基于 SPAD 的高光谱叶绿素状态表型分析：有限样本下可解释工作流程与模型验证

《Plant Methods》：A reproducible and interpretable workflow for leaf hyperspectral phenotyping under limited sample conditions with hierarchical validation and cross-stage evaluation

　　

摘要

叶高光谱表型分析在植物非破坏性性状评估中得到广泛应用，但由于生物样本数量有限而光谱变量维度较高，该方法在方法上仍存在挑战，这些问题包括光谱带冗余度高、发育变化时的鲁棒性有限以及特征重要性分析的可解释性较弱。本文提出了一种基于SPAD（ saturation index of photosynthetic active chlorophyll）的高光谱反射率叶绿素状态表型分析的可复制且可解释的工作流程，以燕麦（Avena sativa L.）作为典型应用案例。该流程包括光谱预处理基准测试、两阶段波段选择（先使用Lasso筛选再通过连续投影进行优化）、针对结构化光谱预测器优化的表格深度学习方法（TabM-v2，结合Mixup和随机权重平均技术），以及涵盖特征、区域和依赖性分析的多层次解释方案。利用来自200片燕麦叶片（125个波段，400–1000纳米）的1,142个保留的ROI（感兴趣区域）建模样本以及五个独立的生长阶段验证批次，我们证明了该流程具有出色的预测性能（\(R^2 = 0.8575 \pm 0.0021\)），同时将光谱维度降低了80%。为了解决ROI级别的层次结构问题，我们还进行了严格的叶片分组验证，即将同一叶片身份的所有ROI仅分配到训练集或测试集中；其性能与ROI级别随机分割的结果相当，表明叶片内部的伪重复并未显著提升评估准确性。比较性基准测试表明，在当前有限样本的结构化光谱条件下，TabM-v2实现了最高的分布内准确性，而简洁的Lasso+SPA+SVR方法在中等生长阶段提供了更高效的解决方案，并具有更强的跨阶段迁移能力，尽管所有模型在成熟阶段的表现都较为有限（\(R^2 < 0.15\)），这标志着一个关键的操作界限。解释分析一致指出，绿色区域、红边区域和近红外区域是主要贡献者，其中红边区域作为核心的依赖性中心。独立跨阶段的批量验证确定了该流程的操作边界：在中等生长阶段的迁移能力最强，而在明显的发展变化下鲁棒性降低。虽然参考性状是基于SPAD的叶绿素状态而非绝对生化叶绿素浓度，但本研究提供了一种在样本有限条件下的可复制方法流程，具有明确的验证边界，并且仍需要在不同基因型、地点、年份和设备之间进行更广泛的验证。