Plant Phenomics | 湖州師范學(xué)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(yīng)用

由于工業(yè)發(fā)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(tài)和內(nèi)部結(jié)構(gòu)發(fā)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(tǒng)的重金屬檢測方法費(fèi)工、費(fèi)時、費(fèi)力，且成本高昂。而快速、準(zhǔn)確、無損地檢測植物重金屬脅迫，有助于實(shí)現(xiàn)對植物生長狀態(tài)的精準(zhǔn)管理，加速抗重金屬植物品種的選育。
 

2023年11月，Plant Phenomics 在線發(fā)表了湖州師范學(xué)院、南京林業(yè)大學(xué)和石河子大學(xué)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(yīng)用，并介紹了光譜學(xué)與機(jī)器學(xué)習(xí)方法相結(jié)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(shù)、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(yōu)勢、局限性、挑戰(zhàn)和前景。
 

圖1 植物重金屬脅迫表現(xiàn)分析

圖2 （A） V/NIR光譜和（B） HSI系統(tǒng)的實(shí)驗(yàn)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(shù)在植物重金屬脅迫表型分析中具有廣泛的應(yīng)用場景。未來，可以結(jié)合多種傳感技術(shù)和建模方法，提高檢測模型的穩(wěn)定性和適用性，進(jìn)一步促進(jìn)技術(shù)與實(shí)際應(yīng)用的融合，實(shí)現(xiàn)植物重金屬脅迫的早期檢測和準(zhǔn)確診斷，為保障人類健康和生態(tài)環(huán)境安全做出貢獻(xiàn)。

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(xué)利用高光譜圖像預(yù)測番茄葉片中元素含量的多目標(biāo)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(shù)融合深度學(xué)習(xí)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(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國科技期刊卓越行動計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。

中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。

撰稿：張帆航（南京農(nóng)業(yè)大學(xué)）

編輯：許怡瑤（南京農(nóng)業(yè)大學(xué)）

審核：孔敏、王平