Plant Phenomics | 利用偏振測(cè)量法減輕高光譜成像中的光照、葉片和視角依賴性

由于全球人口的快速增長(zhǎng)、耕地減少、氣候變化和水資源短缺，對(duì)先進(jìn)植物表型方法的需求日益增長(zhǎng)。這些因素對(duì)農(nóng)業(yè)部門(mén)提出了重大挑戰(zhàn)，需要改進(jìn)作物診斷和育種計(jì)劃，以確保糧食安全。表型研究，對(duì)于這些進(jìn)展至關(guān)重要，但在受控環(huán)境（如溫室）中可實(shí)現(xiàn)的表型質(zhì)量與在田間條件下可獲得的表型質(zhì)量之間仍然存在顯著差距。田間表型分析的一個(gè)主要挑戰(zhàn)是雙向反射率分布函數(shù)（BRDF），它會(huì)影響葉片或冠層顏色的測(cè)量。太陽(yáng)入射角和視角會(huì)導(dǎo)致陽(yáng)光從葉子上反射，產(chǎn)生眩光，掩蓋葉子的真實(shí)顏色，從而影響數(shù)據(jù)的可靠性。雖然以前的研究試圖通過(guò)光散射模擬和 3D 傳感器融合等各種方法解決這些問(wèn)題，但這些解決方案通常需要復(fù)雜的計(jì)算、專(zhuān)業(yè)知識(shí)或在不同條件下進(jìn)行一系列不切實(shí)際的測(cè)量。
 

2024年3月，Plant Phenomics 在線發(fā)表了北卡羅萊納州立大學(xué)的Daniel Krafft、Clifton G. Scarboro和William Hsieh等人的合作完成的題為Mitigating Illumination-, Leaf-, and View-Angle Dependencies in Hyperspectral Imaging Using Polarimetry 的研究成果。他們的開(kāi)創(chuàng)性研究深入探討了植物表型的復(fù)雜性，特別是在光反射和不同角度等因素構(gòu)成重大挑戰(zhàn)的田間條件下。
 

該研究的重點(diǎn)是通過(guò)開(kāi)發(fā)一種方法來(lái)減輕使用偏振法在高光譜成像中的照明、葉子和視角依賴性，從而改善植物表型。這種新方法涉及兩個(gè)主要項(xiàng)目：桅桿安裝的高光譜成像旋光儀（HIP）和基于多基地光纖（MFB）的Mueller矩陣雙向反射率分布函數(shù)（mmBRDF）儀器。HIP用于晝夜周期的現(xiàn)場(chǎng)成像，而 mmBRDF 儀器用于在受控環(huán)境中進(jìn)行詳細(xì)的葉片水平分析。該方法創(chuàng)新的使用偏振光將從葉子表面反射的光與散射在葉子組織內(nèi)的光分開(kāi)，從而顯著減少了眩光的影響，眩光傳統(tǒng)上會(huì)掩蓋真正的葉子顏色并損害數(shù)據(jù)可靠性。該方法還涉及將高光譜數(shù)據(jù)下采樣為更簡(jiǎn)單的雙波段植被指數(shù)（VI）–GNDVI 和 RERR– 以簡(jiǎn)化分析，同時(shí)保持準(zhǔn)確性。
 

實(shí)驗(yàn)結(jié)果表明，采用新的校正技術(shù)后，植被指數(shù)測(cè)量的平均誤差顯著改善，標(biāo)準(zhǔn)差減小。這表明在自然陽(yáng)光下葉色估計(jì)的準(zhǔn)確性有了顯著提高，這對(duì)于準(zhǔn)確的植物表型分析至關(guān)重要。這項(xiàng)技術(shù)旨在解決田間數(shù)據(jù)收集中長(zhǎng)期存在的環(huán)境差異問(wèn)題，為評(píng)估自然條件下的植物健康和特性提供一種更準(zhǔn)確和更方便的方法，有望簡(jiǎn)化數(shù)據(jù)捕獲并提高自然陽(yáng)光下葉色估計(jì)的準(zhǔn)確性。

圖1 (a)給出了BRDF建模使用的角度約定，(b)顯示了在上午8:29，下午12:30和下午5:30采樣的三幅野外示例DoLP圖像。請(qǐng)注意，隨著太陽(yáng)全天位置的變化，具有高DoLP的明亮部分如何在整個(gè)場(chǎng)中移動(dòng)
 

圖2 校準(zhǔn)后的偏振誤差圖。圖a是相對(duì)于波長(zhǎng)的偏振誤差(橫跨探測(cè)器陣列的x軸)。圖b是相對(duì)于狹縫位置的偏振誤差(穿過(guò)探測(cè)器陣列的y軸)。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0157

——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(cè)番茄葉片中元素含量的多目標(biāo)回歸方法

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(kāi)展作者分享會(huì)、專(zhuān)刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(guó)科學(xué)促進(jìn)會(huì)（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(kāi)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(kù)收錄�？祁Ｎò睯CR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類(lèi)一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說(shuō)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：許滸（南京農(nóng)業(yè)大學(xué)）
排版：趙慶澤（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平