植物學(xué)研究領(lǐng)域，我們掌握基因組的能力已遠(yuǎn)超測(cè)量其對(duì)表型影響的能力。為應(yīng)對(duì)這個(gè)不平衡的現(xiàn)狀，近年來(lái)對(duì)植物表型研究的投入漸多，光學(xué)測(cè)量方法因其速度快、無(wú)損傷、可長(zhǎng)期追蹤監(jiān)測(cè)等優(yōu)勢(shì)而發(fā)展迅速，其中HSI（高光譜成像）：可適應(yīng)實(shí)驗(yàn)室、溫室、野外各種場(chǎng)景；可應(yīng)用于細(xì)胞、葉片、冠層、遙感各種尺度；可實(shí)現(xiàn)便攜、實(shí)驗(yàn)室靜態(tài)系統(tǒng)、拖拉機(jī)和越野車、無(wú)人機(jī)、船、衛(wèi)星各種搭載方案。因此高光譜技術(shù)在植物表型測(cè)量、實(shí)現(xiàn)作物優(yōu)化管理領(lǐng)域應(yīng)用廣泛。澳大利亞拉籌伯大學(xué)的Rijad Sari?等學(xué)者同國(guó)際植物表型設(shè)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(shù)在植物表型測(cè)量應(yīng)用中的原理、技術(shù)和應(yīng)用現(xiàn)狀：HSI測(cè)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(xì)胞結(jié)構(gòu)、角質(zhì)層厚度、細(xì)胞垛疊方式等導(dǎo)致的表面紋理特性的變化信息；植物冠層結(jié)構(gòu)和形態(tài)信息等；可應(yīng)用于植物生理生化研究、種子活力評(píng)估、光合及呼吸、根系表型、病蟲(chóng)害和非生物脅迫研究、產(chǎn)量預(yù)測(cè)和農(nóng)產(chǎn)品質(zhì)量檢測(cè)等植物表型研究及應(yīng)用領(lǐng)域。

以下為利用手持式高光譜儀及高光譜成像技術(shù)研究作物表型的應(yīng)用案例，謹(jǐn)供參考，歡迎垂詢

1.VIS-NIR波段高光譜技術(shù)應(yīng)用于水稻含磷狀況評(píng)估和全基因組關(guān)聯(lián)分析

磷是植物重要的宏量營(yíng)養(yǎng)元素，缺磷會(huì)立刻影響電子傳遞和CO₂同化（Carstensen A，2018），從而影響作物的生長(zhǎng)發(fā)育和產(chǎn)量。缺磷植物葉片會(huì)表現(xiàn)出缺綠或者萎黃，高光譜特性隨之改變。泰國(guó)朱拉隆功大學(xué)的Sompop Pinit等人測(cè)定172種水培小麥在3種P濃度（過(guò)量P100、輕度缺乏P5、重度缺乏P0.25）情況下的葉片無(wú)機(jī)P含量；并使用手持式高光譜測(cè)量?jī)xPolyPen RP400測(cè)量其相應(yīng)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(jìn)行指數(shù)計(jì)算，得到的P缺乏程度估算的準(zhǔn)確性可達(dá)85.6%，該方法和全波段光譜的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)準(zhǔn)確性相近。同時(shí)研究者應(yīng)用217個(gè)反射指數(shù)進(jìn)行113114個(gè)SNPs的全基因組關(guān)聯(lián)研究，識(shí)別到11個(gè)與光譜反射特征相關(guān)的位點(diǎn)，其中一些與葉片P含量相關(guān)。研究認(rèn)為，高光譜測(cè)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(shù)應(yīng)用于煙草花葉病毒感染早期識(shí)別與定量分級(jí)

病害可導(dǎo)致植物組織化學(xué)成分的變化，據(jù)此，Del Fiore等人應(yīng)用HSI方式快速識(shí)別玉米產(chǎn)毒真菌的感染；Mahlei等人應(yīng)用HSI技術(shù)區(qū)分3種甜菜病害（葉斑病、白粉病、葉銹?。┑?。同時(shí)，病害也會(huì)引起植物組織呼吸速率、形態(tài)、葉色、細(xì)胞結(jié)構(gòu)、作物密度等物理性狀的變化，HSI同樣可作為有效的識(shí)別工具。浙江大學(xué)Hongyan Zhu等人(2017)應(yīng)用450-1000nm 波段范圍HSI技術(shù)，應(yīng)用煙草花葉病毒感染性狀對(duì)應(yīng)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(jī)器學(xué)習(xí)模型，對(duì)感染病毒48小時(shí)煙草葉片識(shí)別準(zhǔn)確度達(dá)90%，健康葉片達(dá)100%，實(shí)現(xiàn)了病害早期檢測(cè)及程度量化分級(jí)。

北京易科泰生態(tài)技術(shù)有限公司提供全面精準(zhǔn)表型高光譜測(cè)量方案：

參考文獻(xiàn)：

[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