高光譜成像技術應用于預測小麥氮和水的分布與含量

在日益發展的當代農業研究中，通過地面傳感器網絡監測作物的表型性狀，進一步分析作物生理生化特征、養分變化和評估生物量，有助于灌溉和施肥管理，提高作物養分利用效率。

高光譜成像作為一種新興的高通量、大尺度作物表型研究技術，它提供了一種快速、準確和無損的方法來評估作物生理和生化狀況，可以應用于作物生命的整個周期。目前高光譜成像技術已經成功地應用于作物研究，如大麥的早期干旱脅迫、油菜中的宏量營養素含量和分布、黃瓜葉片中的氮分布等植物性狀的預測，以及植物生理生化分析。

澳大利亞阿德萊德大學Brooke Bruning等研究人員，使用Specim FX10和SWIR兩款高光譜成像儀器獲取在九種土壤養分條件和兩種水處理條件下的四個小麥基因型的高光譜數據，研究基于高光譜成像技術的原位、無損測量的特點，定量測定了小麥植株的水分分布和氮水平，并有效評估了小麥生理和生化狀況。該研究成果于2019年發表于Frontiers in Plant Science期刊。（文獻：The Development of Hyperspectral Distribution Maps to Predict the Content and Distribution of Nitrogen and Water in Wheat(Triticum aestivum）

植物內部水和氮空間分布可視化過程

通過獲取400-2500nm范圍內的小麥高光譜數據，并將光譜信息與水分和氮素水平進行關聯，利用這些數據建立能夠預測小麥水分和氮水平的數學模型，將表現的模型的回歸系數應用于高光譜圖，可視化分析氮和水的分布以及植物內部的任何空間變異。

研究發現不同處理的樣品之間存在明顯差異，澆水（圖A）的植物呈黃紅色（含水量為72-88％），而干旱（圖C）時植物則主要為綠色（含水量64-72％），葉片基部水分含量較高，而葉尖處水分含量下降，葉片中脈附近的水分含量也明顯高于葉片外側，這些差異和相鄰像素間的逐漸退化表明，水分分布圖能夠可視化植物內部空間變化。低氮植株（圖B）和高氮植株（圖D）也是如此，由于模型過度擬合，氮分布圖受到噪聲的影響。研究結果表明，高光譜圖像和多元回歸模型在估計植物化學性質水平和分布方面具有很高的潛力。

左圖：使用PLSR模型預測的水（上）和氮（下）回歸圖顯示了所有試驗方法的性能

右圖：澆水(A)和干旱(C)植物的水分含量和低(B) 和高(D)氮素土壤的植物氮水平預測

該研究結果表明，高光譜成像在原位、無損地估計活體植物樣品化學性質水平和分布方面具有很高的潛力。通過分布圖可以提供養分積累的空間定位信息，有助于了解不同處理條件下葉片養分含量的變化。評估植物可利用養分和植被狀況的變化，可以提供描述植物生長和發育的重要信息，從而利用盡可能少的肥料實現產量大化。

易科泰生態技術有限公司及其光譜成像與無人機遙感技術（西安）研究中心擁有SpectraScan、ThermoRGB 光譜成像軟硬件設備以及EcoDrone®無人機遙感平臺，可提供作物營養代謝、生理生化、逆境生物學、作物表型分析等技術服務、實驗合作及全面技術方案。

（銀杏葉化學成分做圖，SpectrAPP項目）