探索用于植物干旱胁迫评估的电生理信号特征

《Scientific Reports》：Exploring electrophysiological signal features for drought stress assessment in plants

　　

摘要

气候变化正在增加环境压力，尤其是在自然系统和人类管理的系统中，如农业生态系统和城市环境中，表现为温度升高和水资源短缺。目前用于监测人类管理系统中植物健康状况的传统方法仍然有限，这凸显了寻找新方法的必要性。本研究探讨了植物电生理信号（EPS）及其衍生的统计特征在早期检测干旱胁迫方面的潜力。本研究的主要目标有两个：i) 识别既具有生态相关性又在统计上有效的EPS特征，以用于检测干旱胁迫；ii) 开发能够整合这些特征的统计模型。EPS数据来源于两个干旱胁迫实验，一个针对番茄植株，另一个针对杏树。研究人员从时间和频率两个维度选取并评估了17个特征。研究建立了两种模型——逻辑回归模型和机器学习分类器，并通过准确率、精确度和召回率等指标进行了比较。在杏树实验中，有10个时间域特征（频率中心、广义赫斯特指数、赫约思复杂性、赫约思流动性、峰度、均方根频率、根方差频率、形状因子、偏度和标准差）在胁迫组和对照组之间存在显著差异；在番茄实验中，有4个频率域特征（频率中心、根方差频率、均方根频率和幂律分布指数）表现出显著差异。模型的准确率在杏树中约为50%，在番茄中约为66%，虽然不足以实现实际应用，但显示出了一定的潜力。本研究展示了植物EPS数据及其衍生的统计特征在农业生态系统和城市林业管理中开发早期干旱胁迫检测指标的潜在价值。