桉樹因其生長(zhǎng)快、適應(yīng)性強(qiáng)，成為全球重要的經(jīng)濟(jì)樹種。然而，在植物生長(zhǎng)過程中，缺水對(duì)它們的生長(zhǎng)、生產(chǎn)力和質(zhì)量產(chǎn)生很大的負(fù)面影響。傳統(tǒng)的監(jiān)測(cè)方法多依賴于NDVI、PRI等植被指數(shù)，或通過測(cè)量生物量、株高等生理指標(biāo)進(jìn)行評(píng)估。這些方法要么靈敏度不足，在早期脅迫階段難以檢測(cè)；要么特異性有限，無法區(qū)分水分脅迫與其他非生物脅迫。
近年來，高光譜成像技術(shù)的快速發(fā)展為植物脅迫的早期監(jiān)測(cè)提供了新的可能性。與傳統(tǒng)多光譜技術(shù)不同，高光譜成像可以獲取連續(xù)波長(zhǎng)范圍內(nèi)的詳細(xì)光譜信息，從而捕捉植物生理的細(xì)微變化?；谶@一技術(shù)，智利康塞普西翁大學(xué)的研究團(tuán)隊(duì)在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》期刊上發(fā)表了相關(guān)研究。研究人員利用VIS-NIR高光譜成像技術(shù)，結(jié)合化學(xué)計(jì)量學(xué)方法，深入探討了桉樹在水分虧缺脅迫下的生理響應(yīng)。結(jié)果顯示，高光譜成像能夠精確區(qū)分不同脅迫水平，特別是在水分虧缺嚴(yán)重時(shí)，能有效反映植物的脅迫響應(yīng)。這項(xiàng)研究為水分虧缺的早期檢測(cè)提供了新技術(shù)，對(duì)精準(zhǔn)森林管理和抗旱品種選育具有重要意義。
圖1.樣品和HSI數(shù)據(jù)采集（A）和HSI數(shù)據(jù)的化學(xué)計(jì)量學(xué)分析（B）。
實(shí)驗(yàn)方法
實(shí)驗(yàn)設(shè)計(jì)：選取4種具有經(jīng)濟(jì)價(jià)值的桉樹基因型（包括2個(gè)E. globulus和2個(gè)E. gloni雜交品種），每個(gè)基因型包含40株樹苗，共計(jì)160株。 實(shí)驗(yàn)設(shè)置了兩個(gè)實(shí)驗(yàn)組：
對(duì)照組(Control)： 保持充足水分；
水分虧缺組(WD)： 停止灌溉，持續(xù)10天；
在干旱處理的第3天（輕度）、第7天（中度）和第10天（重度）進(jìn)行數(shù)據(jù)采集，以覆蓋不同脅迫階段。
監(jiān)測(cè)指標(biāo)：不同基因型植株的株高、生物量變化。使用Resonon Pika-L高光譜成像儀對(duì)整株、頂端、葉片以及莖部四個(gè)不同區(qū)域（ROI）分別提取光譜數(shù)據(jù)，以尋找敏感的檢測(cè)部位。
光譜參數(shù)：
光譜范圍：385-1010 nm；
采樣間隔：2.1 nm；
光譜分辨率：3.3 nm；
空間像素：900；
數(shù)據(jù)分析：通過計(jì)算NDVI、PRI和MCARI等植被指數(shù)，并與生理數(shù)據(jù)進(jìn)行比較，同時(shí)利用PCA和多種監(jiān)督學(xué)習(xí)方法（如PLS-DA、SVM-DA和KNN）對(duì)高光譜數(shù)據(jù)進(jìn)行化學(xué)計(jì)量學(xué)分析，以評(píng)估水分虧缺對(duì)桉樹的影響；
圖2.圖示為基因型G1、G2、G3和G4在D3、D7和D10時(shí)期的平均質(zhì)量（g）（a）和平均高度（cm）（b）的比較，包括對(duì)照組植株（C：深綠色條形圖）和水分虧缺脅迫處理組植株（WD：淺綠色條形圖）。
表1.對(duì)基因型G1、G2、G3和G4在D3、D7和D10時(shí)期分別計(jì)算了NDVI、PRI和MCARI指數(shù)。每個(gè)基因型均進(jìn)行三次重復(fù)測(cè)量，其中C和WD分別代表重復(fù)測(cè)量的平均值及其相應(yīng)的標(biāo)準(zhǔn)差 (SD)。
圖3.圖示為與M2矩陣對(duì)應(yīng)的72條平均光譜，其中 (A) 為反射率平均光譜，(B) 為偽吸光度平均光譜，(C) 為經(jīng)過二階導(dǎo)數(shù)處理且積分窗口為15個(gè)點(diǎn)的偽吸光度平均光譜。
表2.SIMCA、PLS-DA、SVM-DA和KNN模型在不同預(yù)處理技術(shù)下的性能指標(biāo)總結(jié)，用于分析不同脅迫水平（以不同采樣天數(shù)表示）的桉樹屬植物。
圖4.使用PLSDA、KNN和SVM-DA模型對(duì)WD數(shù)據(jù)集的D3、D7和D10圖像進(jìn)行逐像素重建，這些圖像對(duì)應(yīng)于驗(yàn)證集中的G1、G2、G3和G4基因型植物。
研究結(jié)果
（1）生理指標(biāo)響應(yīng)：生物量比株高更敏感；
（2）傳統(tǒng)植被指數(shù)局限性明顯；
?。?）高光譜數(shù)據(jù)揭示關(guān)鍵響應(yīng)波段；
（4）監(jiān)督分類模型（PLS-DA，SVM-DA，KNN）基于高光譜平均光譜數(shù)據(jù)實(shí)現(xiàn)高精度早期分類；
?。?）SVM-DA和KNN模型在水分虧缺脅迫預(yù)測(cè)中表現(xiàn)出高準(zhǔn)確率；
總結(jié)與展望
該研究結(jié)合高光譜成像技術(shù)和化學(xué)計(jì)量學(xué)方法，成功檢測(cè)了桉樹在水分虧缺脅迫（WDS）下的光譜特征。研究表明，該方法可在脅迫早期識(shí)別生理變化，并在重度脅迫下清晰區(qū)分處理組與對(duì)照組。基于SVM-DA和KNN模型，研究進(jìn)一步實(shí)現(xiàn)了高精度的逐像素預(yù)測(cè)，揭示了水分虧缺在植物不同區(qū)域的空間分布。未來，該技術(shù)可通過融合多源傳感器數(shù)據(jù)提升機(jī)理解釋能力，開發(fā)無人機(jī)載監(jiān)測(cè)系統(tǒng)，擴(kuò)展至其他樹種或作物的脅迫檢測(cè)，為智慧農(nóng)業(yè)與林業(yè)管理提供強(qiáng)大工具。
發(fā)表期刊：Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy【影響因子：4.6】
研究單位：智利康塞普西翁大學(xué)、Bioforest S.A等
使用設(shè)備：Resonon Pika L 高光譜成像儀
DOI：https://doi.org/10.1016/j.saa.2025.126675
