全球氣候變化引起的預(yù)計(jì)人口增長(zhǎng)以及土地和農(nóng)業(yè)資源可利用性的壓力使未來幾十年全球糧食供應(yīng)的需求增加。提高光合作用能力已成為實(shí)現(xiàn)作物增產(chǎn)的目標(biāo)。目前，測(cè)量光合作用的方法是耗時(shí)的且具破壞性的，這會(huì)減慢鑒定具高光合能力的農(nóng)作物種質(zhì)的研究和育種工作。作者在1分鐘內(nèi)收集樣地（~2 m×2 m）向陽(yáng)葉片像素的高光譜反射率以量化光合作用參數(shù)和色素含量。在兩個(gè)生長(zhǎng)季節(jié)（2017年和2018年）利用田間生長(zhǎng)的經(jīng)基因改變了光合途徑的煙草，建立了8個(gè)光合參數(shù)和色素性狀的預(yù)測(cè)模型。利用偏最小二乘法（PLSR）分析可見近紅外（400-900 nm）光譜相機(jī)測(cè)得的植物反射像素，預(yù)測(cè)了Rubisco最大羧化速率（V_c,max，R²=0.79）和最大電子傳遞速率（J₁₈₀₀，R²=0.59），最大光飽和光合作用（P_max，R²=0.54），葉綠素含量（R²=0.87），葉綠素a/b（R²=0.63），碳含量（R²=0.47）和氮含量（R²=0.49）。當(dāng)使用兩臺(tái)400-1800 nm相機(jī)時(shí)，模型的預(yù)測(cè)并沒有改善，這表明僅使用一臺(tái)VNIR相機(jī)就能實(shí)現(xiàn)強(qiáng)大，廣泛適用且更具“成本效益”的效果。該分析過程和方法可用于所有作物中，從而提供高通量田間表型篩選，并在田間試驗(yàn)中提高光合性能。

高光譜圖像收集

建立基于地面的表型平臺(tái)（圖1），包括兩個(gè)推掃式高光譜相機(jī)。第一臺(tái)高光譜相機(jī)（PIKA II；Resonon）用于采集400 nm到900 nm的光譜輻射（共240個(gè)光譜帶）。第二臺(tái)高光譜相機(jī)（PIKA NIR；Resonon）用于采集900 nm到1800 nm的光譜輻射（共164個(gè)光譜帶）。

圖1 基于地面的表型平臺(tái)，包括兩個(gè)高光譜相機(jī)和一個(gè)RGB相機(jī)（A），并在冠層頂部安裝了可移動(dòng)的白板（B）。

葉片光譜測(cè)量

利用ASD Fieldspec4光譜儀在400 nm至2500 nm范圍內(nèi)原位測(cè)量葉片光譜反射率。在可見光和近紅外波段（350-1000 nm），光譜分辨率為3 nm，在短波紅外（1000-2500 nm）波段，為8 nm。

圖2 高光譜圖像分析流程示例。圖像以原始數(shù)據(jù)模式采集，表示為RGB圖像（A）。利用K均值聚類算法（B）進(jìn)行圖像分類，以提取所有陽(yáng)光照射的葉片的像素，并將數(shù)字原始數(shù)據(jù)（D）轉(zhuǎn)換為反射率（C）。計(jì)算所有陽(yáng)光照射的葉片反射率像素的平均值和SD（E）。

結(jié)果

圖3 性能測(cè)試1，V_c,max（A），J₁₈₀₀（B），葉綠素含量和Chl a:b（C），C和N含量（D），以及性能測(cè)試2，P_max和?CO2（E）的平均光譜反射率。

圖4 地塊水平性能測(cè)試1中的V_c,max（A），J₁₈₀₀（B），葉綠素含量（C），Chla:b（D），C含量（E），N含量（F）以及性能測(cè)試2中的P_max（G）和?CO2（H）實(shí)際觀測(cè)的與PLSR回歸預(yù)測(cè)的光合參數(shù)的比較（使用單臺(tái)VNIR高光譜相機(jī)（459-900 nm））。

圖5 地塊水平性能測(cè)試1中的V_c,max（A），J₁₈₀₀（B），葉綠素含量（C），Chla:b（D），C含量（E），N含量（F）以及性能測(cè)試2中的P_max（G）和?CO2（H）實(shí)際觀測(cè)的與PLSR回歸預(yù)測(cè)的光合參數(shù)的比較（使用VNIR高光譜相機(jī)（459-900nm）和NIR/SWIR（900-1700 nm）相機(jī)）。

圖8 不同光譜范圍PLAR模型的變量投影重要性（VIP）分?jǐn)?shù)，葉片水平：V_c,max（A），J₁₈₀₀（B），葉綠素含量（C），Chl a:b（D），C含量（E），N含量（F），P_max（G）和?CO2（H）。地塊水平的相同性狀（I-P）。由于地塊水平?CO2參數(shù)預(yù)測(cè)的缺乏，因此未顯示其模型VIP分?jǐn)?shù)。