葉片葉綠素含量在反映植物脅迫和營(yíng)養(yǎng)狀況方面起著重要作用。傳統(tǒng)的葉綠素含量定量方法主要有丙酮乙醇萃取法、分光光度法和高效液相色譜法。這種基于實(shí)驗(yàn)室程序的破壞性方法耗時(shí)、昂貴且不適合高通量分析。高通量成像技術(shù)現(xiàn)在廣泛用于植物表型性狀的非破壞性分析。在這項(xiàng)研究中，三個(gè)成像模塊（RGB、高光譜和熒光成像）分別和組合用于估計(jì)溫室環(huán)境中高粱植物的葉綠素含量。從這三類圖像中提取顏色特征、光譜指數(shù)和葉綠素?zé)晒鈴?qiáng)度，建立多元線性回歸模型和PLSR（偏最小二乘回歸）模型，根據(jù)圖像特征預(yù)測(cè)葉片葉綠素含量（手持式葉綠素儀測(cè)量）。
種植是高粱不同DAS(播種后天數(shù))照片
RGB 圖像單一顏色特征的模型預(yù)測(cè)葉綠素含量R2 范圍為 0.67 到 0.88。使用從高光譜圖像中提取的三個(gè)光譜指數(shù)（植被指數(shù)、歸一化植被指數(shù) 和 修正葉綠素吸收比指數(shù)）的模型預(yù)測(cè)葉綠素含量，R2 范圍為 0.77 至 0.78。利用從熒光圖像中提取的熒光強(qiáng)度模型預(yù)測(cè)葉綠素含量，R2 為 0.79。綜合三個(gè)不同成像模塊提取的所有圖像特征的 PLSR 模型在預(yù)測(cè)葉綠素含量方面表現(xiàn)出最佳性能，R2 為 0.90。還發(fā)現(xiàn)在基于圖像的模型中加入 SLW（比葉重）進(jìn)一步提高了葉綠素預(yù)測(cè)的準(zhǔn)確性。
從背景中提取植物像素的順序步驟
在我們的研究中測(cè)試的所有三個(gè)成像模塊（RGB、高光譜和熒光）都可以很好地估計(jì)高粱植物的葉綠素含量。將來自不同成像模塊的圖像特征與 PLSR 建模相結(jié)合，顯著提高了預(yù)測(cè)性能。基于圖像的表型分析可以提供一種快速且無損的方法來估計(jì)高粱中的葉綠素含量。
來源：Plant Methods.High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion.Huichun Zhang, Yufeng Ge, Xinyan Xie, Abbas Atefi, Nuwan K. Wijewardane & Suresh Thapa
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00892-0#author-information
鄂公網(wǎng)安備42018502003245號(hào) 網(wǎng)站地圖
