基于近红外光谱与孔隙荧光测量技术的葡萄叶片生理生态性状高通量预测鲁棒性研究

《The Plant Phenome Journal》：Robustness of high-throughput prediction of leaf ecophysiological traits using near infrared spectroscopy and poro-fluorometry

本文系统评估了近红外光谱(NIRS)与孔隙荧光测量技术在葡萄叶片生理生态性状高通量预测中的互补性与鲁棒性。研究通过构建偏最小二乘回归(PLSR)模型，证实了这些技术能够准确预测叶片质量每单位面积(LMA)、水分含量(WCf)、净CO2同化速率(An)等关键性状，且预测性状的广义遗传力高达0.5，为作物抗旱遗传改良提供了高效表型组学工具。

　　

材料与方法

研究选取代表全球遗传多样性的246个葡萄品种，在户外充分灌溉与温室三种水分处理（充分灌溉WW、中度缺水WD1、重度缺水WD2）下进行实验。通过近红外光谱仪（微型MicroNIR、NeoSpectra及实验室ASD）和孔隙荧光测量仪（Li600）采集叶片高通量数据，结合传统低通量测量（如红外气体分析仪Li6800、压力室），构建11种数据集策略评估预测模型鲁棒性。采用偏最小二乘回归（PLSR）模型，通过双重交叉验证分析预测叶片形态生理性状的准确性，包括叶片质量每单位面积（LMA）、水分含量（WC_f）、水分总量（WQ）、净CO₂同化速率（A_n）、叶片水势（??）、内在水分利用效率（iWUE）和瞬时水分利用效率（WUE）。光谱数据经过标准正态变换（SNV）和一阶导数预处理，以优化模型性能。

核心发现

设备互补性凸显预测优势

近红外光谱设备在预测LMA、WC_f和WQ时表现出色，其中实验室ASD光谱仪对LMA的预测精度最高（R²_cv> 0.83），而便携式MicroNIR与NeoSpectra组合对水分相关性状预测更优（R²> 0.8）。孔隙荧光仪Li600则擅长预测光合作用相关性状，对A_n的预测R²_cv达0.82，但对叶片水势（??）的预测普遍较差（R²< 0.24）。研究表明，设备间存在明显互补性：光谱技术依赖水分吸收波段（如1400 nm和1900 nm）捕获水分性状，而Li600通过气孔导度（g_sw）和蒸腾速率（E）等参数间接推算A_n。

模型鲁棒性受环境条件调控

预测模型在不同环境下的稳定性存在差异。LMA的预测在户外与温室实验间呈现显著差异，户外验证集R²（0.30–0.86）低于温室（0.78–0.90），表明环境光照（户外PAR为51 mol day^?1，温室为17 mol day^?1）可能影响光谱信号。水分处理同样影响预测精度：对于LMA和WC_f，模型在WD2（重度缺水）下的R²显著下降，但标准化均方根误差（NRMSE）保持稳定，说明方差减小是主因。而iWUE和WUE的预测在WD1条件下最优（R²> 0.73），在WD2下失效，凸显水分胁迫强度对模型泛化能力的关键影响。

高通量预测精准捕获遗传变异

通过PLSR模型预测的性状值能够有效反映遗传多样性。LMA的预测值与实测值遗传力高度一致（0.20–0.43），且基因型值相关性达r ≥ 0.9。预测的A_n、iWUE和WUE在WD1条件下遗传力最高（H²可达0.5），为遗传研究提供了可靠表型数据。值得注意的是，模型校准集样本量对精度有显著影响：基于1437个叶片的高通量数据比109个叶片的低通量数据预测LMA的R²提高0.08–0.15，强调大样本对模型稳定性的重要性。

讨论与展望

本研究通过多维度验证框架，明确了高通量表型技术在葡萄抗旱性状遗传分析中的实用性。未来可结合无人机多光谱成像、热成像等技术，拓展冠层尺度表型获取，克服单点测量局限。此外，模型在重度缺水下的预测衰减提示需进一步优化光谱预处理方法（如干燥叶片测定以减少水分干扰）。研究建立的预测流程可直接应用于田间育种，为作物抗逆遗传改良提供高效工具。