小麥作為人類(lèi)重要的糧食來(lái)源之一，你對它的印象是什么？是夜來(lái)南風(fēng)起，小麥覆隴黃的生機景象，還是大麥干枯小麥黃，婦女行泣夫走藏的悲切畫(huà)面?
風(fēng)吹麥浪的一片金黃往往讓人神往，然而隨著(zhù)全球氣候的變化，干旱逐漸開(kāi)始威脅小麥的生長(cháng)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，終久不成穗......如今，小麥在干旱環(huán)境下的生存和適應能力備受關(guān)注。
葉綠素作為植物生長(cháng)的基本生化過(guò)程之一，與干旱適應性之間的關(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(guò)研究一種新型的監測方法，有望提高對小麥葉綠素含量評估的準確性，對推動(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(wú)損評價(jià)方面的應用
研究背景
小麥是對全球糧食安全至關(guān)重要的主要糧食作物。然而，小麥作物遭受著(zhù)許多非生物脅迫，包括低溫、干旱、高溫和干熱風(fēng)，這強烈影響其生長(cháng)、發(fā)育和生產(chǎn)力。干旱是世界范圍內最嚴重的非生物脅迫之一，可顯著(zhù)降低小麥的分蘗數、每穗粒數和千粒重。2021年，美國和巴西都遭受了歷史性的嚴重干旱，這使全球糧食價(jià)格上漲至近十年來(lái)的最高水平。因此，有效監測小麥生長(cháng)過(guò)程中干旱脅迫的影響對提高產(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，直接決定植物凈初級生產(chǎn)力和碳收支，葉綠素含量可以反映植物的生長(cháng)狀況。而干旱脅迫會(huì )降低作物的葉綠素含量，破壞光合機制，抑制其生長(cháng)，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，監測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。傳統的葉綠素含量測定方法包括分光光度法和使用手持式葉綠素含量?jì)x，這些方法使得葉片破壞程度大、效率低，不利于大規模測定小麥葉綠素含量。而與傳統方法相比，高光譜成像技術(shù)可以快速、無(wú)損、高效地測定植物葉綠素含量。此外，高光譜圖像包含豐富的光譜信息，可用于精確的農業(yè)研究和建立復雜的數學(xué)模型。近年來(lái)，高光譜成像技術(shù)在植物監測中的應用發(fā)展迅速，廣泛的研究主要集中在開(kāi)發(fā)基于光譜指數的模型來(lái)估計葉綠素含量。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，以往模型對其他系統的適用性受到限制，該模型對大規模葉綠素含量和抗旱性的評估無(wú)效。
研究過(guò)程
基于此，在本研究中，來(lái)自中國西北農林科技大學(xué)的一組研究團隊以中國陽(yáng)嶺區（108?4 0 E，108?160E，34?160N）為研究區，對新作物品種進(jìn)行試驗。2021年10月21日，在一個(gè)鋼架棚內共種植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)驗室內利用Resonon Pika L 高光譜成像系統采集小麥葉片的高光譜圖像數據，同時(shí)利用SPAD-502 Plus葉綠素計測定小麥旗葉的SPAD值（反映葉綠素含量）。對高光譜圖像進(jìn)行平滑處理（使用Savitzky-Golay濾波器）、一階導數處理。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）識別特征波段，最后采用機器學(xué)習方法構建了四種回歸模型，包括簡(jiǎn)單線(xiàn)性回歸（SLR）、最小絕對收縮和選擇算子回歸（LASSO）、嶺回歸（RR）和隨機森林回歸（RFR）模型，并檢驗模型效果，以確定快速葉綠素含量估計模型的準確性，最終建立一種快速、無(wú)損、準確、廣泛適用的方法來(lái)評估小麥葉綠素含量、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(xiàn)和單波段高光譜圖像（對照處理CK和干旱脅迫DS條件下）。
葉片高光譜與SPAD值的相關(guān)性分析及擬合結果。（A，B）光譜反射率和一階導數與SPAD值的相關(guān)性；（C，D）基于549 nm光譜反射率和735 nm光譜一階導數的簡(jiǎn)單線(xiàn)性回歸（SLR）分析；（E，F）基于549 nm處反射率和735 nm處一階導數的SPAD預測值和實(shí)測值的擬合結果。
結果
基于不同數據集和模型的SPAD預測值和實(shí)測值的比較。
（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數的LASSO、RR和RFR模型。
基于全波段高光譜反射率模型，對不同土壤含水量條件下小麥葉片SPAD預測值和實(shí)測值的擬合結果。（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一階導數估計的葉片水平上的SPAD值圖。
基于光譜和圖像特征數據集的RFR模型結果。
結論
本研究利用不同土壤含水量條件下大規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確性。對葉綠素含量估計最敏感的波段在可見(jiàn)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處的一階導數與SPAD值的相關(guān)性最強。SPA結果表明，在536、596和674 nm處的波段是估計SPAD值的最佳波段，在756和778 nm處的一階導數對估算相對葉綠素含量最有用。結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；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。