小麥作為人類重要的糧食來源之一，你對(duì)它的印象是什么？是夜來南風(fēng)起，小麥覆隴黃的生機(jī)景象，還是大麥干枯小麥黃，婦女行泣夫走藏的悲切畫面?
風(fēng)吹麥浪的一片金黃往往讓人神往，然而隨著全球氣候的變化，干旱逐漸開始威脅小麥的生長(zhǎng)及產(chǎn)量，各地小麥紛紛減產(chǎn)，繼而引起價(jià)格的上漲。
久旱麥粒細(xì)，終久不成穗......如今，小麥在干旱環(huán)境下的生存和適應(yīng)能力備受關(guān)注。
葉綠素作為植物生長(zhǎng)的基本生化過程之一，與干旱適應(yīng)性之間的關(guān)系引發(fā)了廣泛的研究興趣。下面這篇論文聚焦干旱脅迫下小麥的葉綠素含量，通過研究一種新型的監(jiān)測(cè)方法，有望提高對(duì)小麥葉綠素含量評(píng)估的準(zhǔn)確性，對(duì)推動(dòng)糧食安全與生態(tài)環(huán)境的平衡發(fā)展具有重要意義。
Resonon Pika L在干旱脅迫下小麥葉綠素快速無損評(píng)價(jià)方面的應(yīng)用
研究背景
小麥?zhǔn)菍?duì)全球糧食安全至關(guān)重要的主要糧食作物。然而，小麥作物遭受著許多非生物脅迫，包括低溫、干旱、高溫和干熱風(fēng)，這強(qiáng)烈影響其生長(zhǎng)、發(fā)育和生產(chǎn)力。干旱是世界范圍內(nèi)最嚴(yán)重的非生物脅迫之一，可顯著降低小麥的分蘗數(shù)、每穗粒數(shù)和千粒重。2021年，美國(guó)和巴西都遭受了歷史性的嚴(yán)重干旱，這使全球糧食價(jià)格上漲至近十年來的最高水平。因此，有效監(jiān)測(cè)小麥生長(zhǎng)過程中干旱脅迫的影響對(duì)提高產(chǎn)量、品種和糧食安全至關(guān)重要。
葉綠素是植物光合作用的基礎(chǔ)，直接決定植物凈初級(jí)生產(chǎn)力和碳收支，葉綠素含量可以反映植物的生長(zhǎng)狀況。而干旱脅迫會(huì)降低作物的葉綠素含量，破壞光合機(jī)制，抑制其生長(zhǎng)，最終降低產(chǎn)量。干旱脅迫下作物葉綠素含量的變化程度與抗旱性密切相關(guān)，因此，監(jiān)測(cè)小麥葉綠素含量可為小麥的光合作用和抗旱性提供關(guān)鍵信息。傳統(tǒng)的葉綠素含量測(cè)定方法包括分光光度法和使用手持式葉綠素含量?jī)x，這些方法使得葉片破壞程度大、效率低，不利于大規(guī)模測(cè)定小麥葉綠素含量。而與傳統(tǒng)方法相比，高光譜成像技術(shù)可以快速、無損、高效地測(cè)定植物葉綠素含量。此外，高光譜圖像包含豐富的光譜信息，可用于精確的農(nóng)業(yè)研究和建立復(fù)雜的數(shù)學(xué)模型。近年來，高光譜成像技術(shù)在植物監(jiān)測(cè)中的應(yīng)用發(fā)展迅速，廣泛的研究主要集中在開發(fā)基于光譜指數(shù)的模型來估計(jì)葉綠素含量。然而，少量的敏感波段并不能充分代表所有的高光譜信息。此外，大多數(shù)研究使用的小麥品種較少，忽略了多品種間的異質(zhì)性。因此，以往模型對(duì)其他系統(tǒng)的適用性受到限制，該模型對(duì)大規(guī)模葉綠素含量和抗旱性的評(píng)估無效。
研究過程
基于此，在本研究中，來自中國(guó)西北農(nóng)林科技大學(xué)的一組研究團(tuán)隊(duì)以中國(guó)陽嶺區(qū)（108?4 0 E，108?160E，34?160N）為研究區(qū)，對(duì)新作物品種進(jìn)行試驗(yàn)。2021年10月21日，在一個(gè)鋼架棚內(nèi)共種植335個(gè)小麥品種（共2010個(gè)葉片樣品），并將它們置于不同的土壤含水量條件下，采用土壤鉆探法測(cè)量0.5m深度的土壤含水量。再在每個(gè)品種中采集了6個(gè)新鮮的旗葉樣本，在實(shí)驗(yàn)室內(nèi)利用Resonon Pika L 高光譜成像系統(tǒng)采集小麥葉片的高光譜圖像數(shù)據(jù)，同時(shí)利用SPAD-502 Plus葉綠素計(jì)測(cè)定小麥旗葉的SPAD值（反映葉綠素含量）。對(duì)高光譜圖像進(jìn)行平滑處理（使用Savitzky-Golay濾波器）、一階導(dǎo)數(shù)處理。分析控制和干旱脅迫下小麥灌漿期旗葉的高光譜特征及其與SPAD值的相關(guān)關(guān)系，用逐次投影算法（SPA）識(shí)別特征波段，最后采用機(jī)器學(xué)習(xí)方法構(gòu)建了四種回歸模型，包括簡(jiǎn)單線性回歸（SLR）、最小絕對(duì)收縮和選擇算子回歸（LASSO）、嶺回歸（RR）和隨機(jī)森林回歸（RFR）模型，并檢驗(yàn)?zāi)Ｐ托Ч?，以確定快速葉綠素含量估計(jì)模型的準(zhǔn)確性，最終建立一種快速、無損、準(zhǔn)確、廣泛適用的方法來評(píng)估小麥葉綠素含量、光合作用和抗旱性。
不同土壤含水量條件下小麥葉片的高光譜曲線和單波段高光譜圖像（對(duì)照處理CK和干旱脅迫DS條件下）。
葉片高光譜與SPAD值的相關(guān)性分析及擬合結(jié)果。（A，B）光譜反射率和一階導(dǎo)數(shù)與SPAD值的相關(guān)性；（C，D）基于549 nm光譜反射率和735 nm光譜一階導(dǎo)數(shù)的簡(jiǎn)單線性回歸（SLR）分析；（E，F(xiàn)）基于549 nm處反射率和735 nm處一階導(dǎo)數(shù)的SPAD預(yù)測(cè)值和實(shí)測(cè)值的擬合結(jié)果。
結(jié)果
基于不同數(shù)據(jù)集和模型的SPAD預(yù)測(cè)值和實(shí)測(cè)值的比較。
（A-C）全波段高光譜反射率的LASSO、RR和RFR模型；（D-F）全波段高光譜一階導(dǎo)數(shù)的LASSO、RR和RFR模型。
基于全波段高光譜反射率模型，對(duì)不同土壤含水量條件下小麥葉片SPAD預(yù)測(cè)值和實(shí)測(cè)值的擬合結(jié)果。（A-C）控制條件下的LASSO回歸、RR和RFR模型；（D-F）干旱脅迫條件下的LASSO回歸、RR和RFR模型。
（A，B）由549 nm反射率和735 nm一階導(dǎo)數(shù)估計(jì)的葉片水平上的SPAD值圖。
基于光譜和圖像特征數(shù)據(jù)集的RFR模型結(jié)果。
結(jié)論
本研究利用不同土壤含水量條件下大規(guī)模小麥品種的高光譜圖像分析，確定了葉片葉綠素含量快速估算模型的準(zhǔn)確性。對(duì)葉綠素含量估計(jì)最敏感的波段在可見波段（400-780nm），相關(guān)分析表明，最佳波段位于541、549、708和735 nm附近，549 nm處的高光譜反射率和735 nm處的一階導(dǎo)數(shù)與SPAD值的相關(guān)性最強(qiáng)。SPA結(jié)果表明，在536、596和674 nm處的波段是估計(jì)SPAD值的最佳波段，在756和778 nm處的一階導(dǎo)數(shù)對(duì)估算相對(duì)葉綠素含量最有用。結(jié)合光譜特征和圖像特征可以提高干旱脅迫小麥SPAD值的估算精度（RFR模型最優(yōu)性能：R2 = 0.61，RMSE = 4.439，RE = 7.35%）?？傊?，本研究建立的模型可以有效地評(píng)價(jià)小麥葉綠素含量，并為了解光合作用和抗旱性提供依據(jù)；本研究建立的技術(shù)方法具有巨大潛力，可為小麥及其他作物的高通量表型分析和遺傳育種提供參考。