在WIWAM高通量表型平臺中分析用于檢測玉米植株干旱脅迫

研究作物缺水條件下的生理過程對于耐旱基因型的選擇和相關基因的功能分析至關重要。近距離高光譜成像（HSI）是一種很有前途的非侵入性植物性狀分析技術，它在早期檢測植物對水分脅迫的反應方面具有巨大潛力。在這項工作中描述了一種數據分析方法，與植被指數不同，本方法在具有高分辨信息的選定波段上應用光譜相似性，同時需要仔細處理非信息性照明效應。后一個問題是通過標準正態變量 (SNV) 歸一化來解決的，該歸一化消除了線性效應，以及一種監督聚類方法來消除表現出非線性多重散射效應的像素。在剩余的像素上，與脅迫相關的動態通過光譜分析程序量化，該程序涉及受監督的波段選擇程序和針對澆水良好的對照植物的光譜相似性度量。通過在高通量植物表型平臺中對玉米植物的水分脅迫和恢復進行大規模研究，驗證了所提出的方法。結果表明，該分析方法可以早期檢測干旱脅迫反應，并在重新澆水后不久恢復檢測效果。

圖1.應用于玉米植株的六種不同灌溉策略，顯示了整個營養發育期在不同V階段的土壤含水量水平，表明了植物葉片發育的數量和達到特定V階段的天數

所有圖像均通過減去暗框進行輻射校準，并計算相對于白板的反射率。圖2顯示了來自植物像素的反射光譜的集合。使用廣義交叉驗證（GCV）評分對光譜中存在的高斯噪聲水平進行量化。由于500nm以下和850nm以上的高噪聲水平，圖像被限制在500-850nm范圍內的111個光譜帶，以便進行進一步的數據處理。然后利用歸一化差異植被指數（NDVI）從背景中分割出植物像素。圖3顯示了NDVI若干閾值的分段植物。選擇了0.3的閾值。

圖2.植物像素集合的反射光譜，覆蓋400nm至1000nm的光譜區域

圖3.基于NDVI閾值的植物像素分割

圖4表示獲得的簇映射示例，其中根據像素的簇編號使用假彩色表示來映射像素。基于這些聚類圖，對信息量較小的聚類進行注釋，并丟棄這些聚類中的像素。最后，通過平均屬于保留簇的所有像素的歸一化光譜獲得一個SNV光譜來表征每個植物。然后將每種植物的整個發育期表示為一個光譜時間序列。

圖4.V13生長階段玉米植株的 RGB 圖像和聚類圖

用充分澆水控制和缺水脅迫處理來監測來自六個不同澆水處理組的植物的生長動態，并分析對干旱的響應和再澆水后的恢復。在整個實驗過程中（53 天）澆水充足的組作為對照組。圖5顯示了五個不同脅迫程度組的圖，每次都與WW對照組的圖進行比較。每個數據點是該組所有植物的平均值；也給出了標準偏差。圖5(a) 顯示了 PD-RW1組與WW對照組的結果，在整個脅迫澆水恢復期間，與對照組的差異從逐漸增加到澆水后逐漸減小再到增加的過程；圖5(b) 顯示了 PD-RW2 組與對照組的結果，與PD-RW1的過程近似，從第 40 天開始觀察到與 PD-RW1 組的顯著差異，似乎PD-RW2 組已從干旱脅迫中*恢復；圖 5(c) 顯示了 SD 組與對照組的結果。SD從觀察的第一天起就可以看到干旱脅迫的影響。直到第10天干旱植物正在適應水分脅迫環境。植物在第35天之前似乎表現得像 WW 對照植物，之后植物開始重新經歷干旱脅迫。SD組的植物發育受到非常嚴重的損害；對于SD-RW1 和 SD-RW2，目標是評估植物在重新澆水時從嚴重干旱脅迫中恢復的能力的程度。 SD-RW1 組在嚴重干旱誘導后在早期營養狀態 (V7) 中*重新澆水，而 SD-RW2 在發育后期 (V12) 時*重新澆水。圖 5(d)和(e) 顯示了這些組與對照組的結果，對于SD-RW1組，在重新澆水后不久（在T4點）植物健康狀況穩定，并且在營養發育階段結束之前與對照組保持不變。這表明這些植物能夠*恢復并恢復其最佳生長和功能模式。然而，這不是SD-RW2組實現的，它在后期再澆水期(T5)后偏離了對照組。這表明在后期發育階段再澆水不允許植物從嚴重的干旱脅迫中*恢復。

圖5.六個不同澆水處理組的植物的生長動態