Plant Phenomics | 湖州師范學院綜述可見光/近紅外光譜和高光譜成像在高通量植物重金屬脅迫表型分析中的應用

由于工業發展和人類活動，重金屬污染已成為空氣、水和土壤中的主要污染物之一。研究表明，重金屬污染會造成植物外部形態和內部結構發生變化。此外，重金屬還會通過食物鏈積累，威脅人類健康。傳統的重金屬檢測方法費工、費時、費力，且成本高昂。而快速、準確、無損地檢測植物重金屬脅迫，有助于實現對植物生長狀態的精準管理，加速抗重金屬植物品種的選育。
 

2023年11月，Plant Phenomics 在線發表了湖州師范學院、南京林業大學和石河子大學等單位合作完成的題為Application of Visible/Near-Infrared Spectroscopy and Hyperspectral Imaging with Machine Learning for High-Throughput Plant Heavy Metal Stress Phenotyping: A Review 的綜述論文。
 

本文綜述了可見光/近紅外（V/NIR）光譜和高光譜成像（HSI）在植物重金屬脅迫表型分析中的應用，并介紹了光譜學與機器學習方法相結合的植物重金屬脅迫高通量表型分析方法，包括非脅迫和脅迫的鑒定、脅迫類型的鑒定、脅迫度的鑒定和重金屬含量的估算。此外，本文還綜述了不同植物重金屬脅迫表型方法鑒定的植被指數、全范圍光譜和特征波段，并討論了V/NIR光譜和HSI在植物重金屬脅迫表型分析中的優勢、局限性、挑戰和前景。
 

圖1 植物重金屬脅迫表現分析

圖2 （A） V/NIR光譜和（B） HSI系統的實驗裝置示意圖
 

圖3 基于HSI檢測植物重金屬脅迫的步驟

總之，V/NIR光譜和HSI技術在植物重金屬脅迫表型分析中具有廣泛的應用場景。未來，可以結合多種傳感技術和建模方法，提高檢測模型的穩定性和適用性，進一步促進技術與實際應用的融合，實現植物重金屬脅迫的早期檢測和準確診斷，為保障人類健康和生態環境安全做出貢獻。

論文鏈接：

https://spj.science.org/doi/10.34133/plantphenomics.0124‍

——推薦閱讀——

A multi-target regression method to predict element concentrations in tomato leaves using hyperspectral imaging 

‍https://spj.science.org/doi/10.34133/plantphenomics.0146‍

Plant Phenomics | 東京大學利用高光譜圖像預測番茄葉片中元素含量的多目標回歸方法

Noninvasive Detection of Salt Stress in Cotton Seedlings by Combining Multicolor Fluorescence–Multispectral Reflectance Imaging with EfficientNet-OB2 

https://doi.org/10.34133/plantphenomics.0125

Plant Phenomics | 多源波譜成像技術融合深度學習的棉苗鹽脅迫診斷方法研究

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

撰稿：張帆航（南京農業大學）

編輯：許怡瑤（南京農業大學）

審核：孔敏、王平