参数。

下面来看看具体的研究结果：

1. 表型相关性：种植材料的总体存活率为 90%，传统测量时 8 年生活树平均高度为 2.7 米，LiDAR 测量时 9 年生树平均高度为 3.4 米（不包括缺失树木）。不同数据集显示，LiDAR 估计的高度系统地高估了 14.5%，但预测准确性（RMSE）在 H2.0_m 数据集最低，表明该数据集准确性最高。传统测量高度与 LiDAR 测量高度之间存在很强的相关性，相关系数高达 0.9，克隆和实生苗的相关性也很高，且不随 LiDAR 数据集高度修剪而降低。
2. 遗传参数估计：遗传狭义遗传力在种植 1 年后最高（0.27），之后逐渐下降，8 年时基于传统测量高度（H8）的遗传力约为 0.15，与基于 LiDAR 的 LID_H_PRUN 数据集获得的值非常相似。修剪后的 LiDAR 数据集比 “原始” LiDAR 数据产生更高的遗传力值。
3. 选择结果：使用传统测量和 “原始” LiDAR 数据选择的最佳克隆在大多数情况下几乎完全匹配。在 46 个克隆家族中，有 37 个家族的分析结果导致相同的克隆被评为最高等级（约 80%），只有一个克隆（S22K1314174）的排名存在较大偏差。在选择最佳后代（每个家族中最高的树）时，43 个家族中有 27 个家族的选择结果完全匹配，增加选择的基因型数量后，两组数据选择的基因型高度差异较小。

综合研究结果和讨论，这项研究意义非凡。LiDAR 传感器安装在无人机上，能够为年轻苏格兰松遗传试验中的高度估计提供可靠数据，其估计的遗传参数和选择优良基因型的信息准确性较高。尽管该方法在实际应用中仍面临传统遗传图谱与 LiDAR 图层连接的难题，需要繁琐的 GPS 定位，但研究人员认为这一步骤对未来发展有益，并建议对所有种植的遗传试验进行 GPS 定位，这有望开发出类似农业的表型分析平台，推动森林树木育种的发展。同时，该方法可能也适用于其他树种的研究分析，为全球森林遗传育种领域开辟了新的道路，让我们在培育更优质、更高产的森林资源之路上迈出了坚实的一步。