植物學研究領域，我們掌握基因組的能力已遠超測量其對表型影響的能力。為應對這個不平衡的現(xiàn)狀，近年來對植物表型研究的投入漸多，光學測量方法因其速度快、無損傷、可長期追蹤監(jiān)測等優(yōu)勢而發(fā)展迅速，其中HSI（高光譜成像）：可適應實驗室、溫室、野外各種場景；可應用于細胞、葉片、冠層、遙感各種尺度；可實現(xiàn)便攜、實驗室靜態(tài)系統(tǒng)、拖拉機和越野車、無人機、船、衛(wèi)星各種搭載方案。因此高光譜技術在植物表型測量、實現(xiàn)作物優(yōu)化管理領域應用廣泛。澳大利亞拉籌伯大學的Rijad Sari?等學者同國際植物表型設備廠商捷克PSI公司的CEO Martin Trtilek博士，于2021年1月在Trends in Plant Science雜志共同發(fā)表綜述，全面介紹了高光譜技術在植物表型測量應用中的原理、技術和應用現(xiàn)狀：HSI測量夠得到植物的葉綠素、葉黃素、類胡蘿卜素、花青素、氮、水分、磷、纖維素、蛋白質(zhì)、礦物質(zhì)、酚類等代謝物狀況信息；植物組織的細胞結(jié)構、角質(zhì)層厚度、細胞垛疊方式等導致的表面紋理特性的變化信息；植物冠層結(jié)構和形態(tài)信息等；可應用于植物生理生化研究、種子活力評估、光合及呼吸、根系表型、病蟲害和非生物脅迫研究、產(chǎn)量預測和農(nóng)產(chǎn)品質(zhì)量檢測等植物表型研究及應用領域。

以下為利用手持式高光譜儀及高光譜成像技術研究作物表型的應用案例，謹供參考，歡迎垂詢

1.VIS-NIR波段高光譜技術應用于水稻含磷狀況評估和全基因組關聯(lián)分析

磷是植物重要的宏量營養(yǎng)元素，缺磷會立刻影響電子傳遞和CO₂同化（Carstensen A，2018），從而影響作物的生長發(fā)育和產(chǎn)量。缺磷植物葉片會表現(xiàn)出缺綠或者萎黃，高光譜特性隨之改變。泰國朱拉隆功大學的Sompop Pinit等人測定172種水培小麥在3種P濃度（過量P100、輕度缺乏P5、重度缺乏P0.25）情況下的葉片無機P含量；并使用手持式高光譜測量儀PolyPen RP400測量其相應的反射光譜，選用720-790 nm近紅外波段、綠-黃波段和紅邊波段進行指數(shù)計算，得到的P缺乏程度估算的準確性可達85.6%，該方法和全波段光譜的神經(jīng)網(wǎng)絡模型預測準確性相近。同時研究者應用217個反射指數(shù)進行113114個SNPs的全基因組關聯(lián)研究，識別到11個與光譜反射特征相關的位點，其中一些與葉片P含量相關。研究認為，高光譜測量是估算植物含P狀態(tài)和篩選可高效利用P品種的可靠方法。

2.VIS-NIR波段HSI技術應用于煙草花葉病毒感染早期識別與定量分級

病害可導致植物組織化學成分的變化，據(jù)此，Del Fiore等人應用HSI方式快速識別玉米產(chǎn)毒真菌的感染；Mahlei等人應用HSI技術區(qū)分3種甜菜病害（葉斑病、白粉病、葉銹?。┑?。同時，病害也會引起植物組織呼吸速率、形態(tài)、葉色、細胞結(jié)構、作物密度等物理性狀的變化，HSI同樣可作為有效的識別工具。浙江大學Hongyan Zhu等人(2017)應用450-1000nm 波段范圍HSI技術，應用煙草花葉病毒感染性狀對應的特征波段，結(jié)合其灰度共生矩陣提取的煙草葉片紋理特征建立機器學習模型，對感染病毒48小時煙草葉片識別準確度達90%，健康葉片達100%，實現(xiàn)了病害早期檢測及程度量化分級。

北京易科泰生態(tài)技術有限公司提供全面精準表型高光譜測量方案：

參考文獻：

[1] Zhu, H et al. (2017) Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers. Sci. Rep 7,412

[2] El- Hendawy, S.E . et al. (2019) Evaluat ion of wavelengths High-through output accessment of growth, water relations and ion contents of wheat irrigated with saline water. Agric. Water Manag. 212, 358– 377

[3] Rijad Sari? et al. (2021) Applications of hyperspectral imaging in plant phenotyping. Trends in Plant Science, TRPLSC 2236 No. of Pages 15