编辑推荐：
为解决气候变化下作物受干旱和热胁迫导致减产的问题，研究人员开展 “利用生物电信号和机器学习解码干旱和热胁迫下油菜和燕麦作物健康及生产力” 的研究。结果显示可识别超 85% 的受胁迫作物，能解释 58 - 95% 的生物量变化，这为胁迫检测和生物量估算提供新方法。
在全球气候变化的大背景下，极端天气事件愈发频繁，干旱和热浪等自然灾害对农作物的生长构成了巨大威胁。想象一下，大片的农田里，农作物本应茁壮成长，却因为高温和缺水，变得萎靡不振，产量大幅下降，这不仅影响了农民的收入，更威胁着全球的粮食安全。据相关研究表明，热胁迫和干旱胁迫分别会使作物减产 33% 和 48%，而二者共同作用时，平均减产幅度竟高达 65% 。像油菜这类开花作物，对高温胁迫极为敏感，花粉流产和授粉失败会让其产量损失超过 60% 。在这样严峻的形势下，如何快速、有效地评估植物在不同胁迫下的健康状况，成为了农业领域亟待解决的关键问题。
为了攻克这一难题，国外的研究人员开展了一项极具意义的研究。他们将研究成果发表在了《Artificial Intelligence in Agriculture》上。研究人员通过一系列实验，利用生物电信号和机器学习技术，对干旱和热胁迫下油菜（Brassica napus L.）和燕麦（Avena sativa L.）的作物健康及生产力进行解码，旨在为农业生产提供更精准的监测和管理方法。
在这项研究中，研究人员主要运用了以下几种关键技术方法：首先，使用针状传感器测量植物的生物电信号，该传感器能捕捉植物组织两点间的电压差，反映植物代谢过程和离子运输所驱动的电化学活动；其次，采用机器学习算法，包括随机森林（Random Forest）、K 近邻（K-Nearest Neighbors）和支持向量机（Support Vector Machines）等，对植物的胁迫状况进行分类，并估算生物量；此外，对实验数据进行了复杂的处理，包括数据提取、转换格式、去除噪声、特征提取、归一化和标记等操作。
研究结果主要包括以下几个方面：
- 生物信号对非生物胁迫的响应：健康油菜的生物电信号较为稳定，热胁迫使其信号强度显著降低，最多可减少 57%，且信号变化与气温变化并非同步，存在延迟。干旱胁迫同样使油菜信号强度降低，最多减少 59% 。燕麦作物信号波动较大，干旱条件下其信号电位逐渐下降。通过分析信号特征重要性发现，热胁迫主要增加了电位变化模式的复杂性，而干旱胁迫下信号 SUM 成为关键特征，对信号模式影响较小。
- 基于生物信号的植物健康检测：利用机器学习模型，信号测量能够快速区分植物健康状态。1 分钟信号测量时，K 近邻就能识别超 89% 的健康油菜和 96% 的热胁迫油菜，随着测量时间延长，各模型识别能力均增强。30 分钟测量时，随机森林在检测植物健康状态方面表现最佳，能成功识别超 85% 的受胁迫作物。但区分不同品种作物仍存在挑战，长时间测量有助于提高对品种差异的识别精度。
- 地上和地下生物量估算：热胁迫对油菜生物量的影响因品种而异，部分品种地上和地下生物量增加，而干旱胁迫使油菜和燕麦的地上、地下生物量均显著下降。30 分钟的信号测量在估算生物量方面有一定准确性，在油菜热胁迫实验中能解释 95% 的地上生物量变化，但在燕麦实验中预测准确性有所下降。不同作物和胁迫条件下，生物量与信号特征的线性关系存在差异。
研究结论和讨论部分指出，热胁迫对植物生物量的影响因生长阶段而异，在营养生长阶段，适度升温可能促进光合作用和干物质积累，但在开花阶段则会降低产量。干旱胁迫主要通过减少养分吸收、降低光合速率等方式减少生物量。生物电信号的变化与植物内部生理代谢活动和离子流动密切相关，热胁迫和干旱胁迫分别通过不同机制影响生物电信号。利用生物电信号和机器学习进行植物健康检测和生物量估算具有潜力，但仍需优化，如改进传感器、完善模型等，以适应不同作物品种和复杂的田间环境。
这项研究意义重大，它为农业生产提供了一种快速、高效的胁迫检测和生物量估算方法，有助于农业生产者及时采取措施应对环境胁迫，减少作物损失。同时，也为植物科学研究提供了新的思路和方法，推动了生物技术与数字技术在农业领域的融合发展，对保障全球粮食安全具有重要的现实意义。未来，随着技术的不断进步，有望进一步完善该监测体系，使其在农业生产中发挥更大的作用。
