高光谱成像技术应用于预测小麦氮和水的分布与含量

在日益发展的当代JZ农业研究中，通过地面传感器网络监测作物的表型性状，进一步分析作物生理生化特征、养分变化和评估生物量，有助于灌溉和施肥管理，提高作物养分利用效率。

高光谱成像作为一种新兴的高通量、大尺度作物表型研究技术，它提供了一种快速、准确和无损的方法来评估作物生理和生化状况，可以应用于作物生命的整个周期。目前高光谱成像技术已经成功地应用于作物研究，如大麦的早期干旱胁迫、油菜中的宏量营养素含量和分布、黄瓜叶片中的氮分布等植物性状的预测，以及植物生理生化分析。

澳大利亚阿德莱德大学Brooke Bruning等研究人员，使用Specim FX10和SWIR两款高光谱成像仪器获取在九种土壤养分条件和两种水处理条件下的四个小麦基因型的高光谱数据，研究基于高光谱成像技术的原位、无损测量的特点，定量测定了小麦植株的水分分布和氮水平，并有效评估了小麦生理和生化状况。该研究成果于2019年发表于Frontiers in Plant Science期刊。（文献：The Development of Hyperspectral Distribution Maps to Predict the Content and Distribution of Nitrogen and Water in Wheat(Triticum aestivum）

植物内部水和氮空间分布可视化过程

通过获取400-2500nm范围内的小麦高光谱数据，并将光谱信息与水分和氮素水平进行关联，利用这些数据建立能够预测小麦水分和氮水平的数学模型，将表现ZJ的模型的回归系数应用于高光谱图，可视化分析氮和水的分布以及植物内部的任何空间变异。

研究发现不同处理的样品之间存在明显差异，浇水（图A）的植物呈黄红色（含水量为72-88％），而干旱（图C）时植物则主要为绿色（含水量64-72％），叶片基部水分含量较高，而叶尖处水分含量下降，叶片中脉附近的水分含量也明显高于叶片外侧，这些差异和相邻像素间的逐渐退化表明，水分分布图能够可视化植物内部空间变化。低氮植株（图B）和高氮植株（图D）也是如此，由于模型过度拟合，氮分布图受到噪声的影响。研究结果表明，高光谱图像和多元回归模型在估计植物化学性质水平和分布方面具有很高的潜力。

左图：使用PLSR模型预测的水（上）和氮（下）回归图显示了所有试验方法的ZJ性能

右图：浇水(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预测

该研究结果表明，高光谱成像在原位、无损地估计活体植物样品化学性质水平和分布方面具有很高的潜力。通过分布图可以提供养分积累的空间定位信息，有助于了解不同处理条件下叶片养分含量的变化。评估植物可利用养分和植被状况的变化，可以提供描述植物生长和发育的重要信息，从而利用尽可能少的肥料实现产量ZD化。

易科泰生态技术有限公司及其光谱成像与无人机遥感技术（西安）研究中心拥有SpectraScan、ThermoRGB 光谱成像软硬件设备以及EcoDrone^®无人机遥感平台，可提供作物营养代谢、生理生化、逆境生物学、作物表型分析等技术服务、实验合作及全面技术方案。

（银杏叶化学成分做图，SpectrAPP项目）