日前，西北農(nóng)林科技大學(xué)、農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室借助PlantScreen植物表型成像分析系統(tǒng)和干旱脅迫狀態(tài)識別模型，對番茄的干旱脅迫進(jìn)行早期監(jiān)測和等級判定，獲得了較高的識別準(zhǔn)確率。研究成果發(fā)表在2021年6月的《農(nóng)業(yè)工程學(xué)報》雜志上。

  研究小組首先利用PlantScreen植物表型成像分析系統(tǒng)中的FluorCam葉綠素?zé)晒獬上駟卧杉煌珊得{迫程度的植株冠層葉綠素?zé)晒鈭D像：每個樣本共獲取98幅熒光圖像，即共有98個葉綠素?zé)晒鈪?shù)；并將頂層葉片圖像像素均值作為該植株的葉綠素?zé)晒鈪?shù)。從而克服了目前大部分研究未能充分利用葉綠素?zé)晒鈪?shù)信息和未利用熒光圖像信息的問題。

  之后使用連續(xù)投影法（Successive Projections Algorithm，SPA）等3種算法提取了5個公共熒光參數(shù)并分析了其在不同干旱等級下的變化趨勢：
  1.QY_L2：光適應(yīng)過程中L2 時刻的實際光量子效率，隨著干旱脅迫程度的增加呈現(xiàn)
減小的趨勢，說明干旱脅迫降低了葉片的光化學(xué)淬滅能力；
  2.NPQ_L3：光適應(yīng)過程中L3 時刻的非光化熒光淬滅，隨著干旱脅迫程度的增強(qiáng)而上升說明葉片在干旱脅迫下天然色素通過熱耗散的方式釋放過多的熱量，來減少PSⅡ吸收的過多光能，從而減緩衰老；
  3.qL_L2：基于“Lake”模型光適應(yīng)過程中L2 時刻的光適應(yīng)光化學(xué)淬滅
  4.qL_Lss基于“Lake”模型的穩(wěn)態(tài)光適應(yīng)光化學(xué)淬滅
  5.qL_D3基于“Lake”模型暗弛豫過程中D3 時刻的光適應(yīng)光化學(xué)淬滅
以上3個均為光化學(xué)淬滅，除qL_Lss 在輕度干旱狀態(tài)下稍有上升外，其余均隨著干旱脅迫程度增加而降低，表明干旱脅迫導(dǎo)致PSⅡ天然色素捕捉光能分配給電子傳遞速率的值減少。

  最后，研究小組利用線性判別分析（Linear Discriminant Analysis，LDA）、支持向量機(jī)（Support Vector Machines，SVM）和k 最近鄰（k-Nearest Neighbor，KNN）建立干旱脅迫狀態(tài)識別模型。其中IRIV-LDA 和VISSA-LDA 建模效果好，識別準(zhǔn)確率均可達(dá)97.8%，且IRIV-LDA 對干旱脅迫程度的區(qū)分度更好，對適宜水分、輕度干旱、中度干旱、重度干旱的識別率分別為100%、95%、98%、98%。僅用5個公共參數(shù)建立干旱識別模型的識別準(zhǔn)確度最高可達(dá)83.7%，說明這5個熒光參數(shù)與番茄干旱脅迫高度相關(guān)。
  位于西北農(nóng)林科技大學(xué)旱區(qū)節(jié)水農(nóng)業(yè)研究院的PlantScreen植物表型成像分析系統(tǒng)具備光適應(yīng)室、葉綠素?zé)晒獬上袷摇魉蛦卧⒆詣訚补喾Q重單元及配套的控制、通訊單元及軟件，配合人工氣候室可實現(xiàn)植物的高通量、全自動的培養(yǎng)及光合生理表型的監(jiān)測。
  該系統(tǒng)由捷克PSI（Photons Systems Instruments）公司研制生產(chǎn)及安裝，由PSI代理商北京易科泰生態(tài)技術(shù)有限公司提供培訓(xùn)和維護(hù)。