《Industrial Crops and Products》：Fungal specificity in degradation of Moso bamboo: White-rot versus brown-rot fungi
在工业和医用大麻种植领域，准确且无损地预测大麻植物中的大麻素浓度对于优化作物价值和确保符合监管要求至关重要。本研究首次证明，通过在整个植株冠层上对扇叶进行高光谱反射率（FLHR）测量，即使在开花初期和后期，也可以可靠地预测成熟花穗中的最终大麻素含量。研究选择了两种大麻品种，并在七种不同的光照条件下进行了实验，结果表明基于FLHR光谱数据训练的机器学习模型能够以较高的预测精度（R2值最高达到CBD为0.89，THC为0.77，总大麻素为0.8）预测大麻素含量，其效果优于以往的方法。这一方法使用了一种手持式无损高光谱设备，使种植者能够在不进行破坏性采样或实验室分析（如高效液相色谱法HPLC或气相色谱-质谱联用技术GC-MS）的情况下，快速对完整扇叶进行现场评估。通过FLHR测量，不仅能够区分不同品种和光照处理，还提供了一种用于种质分类的工具。能够提前几周预测大麻素含量的能力对大麻生产具有重要意义，有助于种植者和育种者提高产品质量、降低成本并确保合规性，尤其是在受严格THC限制的工业大麻作物或用于跟踪和预测医用大麻产量的操作中。
大麻植物（*Cannabis sativa* L.）是葫芦科植物，因其药用和毒品特性、营养丰富的油籽以及强韧的天然纤维而闻名。大麻素的种类和用途决定了植物的药理活性，其中主要的活性成分包括Δ9-四氢大麻酚（THC）和大麻二酚（CBD）。THC主要集中在叶子和花穗中，而CBD则存在于所有植物组织中，且具有潜在的药用价值。大麻素主要在腺毛中合成并储存，其中在雌性花中浓度最高。毒品型大麻通常含有高浓度的THC，而工业大麻则因其低THC含量（通常低于0.1%-1%，具体取决于当地法规）和相对较高的CBD含量而被定义。其他值得关注的大麻素包括Δ8-四氢大麻酚（Δ8-THC）、大麻二酚变异体（CBDV）、四氢大麻酚变异体（THCV）、大麻萜酚（CBG）、大麻二烯（CBC）、大麻酚（CBN）及其酸性前体（如THCA、CBDA、CBGA、CBCA、CBDVA、THCVA）。准确确定这些大麻素的含量对于大麻的药用和工业应用都至关重要。
早期的大麻素无损预测具有显著优势。在药用大麻种植中，可以提前识别出表现优异的植株并优先培育，从而减少对低效植株的资源浪费。育种者可以在开花前选择有潜力的植株进行杂交。种植者也可以利用预测结果确定最佳采收时间点，从而最大化产量并缩短生长周期。在工业大麻生产中，如果在采收前或时THC含量超过法定标准，整个作物可能需要被销毁，这对种植者造成巨大的经济损失。因此，能够提前预测THC含量，有助于识别并移除那些可能超出法定标准的植株，从而降低风险。
传统的测定大麻素含量的方法包括高效液相色谱（HPLC）和气相色谱-质谱联用（GC-MS），以及核磁共振（NMR）或离子迁移质谱（IMS）。虽然这些技术能提供准确的大麻素分析，但存在一些缺点，如需要破坏植物组织、成本高昂、处理过程繁琐，并且使用有害化学物质。因此，开发一种快速、无损的测定方法对于药用和工业大麻种植者和监管机构来说是必要的。傅里叶变换红外（FT-IR）和近红外光谱（NIR）技术显示出一定的前景，但它们通常需要在实验室中进行后期处理，从而限制了它们在种植过程中实时检测大麻素的能力。更理想的是，一种可以在温室或田间使用的移动式即时分析方法。
高光谱成像已被用于确定植物性别、品种、识别植物部位，并预测新鲜花和叶样本中的最终大麻素浓度。高光谱信号受样本的完整生化成分影响，从而能够区分不同大麻素的组成。与光谱传感相比，高光谱成像的优势在于同时捕捉空间和光谱信息。对于脱离植物部分的样本，几乎不需要任何预处理，而对于远程传感则完全不需要接触样本。因此，高光谱成像非常适合在室内和田间环境中进行快速、高通量的分析。
尽管以往的研究尝试利用高光谱反射率（HR）技术无损测定大麻素浓度，但相关研究（如Lu等人，2022a和2022b）仍需移除花穗和叶子进行测量，因此在一定程度上具有破坏性。此外，这些研究在使用400–1000纳米波长范围测定花组织时，对于CBD、THC及其酸性形式的预测准确性较好，但对扇叶的测量未能有效预测这些主要大麻素。因此，一种能够在大麻花发育早期无损预测大麻素含量的方法仍需进一步探索。
本研究提出了一种方法，能够通过在大麻花出现前和数周后对扇叶进行高光谱测量，准确预测最终大麻素含量。我们展示了无论品种或生长条件如何，都可以在花发育之前准确预测主要大麻素（THC、CBD、CBDA）、次要大麻素（CBGA、CBCA）和总大麻素的含量。
在实验方法部分，我们种植了两个大麻品种：Black Label（BL）和Mountain Strong CBD 1（MSD1）。这些品种在2023年进行了三次生长周期，分别从1月到3月（GC1）、5月到7月（GC2）和8月到10月（GC3）。GC1作为试点实验，用于建立稳定的生长条件（如克隆协议、适当的光照强度和灌溉方案），因此GC1的数据未在此展示。MSD1和BL植株分别种植，因为它们的生长习性不同（MSD1植株较为矮壮，而BL植株倾向于生长得更高）。为了避免不同生长周期之间植株位置变化带来的表型差异，MSD1植株始终种植在靠近门的位置。光照强度（LI）和光谱测量在冠层水平上使用SpectraPen SP（Photon Systems Instruments，捷克共和国）进行。
在GC2和GC3中，所有植株均从各自的母株（雌性）克隆而来。为了生成克隆，从母株上移除的侧枝（长度约为14厘米）被种植在椰糠基质（CocoGreen?，英国）中，并在营养生长条件下（18小时光照周期，固定位置的SON-T 400W E E40 SL/12高压钠灯（HPS）和HortiVision 3000k 600W陶瓷金属卤素灯（MH），光照强度范围为480–1200微摩尔量子/平方米/秒，温度为28/18°C）进行培养。在移除侧枝时，选择在靠近节间的上方约5毫米处切割，并尽量选择高度相似的冠层位置。移除侧枝上的叶子，除了靠近顶芽的部分，以形成“棒棒糖”状的冠层（
图1）。将切割端用刀片刮伤并浸泡在基于生长素的生根激素凝胶（Clonex Purple，Yates，澳大利亚）中约2厘米深。切割后的侧枝被插入20毫米厚的硅胶圆盘中，使得约6厘米的侧枝从圆盘两侧延伸出来，然后被加载到SeaHawk 24位气雾栽培繁殖器（GlandoreHydro?，Glandore Hydroponics，澳大利亚）中，并被封闭在透明湿度罩内。繁殖器的水箱被填充至推荐水平的1/4强度COCO A+B肥料（BAC，BG Products BV，荷兰；0.63毫升/升，pH 5.7–5.8，电导率1500–1600微西门子）。由于GC1中仅使用阿德莱德市政水进行培养的克隆在繁殖器中表现出营养缺乏的迹象，因此GC2和GC3的克隆均使用了这种肥料。除了在BRW光谱下进行两周的光照处理外，其余时间克隆在繁殖器中维持营养生长条件（见上文和
图1）。随后，湿度罩的通风口被逐渐打开，以使克隆适应CER环境。
两周后，生根的侧枝（称为“克隆”）被转移到1升的盆中，这些盆中填充了椰糠基质。随后，克隆在相应的光照条件下生长一周，以完成其适应过程。在1升盆中，椰糠基质每两天用水1升的1/2强度COCO A+B肥料进行灌溉。每周还会用相同的营养液冲洗一次椰糠基质，以防止盐分积累造成不利影响。在进行了四周的光照处理后，当克隆高度达到约25厘米时，它们被移植到15升的盆中，同样填充椰糠基质。从那时起，通过将克隆转移到12小时光照周期（PP）来诱导开花，这将持续五周。在这最后阶段，记录了两次花叶高光谱反射率（FLHR）光谱数据，分别在开花开始后的两周和四周。之后，收获花朵、干燥并测定大麻素含量。这些大麻素含量被用作预测机器学习模型的靶向数据。
在实验设计方面，我们对GC2和GC3的克隆应用了不同的光照处理。在GC2和GC3中，三周大的克隆在1升盆中接受不同类型的光照处理。其中包括混合的HPS和MH光谱（称为“HPS + MH”组）以及不同的LED光谱（包括Broad、BRW、BW、RW、BR、BW-RW和RW-BW组；
图2提供了处理组的概述）。这些LED灯由南澳大利亚的照明公司VAILO定制设计，包含白光、蓝光和红光二极管。每种二极管的光照强度被独立控制，以测试特定的光谱效果。光谱处理组的选择基于与行业合作伙伴的讨论。HPS + MH和BRW组被选为行业标准。Broad组被选用于测试具有较弱蓝光和红光部分及较强绿光和黄光波长的光谱效果。BW和RW组则用于评估蓝光和红光偏好的光谱对大麻的影响。BR组被选为与BRW组的对照，以测试“白光”LED二极管对大麻生长和产量的影响。BW-RW组被选用于测试一个行业假设，即蓝光偏好的光谱可能促进营养生长，而红光偏好的光谱可能促进大麻素合成。RW-BW组则被选为探索性组，以测试蓝光丰富的光谱是否能减少大麻素的产生。LED组的光照强度被保持恒定，通过使用滑轮系统确保LED灯保持在离冠层50厘米的位置（
图1和
图2）。然而，固定位置的HPS + MH照明无法实现这一目标，因此在该组中，随着植株的生长，冠层的光照强度会增加。为了防止光照干扰，我们悬挂了水培薄膜（Panda Film，PureHydroponics，新西兰），将三个CER中的两个分隔成四个区域，以实现最大反射率，从而允许我们同时测试四种LED光谱，并确保光照处理不会相互干扰。克隆在这些条件下生长了九周（
图1）。
在高光谱测量方面，我们分别在开花开始后的两周和四周进行测量（
图1；
表1）。这些测量分别被标记为“早期”和“晚期”。每种处理组中，每株植物测量3到5次，每株植物测量5个扇叶的顶部。使用ASD FieldSpec3 Hi-Res宽带光谱辐射计（Malvern Analytical，美国），覆盖350–2500纳米的波长范围，包含2151个波长带，测量区域直径约为2厘米。在采集过程中，我们特别注意选择冠层外部的扇叶（即那些自遮阴较少的叶子）。测量时，相应灯光保持开启，时间为上午9点至中午，使用叶夹配合探头以避免环境光干扰，并利用内置的宽带卤素光源进行测量。仪器被校准以对齐圆形白色目标垫（直径5厘米，编号SG 3151，日期15/10/2015，编号T15102208，反射率R% 99，SphereOptics GmbH），并通过关闭内部快门多次进行暗电流基线校正，以确保测量结果的稳定性。
在大麻素提取和定量分析方面，花朵在暴露于光照处理九周后被收获，即在第二次FLHR光谱测量后一周。花朵被放入60°C的烘箱中干燥七天。干燥后，将花样磨成细粉，使用带有1厘米球轴承的金属样品罐和Mixer Mill MM400（Retsch，德国）进行研磨。从每份样品中取出约50毫克的样本，转移到2毫升反应管中，记录的重量用于后续数据分析。使用100%的HPLC级乙醇（从ChemSupply，澳大利亚获得）将样本体积增加到2毫升。混合物在超声波浴（Soniclean 100 T 50/60 Hz数字台式超声波水浴，Soniclean，澳大利亚）中进行超声波处理15分钟，每隔5分钟手动倒置以确保充分提取。超声波处理后，样本在4°C和14,680 rpm下离心5分钟。所得上清液（约1.5毫升）被小心转移到新的反应管中。再次进行相同条件下的离心步骤以进一步澄清提取物。对于色谱分析，50微升的最终上清液被转移到HPLC样品瓶中，而剩余的提取物则在-20°C下储存以备将来分析。
所有色谱分析均使用Agilent Technologies（德国）的1260 Infinity Binary LC系统进行，包括1260 Infinity Binary Pump（G1312B）、1260 Infinity High-Performance Degasser（G4225A）、1260 Infinity High-Performance Autosampler（G1367E）和1290 Infinity Thermostatic Column Compartment（G1316C）。使用1260 Infinity Diode Array Detector（G4212B）进行检测，记录完整光谱（240纳米）。色谱分离使用LC Column（50 × 2.1毫米；Kinetex? 2.6微米C18 100 ?，Phenomenex，澳大利亚）。设备控制、数据采集和峰积分通过Agilent Technologies（德国）的Open Lab ChemStation软件版本C.01 06进行。
流动相由0.1%甲酸/甲醇（缓冲液B）和0.1%甲酸/分子水（缓冲液A）组成。甲醇（HPLC级）从Sigma-Aldrich（澳大利亚）获得，甲酸（LC-MS级）从Thermo Fisher（德国）购买。初始设置为60%缓冲液B和40%缓冲液A，线性增加到85%缓冲液B需要10分钟，然后在一分钟内增加到100%缓冲液B。在保持这些条件2分钟后，柱子被重置到初始条件，持续3分钟以重新平衡。总运行时间为16分钟，流速设定为0.5毫升/分钟，进样量为2微升。柱温保持在50°C。
我们购买了Cerilliant认证的混合大麻素标准品，包括中性形式（Δ-8 THC、THC、CBD、CBG、CBN、CBC、CBDV和THCV）和酸性形式（CBCA、CBDVA、CBDA、CBGA、THCVA和THCA），所有标准品的浓度均为0.5毫克/毫升。我们准备了一种包含所有14种大麻素的“混合”标准品，并测量了其稀释系列。对于定量分析，分别使用了针对中性大麻素（200、100、50、25和12.5微克/毫升）和酸性大麻素（250、125、62.5、31.25和15.625微克/毫升）的五点校准曲线。我们对所有14种大麻素进行了定量分析，其中选择了五种化合物（CBD、CBDA、CBGA、CBCA和THC）以及总大麻素用于开发数学预测模型。总大麻素含量被计算为所有单独定量的大麻素浓度之和。
在高光谱数据分析方面，我们收集了GC2和GC3的数据，并针对“早期”和“晚期”测量时间点进行分析（
表1）。为了在不同测量活动中生成可比较的数据，我们使用了两点校准方法对获取的光谱数据进行校准。为了生成现实的训练数据集，我们对每个样本的植物ID进行了标记。机器学习模型的设置如
表2所示。为了在现实条件下测试所有模型，我们采用了“完整”的留一法验证方案，即在每次训练中将一个完整的植物排除在外。在此背景下，“完整”意味着该过程被重复进行，直到数据集中的每株植物都作为验证植物。所有验证周期的测试预测值随后被用于计算个体性能指标：相关性（R）、决定系数（R2）、均方根预测误差（RMSER）以及绝对预测误差的均值和标准差（MER）。模型分别针对六种目标化合物（CBD、CBDA、CBGA、CBCA、THC和总大麻素）进行设置（
表3）。
在结果部分，我们观察到不同光照处理对植物生长和其扇叶产生了明显的表型影响（
图5）。例如，虽然BL植株总是比MSD1植株更高，但那些在红光丰富的光照条件下生长的植株比其他光照条件下的植株更大，除了HPS + MH组。此外，MSD1植株的扇叶通常比BL植株更深绿色，并且在某些处理组（如GC2 BW）中，MSD1的扇叶呈现出紫色。红光丰富的光谱倾向于产生颜色较浅的叶子，而蓝光丰富的光谱则产生颜色较深的叶子。在同一品种的克隆之间，我们未观察到光照处理对花期发育时间的影响。然而，MSD1的花期特征（如顶芽和侧芽的雌蕊）比BL早出现几天（数据未展示）。
我们能够通过HPLC分析使用Cerilliant认证的混合大麻素标准品识别样本中的大麻素（例如，参见
图S3；
Phillips等人，2025）。我们发现样本中CBD和CBDA的峰较高，而THC的峰较低，这与我们高CBD化学型品种的预期相符。HPLC数据揭示了BL和MSD1花穗的大麻素组成以及当前研究中测试的光照处理之间的差异。这种变化为构建稳健的预测模型提供了基础（见下文）。
FLHR测量能够区分本研究中使用的两个品种（BL和MSD1）（
图4）。这可能并不令人意外，因为大麻品种在不同生长条件下会表现出不同的次生代谢物积累，包括大麻素和萜类物质（
Abdollahi等人，2021；
De Prato等人，2022；
Hazekamp和Fischedick，2012；
Janatová等人，2018；
Jin等人，2021a），并且它们的扇叶形态与化学型相关（
Jin等人，2021b）。事实上，
Matros等人（2023）能够在田间区分同一品种中的雄性和雌性大麻植株，这可能是由于叶片生化成分的细微变化（但不是叶片解剖结构；
Ghosh等人，2024），提供了足够的高光谱反射率信息用于区分。使用FLHR测量区分大麻品种的能力为种植者和育种者提供了机会，可以将他们的种质与已知品种进行分类。鉴于目前流通的大麻品种多样性及其缺乏详细记录，FLHR测量可能成为育种者选择多样化亲本进行杂交的工具，而无需进行广泛的表型分析。此外，也值得探讨FLHR测量是否可以用于识别不同品种之间的杂交事件。目前，尚不清楚FLHR测量可以在大麻植株发育的哪个阶段用于分类个体植株，因为缺乏对扇叶解剖结构和次生代谢物随时间变化的研究及其与最终大麻素产量的关系。此外，短期胁迫暴露已被证明会改变大麻花穗的大麻素组成（
Park等人，2022；
Phillips等人，2025；
Sandoval等人，2024），这可能会干扰基于高光谱的预测。此外，从植株上切下的组织可能会脱水，从而影响高光谱反射率（HR）的读数，如在鳄梨、橄榄和葡萄叶片中观察到的（
Estrada等人，2025）。虽然高光谱反射率已被报道用于大麻，但这些测量通常是在发育良好的花朵上进行的，因此无法为种植者或育种者提供早期选择的机会（
San Nicolas等人，2024），或者仅考虑了从整株顶部向下进行的冠层高光谱反射率（
Sanaeifar等人，2024）。值得注意的是，后者研究并未测量大麻素含量，但若靠近采样花朵的叶片能提供比远离花朵的叶片更准确的大麻素预测，那么冠层级别的高光谱成像可能会高估大麻素含量。我们的方法通过整合整个植株的垂直表面测量，提供了一种全面、无损且早期的大麻素预测工具。
