基于高光谱反射的水稻田间光合表型高通量无损检测技术研究

为解决传统光合表型检测方法耗时费力、难以规模化应用的瓶颈问题，上海农业科学院等机构研究人员开发了基于高光谱反射的PLSR（偏最小二乘回归）建模框架，实现了水稻叶片氮含量（N）及光合光响应参数（PNmax、Isat、Icomp、Rd）的高通量无损预测，其中N含量预测精度最高（R2=0.89），为作物育种和精准农业提供了创新技术方案。

　　

在农业生产面临气候变化和粮食安全挑战的背景下，作物光合效率的精准评估成为育种改良的关键。然而，传统光合表型检测依赖耗时60分钟/样本的气体交换测量（如LI-6400系统），难以满足大规模田间筛选需求。虽然叶绿素荧光技术能反映PSII（光系统II）效率，但需要暗适应处理；无人机多光谱技术成本低却受限于离散波段和冠层结构干扰。如何建立高效、无损的光合表型检测体系，成为现代农业研究的迫切课题。

针对这一技术瓶颈，上海农业科学院庄行综合试验站低碳农业工程技术研究中心的研究团队，通过三年田间试验（2015-2017年），创新性地将高光谱反射技术与化学计量学方法结合，在《Smart Agricultural Technology》发表了突破性成果。研究团队在水稻不同叶位（L1-L3）、氮肥水平（0-300 kg hm^-2）和灌溉条件下，同步采集了104组叶片高光谱数据（500-950 nm）与光合光响应曲线参数，构建了包含六种光谱预处理方法（SG平滑、VSN归一化等）和双重交叉验证的PLSR建模框架。

关键技术方法包括：1）使用ASD HandHeld2光谱仪获取叶片反射光谱，结合LI-6400便携式光合仪测定PN_max（最大净光合速率）、I_sat（光饱和点）等参数；2）采用分层随机抽样（84训练/20测试）和跨年度验证（2015+2017训练/2016测试）两种数据拆分策略；3）通过重复双重交叉验证（rdCV）优化PLSR模型复杂度。

【研究结果】

1. 光合表型性状变异特征
   箱线图分析显示，不同氮水平（N200处理最高）和叶位（L1显著优于L3）显著影响光合参数，其中2017年数据因测量时间早（8月下旬）呈现更广变异范围，证实环境与农艺措施对光合特性的调控作用。

2. 光谱特征与相关性
   反射光谱在530-615 nm（绿-黄区）和696-719 nm（红边）变异最大，其中705 nm处与PN_max、N含量呈最强负相关（r=-0.825），而近红外区（750-950 nm）转为稳定正相关，为模型构建提供关键光谱窗口。

3. 模型性能比较
   SG平滑+分层抽样（Approach 1）组合表现最优，仅I_sat预测以VSN预处理更佳。具体而言：

• N含量预测精度最高（测试集R2=0.89，RMSE=0.25%）
• 排除强光适应叶片后，I_sat预测显著改善（R2从0提升至0.85）
• PN_max和I_comp预测中等（R2=0.68），R_d稍弱（R2=0.44）

1. 关键光谱区域解析
   VIP分析揭示680-730 nm（红边）和908-950 nm（近红外）为共性敏感波段，分别关联叶绿素含量和叶片内部结构，其中553-560 nm和705-707 nm峰与PN_max高度相关，而690/702/742 nm特征峰对I_comp和R_d预测贡献显著。

【结论与意义】
该研究首次实现了水稻田间光合光响应参数的多性状同步无损检测，其创新性体现在三方面：首先，建立的PLSR框架克服了小样本数据限制（rdCV优化组件数14个），通过SG平滑有效抑制噪声；其次，分层抽样策略解决了跨年度数据分布偏移问题，使I_comp预测R2从0.02提升至0.68；最后，明确红边与近红外波段的核心作用，为开发低成本专用光谱设备提供理论依据。

这项技术将单叶测量时间从60分钟缩短至秒级，使大规模筛选光合优异种质成为可能。未来通过融合无人机平台与关键波段筛选，有望将技术扩展至群体尺度，为智慧农业和气候变化适应性育种提供强有力的表型组学工具。