基于冠层和叶片高光谱反射率预测地中海地区春小麦产量及生理性状的研究新突破

在全球气候变化背景下，小麦生产面临挑战。研究人员开展利用高光谱反射率数据估计春小麦产量和生理性状的研究。结果表明该方法可行，且不同模型和光谱采集方式各有优势。这为小麦育种和应对气候变化提供了重要依据。

　　随着全球人口增长，对粮食的需求不断攀升，预计到 2050 年全球农业生产需求将翻倍。小麦作为世界上种植最广泛的作物之一，在地中海地区的种植面积和产量都颇为可观。然而，地中海地区的小麦生长面临着严峻的挑战，水 deficit（缺水）成为影响其产量的重要因素。在这个地区，缺水会导致小麦在开花期和灌浆期碳同化减少，进而造成产量下降，这就是所谓的 “终端干旱胁迫”。并且，气候变化还在不断加剧包括地中海雨养地区在内的干旱压力，严重影响了作物生产。

为了应对这一困境，培育适应不良环境条件的小麦品种显得尤为重要。而筛选具有优良性状的小麦基因型，关键在于准确评估其生理和产量性状。但传统的评估方法存在诸多问题，例如评估生理性状时，需要专门的设备，操作过程既耗时又繁琐，而且每天的测量时间有限，面对大量的基因型，很难全面深入地进行表型特征描述，这无疑给育种工作带来了巨大的阻碍。

在这样的背景下，来自国外的研究人员开展了一项极具意义的研究。他们旨在利用在冠层和叶片水平收集的全范围高光谱反射率数据，来估计春面包小麦基因型的产量和生理性状。研究结果显示，该方法具有较高的可行性。通过多元模型分析，能有效解释大部分性状的变异，其中荧光参数（R² = 0.78 - 0.88）、δ¹³C（R² = 0.80）、叶片色素（R² = 0.50 - 0.74）、Ψ_leaf（R² = 0.72）和叶面积指数（LAI，R² = 0.68）的预测效果最为显著。这一研究成果发表在《Crop and Environment》上，为小麦育种和农业生产应对气候变化提供了重要的理论支持和实践指导，有助于加速小麦育种进程，增强作物对气候变化的适应能力，提高粮食安全性。

研究人员主要运用了以下关键技术方法：选择 15 个春面包小麦基因型和 1 个小黑麦基因型，在智利两个地中海气候地点、两种水分条件（灌溉和缺水）及四个生长季的 16 种环境下进行试验。同时测量生理性状和高光谱反射率，生理性状包括叶片色素、LAI、Ψ_leaf等；高光谱反射率在叶片和冠层水平（45o 和 90o）测量。利用 RStudio 软件进行数据分析，采用主成分分析（PCA）探索变量关系，运用偏最小二乘法（PLS）、最小绝对收缩和选择算子（LASSO）和弹性网络（E.net）回归建立预测模型。

研究结果

1. 产量和生理参数的影响因素：不同基因型、水分条件和年份的小麦产量差异很大，范围在 1.5 - 14.9 t ha^-1。雨养条件下，考克内斯和圣罗莎的产量分别降低 67% 和 18%。同时，雨养条件下谷物中的 δ¹³C 更高（负值更小）。叶片气体交换参数、Ψ_leaf、LAI 和色素等也呈现出较大的变异性。
2. 光谱数据的关系：旗叶在 1200 - 1350nm 范围内的反射率高于冠层。PCA 分析表明，光谱变量可有效区分叶片和冠层测量数据，导数光谱比原始反射率的区分效果更明显，且冠层数据的变异性大于叶片数据。
3. 产量和 δ¹³C 的预测模型：基于光谱数据建立的预测模型中，冠层 90o 光谱结合一阶导数预处理对产量预测效果最佳。开花期，PLS 模型可解释 61% 的产量变异性；灌浆期，LASSO 模型表现最优，可解释 71% 的方差。对于 δ¹³C，开花期叶片反射率一阶导数的 LASSO 模型效果最好，可解释 80% 的方差；灌浆期冠层 90o 原始反射率的 PLS 模型最有效，可解释 78% 的方差。
4. 生理性状的预测模型：总体上，LASSO 模型在预测生理性状方面表现最佳，提供了更高的调整决定系数（adj - R²）和更准确的预测。70% 的性状预测模型可解释测试集中超过 60% 的变异，主要包括荧光参数、最大电子传输速率（ETR_max）、叶片色素含量和 Ψ_leaf等。叶片光谱对大多数性状的估计效果最好，冠层 90o 光谱在预测 Ψ_leaf、LAI 和净 CO₂同化率（A_n）方面表现出色。
5. 光谱数据与性状的关联：不同性状的重要波段不同。产量估计在开花期主要位于红边（700 - 750nm）和近红外（NIR，900 - 1100nm）区域，灌浆期则转移到短波红外（SWIR）区域。δ¹³C 估计在开花期 NIR 区域最重要，灌浆期 VIS 和 SWIR 区域的一些波段也很重要。生理性状的重要波段主要在红边和 NIR 区域，部分荧光参数的重要波段分布在 VIS、NIR 和 SWIR 区域。

研究结论与讨论

本研究表明，高光谱反射率是一种快速、无损的筛选小麦植株的方法，可用于田间条件下产量和生理性状的估计。利用冠层反射率数据可优化生物物理性状（如产量和 LAI）的估计，而叶片水平反射率数据对与气体交换和叶绿素荧光相关的生理参数估计更准确。LASSO 回归在估计生产和生理性状方面表现最佳。然而，研究也存在一些局限性，如跨年度验证时产量预测的准确性较低，这可能与产量受植物与环境相互作用以及气候条件的影响较大有关。未来研究可开发自动化性状检索模型和相关软件，探索先进建模技术，以提高高光谱反射率在性状评估中的有效性。总之，该研究为小麦育种和农业生产提供了有价值的参考，对保障粮食安全具有重要意义。