PlantPhenomics|可見光／近紅外光譜和高光譜成像在植物重金屬品種選育應用

　　由于工業發展和人類活動，重金屬污染已成為空氣、水和土壤中的主要污染物之一。研究表明，重金屬污染會造成植物外部形態和內部結構發生變化。此外，重金屬還會通過食物鏈積累，威脅人類健康。傳統的重金屬檢測方法費工、費時、費力，且成本高昂。而快速、準確、無損地檢測植物重金屬脅迫，有助于實現對植物生長狀態的精準管理，加速抗重金屬植物品種的選育。

　　2023年11月，Plant Phenomics 在線發表了湖州師范學院、南京林業大學和石河子大學等單位合作完成的題為Application of Visible/Near-Infrared Spectroscopy and Hyperspectral Imaging with Machine Learning for High-Throughput Plant Heavy Metal Stress Phenotyping: A Review 的綜述論文。

　　本文綜述了可見光/近紅外（V/NIR）光譜和高光譜成像（HSI）在植物重金屬脅迫表型分析中的應用，并介紹了光譜學與機器學習方法相結合的植物重金屬脅迫高通量表型分析方法，包括非脅迫和脅迫的鑒定、脅迫類型的鑒定、脅迫度的鑒定和重金屬含量的估算。此外，本文還綜述了不同植物重金屬脅迫表型方法鑒定的植被指數、全范圍光譜和特征波段，并討論了V/NIR光譜和HSI在植物重金屬脅迫表型分析中的優勢、局限性、挑戰和前景。

　　圖1 植物重金屬脅迫表現分析

　　圖2 （A） V/NIR光譜和（B） HSI系統的實驗裝置示意圖

　　圖3 基于HSI檢測植物重金屬脅迫的步驟

　　總之，V/NIR光譜和HSI技術在植物重金屬脅迫表型分析中具有廣泛的應用場景。未來，可以結合多種傳感技術和建模方法，提高檢測模型的穩定性和適用性，進一步促進技術與實際應用的融合，實現植物重金屬脅迫的早期檢測和準確診斷，為保障人類健康和生態環境安全做出貢獻。