综述：叶绿素荧光参数Fv/Fm的最新进展与新兴趋势

本综述系统梳理了叶绿素荧光核心参数Fv/Fm（光系统II最大光化学效率）的研究进展，重点介绍了其在植物逆境生理（如干旱、盐胁迫）、高通量表型分析、遥感监测及作物育种中的应用价值。文章深入探讨了Fv/Fm的生理基础、测量技术（如PAM荧光仪）及其与光合作用、活性氧（ROS）代谢的多组学关联，并展望了人工智能（如LSSVM模型）与多源数据融合的未来发展方向，为植物科学研究提供了重要参考。

　　

1. 引言

叶绿素荧光，尤其是参数F_v/F_m，已成为评估植物光系统II（PSII）最大光化学效率可靠、非侵入性的指标。过去十年间，大量研究利用F_v/F_m来评估植物对多种生物及非生物胁迫的响应，并支持作物改良和生态监测。该参数的计算基于暗适应叶片的最小荧光（F_o）与最大荧光（F_m）之差，即F_v/F_m = (F_m ? F_o)/F_m。在最佳生理条件下，其值通常在0.74至0.85之间，偏离此范围则暗示胁迫诱导的光抑制或PSII反应中心受损。脉冲调制振幅（PAM）荧光计等仪器的进步，使得研究人员能够在受控环境和田间条件下，以高时空分辨率评估F_v/F_m，极大地拓展了其在作物育种、生态系统监测和胁迫生理学等领域的应用。

2. 基本概念与理论基础

2.1. 叶绿素荧光与PSII光化学的基本原理

当植物吸收光能后，部分能量会以荧光形式再发射，这主要源于PSII中的叶绿素a。PSII光化学涉及光捕获复合体吸收光子，能量传递至反应中心，进而驱动水的裂解。在胁迫条件下，受损的电子传递或PSII光损伤会导致吸收能量的重新分配，增加荧光发射或热耗散的比例。F_v/F_m等参数反映了PSII光化学效率，是评估植物生理状态的关键。

2.2. F_v、F_m及F_v/F_m比值的定义与解读

F_o代表所有PSII反应中心开放时的基础荧光水平；F_m是施加饱和光脉冲后所有反应中心关闭时的最大荧光；可变荧光F_v = F_m – F_o。F_v/F_m比值被广泛认为是暗适应叶片PSII的内在光化学效率指标。该值显著低于0.80通常表明PSII反应中心受损或效率降低。

2.3. 影响植物F_v/F_m值的因素

干旱、盐碱、高温、低温及营养缺乏等多种胁迫均可降低F_v/F_m值。物种间和品种间在基础F_v/F_m值及其胁迫响应方面存在差异。此外，叶片年龄、叶绿体发育及类囊体膜结构完整性也会影响荧光参数。

2.4. PSII能量分配的集成模型与F_v/F_m预测

“能量通量模型”等框架将PSII的能量预算划分为吸收、捕获、电子传递和耗散等部分。新兴的研究利用机器学习方法，例如最小二乘支持向量机（LSSVM）模型，通过环境变量和叶片反射光谱特征来预测F_v/F_m，为无需暗适应的高通量表型分析开辟了新途径。

3. 测量F_v/F_m的方法学进展

3.1. 标准方案与设备概述（如PAM荧光测定法）

PAM荧光测定法是量化F_v/F_m最广泛采用的方法。该技术利用一系列活化光和饱和光脉冲来区分F_o和F_m，从而计算F_v/F_m。便携式设备（如MINI-PAM）和成像系统（如Imaging-PAM）实现了详细的时空荧光图谱绘制。

3.2. 成像技术与高通量表型分析的进展

叶绿素荧光成像技术能够从整个叶片或冠层收集空间分辨的数据，这对于可视化PSII效率的异质性和检测局部胁迫响应尤为有用。高通量平台将RGB成像与叶绿素荧光分析相结合，可高效筛选大量植物群体。

3.3. 田间与实验室测量的方法学局限与考量

田间测量面临光照条件波动、环境温度变化和风致叶片运动等挑战，这些都会影响荧光信号。日间变化也是需要考虑的因素。因此，标准化测量时间对于田间研究至关重要。

3.4. 近期研究中数据质量与可重复性评估

通过集成自动控制系统和标准操作程序（SOPs），可以最大限度地减少测量误差和实验间变异性。将荧光成像与其他成像模式（如高光谱成像）融合，有助于降低噪声并提高胁迫检测的空间分辨率。

4. F_v/F_m研究的最新进展

4.1. 非生物胁迫响应与应用

F_v/F_m已被广泛应用于评估植物对干旱、高温、低温、盐分和营养缺乏等非生物胁迫的响应。在这些情境下，F_v/F_m作为光抑制和PSII效率下降的敏感指标。例如，在大豆上的研究表明，中度至重度干旱导致F_v/F_m显著降低，并伴随非光化学淬灭（NPQ）和活性氧（ROS）积累增加。

4.2. 生物胁迫与病原菌互作及应用

病原菌侵染会破坏PSII电子传递，导致感染组织F_v/F_m降低，且常在可见症状出现之前。这使得F_v/F_m成为植物免疫筛选和抗病性鉴定的有价值的非侵入性标记。

4.3. F_v/F_m在生态系统生产力与碳平衡模型中的作用

F_v/F_m不仅是胁迫的诊断指标，也是量化碳循环研究中光合效率的关键代理指标。其与总初级生产力（GPP）和净生态系统交换（NEE）等碳通量密切相关。将其与光利用效率（LUE）模型结合，可以增强在不同环境条件下模拟GPP的能力。

4.4. 基因型与物种水平变异及应用

F_v/F_m已成为量化环境胁迫下PSII效率种内和种间变异性的核心性状。在耐热小麦和水稻的研究中，胁迫下保持较高F_v/F_m值的基因型也维持了较高的生物量和产量。

4.5. 遥感与精准农业应用

技术进步使得F_v/F_m得以集成到遥感平台中，特别是搭载多光谱和荧光成像传感器的无人机（UAV）和卫星。这些系统有助于快速、非侵入性、大范围的作物监测。卫星遥感通过机器学习算法，可以在更大时空尺度上估算F_v/F_m。

4.6. F_v/F_m估计的经典统计方法

在机器学习广泛应用之前，经典回归模型在根据遥感和原位数据估算F_v/F_m方面发挥了基础性作用。线性回归等统计方法为现代机器学习工具出现前的胁迫生理学研究奠定了基础。

5. F_v/F_m与其他生理生化参数的关系

5.1. 与光合活性及气体交换的相关性

F_v/F_m与净光合速率（P_n）和气孔导度（G_s）在胁迫条件下通常表现出强烈的线性关系。这些参数在热、旱、盐等压力下协同下降，反映了PSII效率下降对碳同化效率的影响。

5.2. F_v/F_m与ROS产生

非生物胁迫常常会触发ROS（如H₂O₂）的积累，这会损害类囊体膜并损害PSII功能。这种氧化负担导致光抑制和电子传递减少，从而降低F_v/F_m值。研究表明，能够维持较高F_v/F_m值的基因型，其抗氧化酶活性和ROS清除途径也更强。

5.3. 与转录组学和蛋白质组学的整合

组学方法极大地丰富了我们对F_v/F_m作为系统水平标记的理解。转录组学研究表明，参与光合作用、光保护和氧化还原调节的基因与F_v/F_m响应密切相关。蛋白质组学分析则发现，F_v/F_m的下降与PSII核心蛋白、Rubisco和ATP合酶复合物含量的减少有关。

6. 研究空白与争议

尽管F_v/F_m作为PSII效率的关键指标被广泛应用，但其灵敏度受胁迫类型和严重程度、植物物种及环境条件的影响。此外，物种间基线值的显著变异、测量方案的差异以及标准PAM荧光测定法仅能捕获基于点的数据，可能忽略胁迫响应的空间异质性，这些都是当前面临的挑战。未来的研究应优先制定标准化的、适应物种的方案，将F_v/F_m与NPQ、电子传递速率（ETR）和抗氧化酶活性等补充性指标相结合，并推进能够进行高分辨率实时诊断的成像技术。

7. 与当前及未来研究的联系

F_v/F_m正日益融入高通量表型和育种平台，有助于在干旱和盐分等非生物挑战下进行早期胁迫检测和性状选择。与组学数据结合时，F_v/F_m增强了从基因型到表型的分辨率。无人机和卫星遥感方面的最新进展实现了对作物健康和植被性能的空间监测。人工智能和机器学习方法使得无需暗适应的实时胁迫预测成为可能。展望未来，动态建模和传感器融合将把F_v/F_m从诊断工具转变为预测工具，在应对全球环境变化的数字农业、生态预报和胁迫生理学中发挥核心作用。