小麥作為人類重要的糧食來源之一，你對它的印象是什么？是夜來南風起，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面?

風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及產量，各地小麥紛紛減產，繼而引起價格的上漲。

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注。

葉綠素作為植物生長的基本生化過程之一，與干旱適應性之間的關系引發(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)測方法，有望提高對小麥葉綠素含量評估的準確性，對推動糧食安全與生態(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價方面的應用

研究背景

小麥是對全球糧食安全至關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，這強烈影響其生長、發(fā)育和生產力。干旱是世界范圍內最嚴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，美國和巴西都遭受了歷史性的嚴重干旱，這使全球糧食價格上漲至近十年來的更高水平。因此，有效監(jiān)測小麥生長過程中干旱脅迫的影響對提高產量、品種和糧食安全至關重要。

葉綠素是植物光合作用的基礎，直接決定植物凈初級生產力和碳收支，葉綠素含量可以反映植物的生長狀況。而干旱脅迫會降低作物的葉綠素含量，破壞光合機制，抑制其生長，最終降低產量。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，因此，監(jiān)測小麥葉綠素含量可為小麥的光合作用和抗旱性提供關鍵信息。傳統(tǒng)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儀，這些方法使得葉片破壞程度大、效率低，不利于大規(guī)模測定小麥葉綠素含量。而與傳統(tǒng)方法相比，高光譜成像技術可以快速、無損、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(shù)學模型。近年來，高光譜成像技術在植物監(jiān)測中的應用發(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性。因此，以往模型對其他系統(tǒng)的適用性受到限制，該模型對大規(guī)模葉綠素含量和抗旱性的評估無效。

研究過程

基于此，在本研究中，來自中國西北農林科技大學的一組研究團隊以中國陽嶺區(qū)（108?4 0 E，108?160E，34?160N）為研究區(qū)，對新作物品種進行試驗。2021年10月21日，在一個鋼架棚內共種植335個小麥品種（共2010個葉片樣品），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。再在每個品種中采集了6個新鮮的旗葉樣本，在實驗室內利用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）。對高光譜圖像進行平滑處理（使用Savitzky-Golay濾波器）、一階導數(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值的相關關系，用逐次投影算法（SPA）識別特征波段，最后采用機器學習方法構建了四種回歸模型，包括簡單線性回歸（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、無損、準確、廣泛適用的方法來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值的相關性分析及擬合結果。（A，B）光譜反射率和一階導數(shù)與SPAD值的相關性；（C，D）基于549 nm光譜反射率和735 nm光譜一階導數(shù)的簡單線性回歸（SLR）分析；（E，F(xiàn)）基于549 nm處反射率和735 nm處一階導數(shù)的SPAD預測值和實測值的擬合結果。

結果

基于不同數(shù)據(jù)集和模型的SPAD預測值和實測值的比較。

（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(shù)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(shù)估計的葉片水平上的SPAD值圖。

基于光譜和圖像特征數(shù)據(jù)集的RFR模型結果。

結論

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確性。對葉綠素含量估計最敏感的波段在可見波段（400-780nm），相關分析表明，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(shù)與SPAD值的相關性更強。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(shù)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模型更優(yōu)性能：R2 = 0.61，RMSE = 4.439，RE = 7.35%）。總之，本研究建立的模型可以有效地評價小麥葉綠素含量，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。