《Journal of Cleaner Production》:Integration of multispectral imaging and explainable AI for alfalfa seed priming optimization under saline-alkali stress
编辑推荐:
摘要土壤盐渍化对全球可持续农业构成了日益严峻的威胁,而传统的种子预萌处理优化方法耗时长、资源消耗大,限制了其广泛应用。本研究开发了一种创新的智能种子预萌处理框架,将多光谱成像技术与可解释机器学习算法无缝结合,用于优化盐碱胁迫(75 mM Na2SO4)下紫花苜蓿种子的预萌处理
摘要
土壤盐渍化对全球可持续农业构成了日益严峻的威胁,而传统的种子预萌处理优化方法耗时长、资源消耗大,限制了其广泛应用。本研究开发了一种创新的智能种子预萌处理框架,将多光谱成像技术与可解释机器学习算法无缝结合,用于优化盐碱胁迫(75 mM Na2SO4)下紫花苜蓿种子的预萌处理。通过对六种不同预萌处理剂(γ-氨基丁酸(GABA)、抗坏血酸(AsA)、褪黑素(MT)、水杨酸(SA)、亚精胺(Spd)和硫酸钠(Na2SO4)的系统评估,我们的堆叠集成模型在预萌处理参数分类(准确率:0.812-0.920,ROC-AUC:0.941-0.994)和效果预测(准确率:0.820-0.950,ROC-AUC:0.928-0.960)中均表现出卓越性能。综合SHapley加性解释(SHAP)分析在多尺度下识别了关键光谱特征:参数模型突出570 nm和970 nm波长作为水分含量和黄酮类物质组成变化的关键指标;在预萌效果评估中,850 nm波长(与贮藏物质相关)和490 nm波长对MT预萌处理的"首次"类别表现出显著的负协同效应;详细的单粒种子分析揭示了预萌处理剂浓度、处理时长与相应光谱变化之间的复杂非线性关系。所开发的智能种子预萌处理框架实现了对种子预萌的快速高效无损优化,显著加速了预萌处理技术的发展进程,并通过在各种胁迫条件下提供个性化预萌解决方案,推进了可持续农业实践,尤其是在受土壤盐渍化影响的地区。
引言
全球超过9亿公顷土地(其中约三分之一用于农业灌溉)受到土壤盐渍化的影响。由于气候变化和人类活动,这一问题正在加剧,导致每年经济损失达273亿美元(Shahid等,2018)。盐胁迫严重抑制种子萌发,限制幼苗生长发育,最终降低盐碱地的作物产量(Zelm等,2020)。在干旱和半干旱地区,这一挑战尤为突出,盐渍化加剧了对粮食安全和生态稳定性的威胁。此外,气候变化预计将使土壤盐渍化进一步恶化,到2050年可能影响17万平方公里的耕地(Hassani等,2021)。随着全球人口预计到2050年达到97亿(Gu等,2021),人口增长带来的粮食需求激增凸显了应对该问题的紧迫性。因此,开发有效且环保的技术以缓解盐胁迫,对于实现可持续农业至关重要。
种子预萌处理已成为一种增强种子抗逆性的有前景的环保且经济高效的方法。该技术通过对种子进行受控吸水处理,启动代谢过程同时防止胚根伸出,从而改善胁迫条件下的萌发性能(Biswas等,2023)。种子预萌处理可在种子内诱导短期或长期"记忆"效应,从而增强植物随后暴露于胁迫条件时的适应能力(Thakur等,2020)。种子预萌处理期间的轻度胁迫暴露已被证明可留下表观遗传标记,有效"训练"种子并增强植物未来的抗逆性(Marcos等,2018)。这种环保技术还能激活信号分子,增强植物固有的耐盐能力和促进盐害损伤恢复(Biswas等,2023)。此外,种子预萌处理已被证明可提高多种植物的种子活力、萌发性能和出苗率,从而增强存活率并最终改善盐碱条件下的作物生长和产量(Carrillo-Reche等,2018)。更重要的是,大量研究报告表明,种子预萌处理的效果受多种因素影响,包括品种选择、预萌处理剂类型、其浓度和处理时长(Carrillo-Reche等,2018;Feghhenabi等,2020)。
然而,传统的种子预萌优化涉及耗时且资源密集的实验来确定最佳处理剂组合、浓度和时长。多光谱成像(MSI)技术的最新进展提供了一种通过光谱特征快速无损评估种子生理状态的方法(Jia等,2023a)。虽然MSI已成功应用于种子质量评估(Yang等,2024),但其与机器学习在种子预萌策略优化中的整合尚属未探索领域。这一技术空白为开发更高效、更可持续的种子预萌优化方法提供了机遇。
紫花苜蓿(Medicago sativa L.)是可持续农业中重要的饲用作物,在牲畜营养、土壤改良和生态恢复中发挥着至关重要的作用;然而,其种植受到土壤盐渍化的严重制约,在100 mM NaCl胁迫下暴露30天后产量减少超过28%(Bao等,2016)。已有研究表明种子预萌处理可缓解盐和碱胁迫,我们假设不同预萌处理剂组合、溶液浓度和处理时长在种子中诱导的细微生理和生化变化可以通过MSI捕获,从而实现盐碱胁迫下萌发性能和表型结果的早期预测。本研究旨在通过整合MSI与可解释机器学习模型,开发一种创新的紫花苜蓿种子预萌快速优化框架。具体目标为:(1) 建立高效的种子预萌处理参数监测模型;(2) 开发预萌效果预测模型;(3) 为种子预萌参数模型和预萌效果模型提供解释。本研究通过提供高效且环境友好地增强耐盐性的方法,有助于更可持续的农业实践,同时减少优化过程中的资源消耗。
章节摘要
植物材料
本研究使用的紫花苜蓿(品种中牧一号)种子于2019年购自中国甘肃省酒泉市的大业种业有限公司。该品种在种子样品测试中表现出约92%的高发芽率。
预萌处理剂与种子预萌
本研究选择了六种预萌处理剂:亚精胺(Spd)、抗坏血酸(AsA)、褪黑素(MT)、水杨酸(SA)、γ-氨基丁酸(GABA)和硫酸钠(Na2SO4)。盐预萌和干
Na2SO4胁迫下预萌种子萌发表现
为评估预萌处理剂、浓度和时长对75 mM Na2SO4胁迫下紫花苜蓿种子萌发和早期幼苗生长的影响,我们进行了三因素方差分析(表2)。结果显示,预萌处理剂对所有测量参数(MGT、GI、GP、GPO、RL、SL、FW、VI)均具有极显著影响(P < 0.001)。预萌浓度对大多数参数(MGT、GPO、RL、FW、VI)也具有极显著影响(P < 0.001),而对GI和GP的影响
讨论
随着全球表层土壤盐渍化持续恶化,目前全球超过3%的土壤资源受到盐碱化的影响(Singh, 2021)。种子预萌处理已成为增强作物耐盐胁迫的一种有前景的策略(Biswas等,2023)。例如,水杨酸和氯化钙预萌处理已被证明可以改善抗氧化防御和矿质营养平衡(Ben Youssef等,2024),并调节大麦(Hordeum
结论
本研究提出了一种创新的可解释机器学习框架,整合多光谱成像以实现快速无损的智能种子预萌处理。该方法能有效识别预萌处理参数并预测预萌效果,同时SHAP分析揭示了在全局、分类和单粒种子水平上与生理变化相关的关键光谱特征,显示出减少耗时萌发和生化检测依赖的潜力。这些发现将
CRediT作者贡献声明
贾志成:撰写–审阅与编辑,撰写–初稿,可视化,软件,方法论,形式分析,数据整理。王芳:软件,数据整理。李常然:调查研究,数据整理。赵海军:撰写–审阅与编辑,调查研究,数据整理。王娟:软件。朱天琪:数据整理。付佳怡:监督,调查研究。吕志佳:调查研究。赵世强:方法论。林承志:监督,调查研究。马斌:可视化。
资金支持
本研究由现代农业产业技术体系专项资金(CARS-34)以及盐碱干旱胁迫下紫花苜蓿种子生产关键技术研究(2022ZD0401105)资助。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:毛沛生报告获得CAR的财务支持。如还有其他作者,他们声明没有已知可能影响本文所报告工作的竞争性财务利益或个人关系。
贾志成|王芳|李常然|赵海军|王娟|朱天琪|付佳怡|吕志佳|赵世强|林承志|马斌|李若虹|李蔓莉|毛沛生