叶绿素含量是甘蔗在生长监测中非常重要的评估内容, 尤其是在甘蔗受到病害侵染的情况下, 准确估计叶绿素含量有利于病害的早期检测与防治, 在实际生产中具有重要意义。 为了构建花叶病胁迫下甘蔗叶片叶绿素含量估计模型, 于2021年7月到11月通过人工接种病菌, 使甘蔗叶片感染花叶病。 对这些感染了花叶病的叶片重复测量高光谱数据。 并通过化学方法测量叶片的叶绿素含量, 以此建立花叶病胁迫下的甘蔗叶片高光谱数据集。 首先使用Savitzky-Golay卷积平滑(SG)、 多元散射校正(MSC)、 变量标准化(SNV)、 一阶导数(1st D)、 二阶导数(2nd D)5种高光谱数据预处理方法建立偏最小二乘回归(PLSR)检测模型, 从而构建高光谱数据最优预处理模型。 利用最优预处理结果, 分别采用相关系数、 连续投影算法(SPA)和随机森林算法(RF)筛选特征波段。 将筛选出的波段分别和BP神经网络(BPNN)、 支持向量回归(SVR)、 K最邻近法(KNN)等机器学习模型结合建立叶绿素含量预测模型。 结果表明, 基于SG处理后建立的PLSR模型精度最高R2p=0.9952, RMSEp=0.235 3 mg·cm-2。 用RF筛选出的特征波段与BPNN学习模型结合的SG-RF-BPNN模型为花叶病胁迫下甘蔗叶片叶绿素含量的最优预测模型, R2p=0.996 4, RMSEp=0.205 8 mg·cm-2。 提出的基于高光谱信息的花叶病胁迫下的叶绿素含量预测模型具有较高的精度和预测能力, 可为大面积种植的甘蔗精准、 无损伤的病害胁迫检测提供科学依据。

小麦是我国的主要粮食作物之一, 对国民经济发展具有显著的影响。 然而, 高温与紫外线胁迫导致其产量大幅下降。 胁迫发生时, 细胞壁内多糖物质会发生不同程度的转变。 作为此类多糖重要组成成分的果胶, 在决定细胞间孔隙度、 识别病菌、 维持结构完整等方面扮演着重要角色。 当前, 常见的果胶检测方法有重量法、 滴定法、 酸提取法等, 这些方法多为有损检测, 测定步骤繁琐, 样本损耗量大。 近年来, 光谱检测因其检测速度快、 分辨率高、 实时性强等优点, 在植物生理信息检测领域得到了广泛应用。 因此, 研究采用光谱检测果胶含量。 以济麦22为研究对象, 采取水培方式, 通过调控人工气候培养箱温度及紫外线灯辐照强度对小麦生长过程中遇到的高温及紫外线胁迫环境进行模拟; 在小麦分蘖期, 分别采集叶片高光谱数据与叶绿素荧光光谱数据, 测定叶片果胶含量, 通过小波分析方法对两种原始光谱数据进行平滑与降噪处理, 采用相关系数分析法得到两种光谱数据与果胶含量相关系数最高的重合波段(620, 651), 取该波段内两光谱数据平均值, 重塑双光谱曲线; 按照3∶1比例划分训练集和验证集, 采用PLS最小二乘法分别建立高光谱反演果胶模型、 荧光光谱反演果胶模型及双光谱反演果胶模型。 结果表明: 双光谱模型反演的小麦叶片果胶含量效果较好, 对应模型的训练集与验证集相关系数分别为0.944 9及0.944 5。 该研究有助于探究逆境胁迫下小麦细胞壁内多糖物质响应情况, 并为大田作物所处胁迫环境和程度的预测及种植环境的精准管控提供参考和帮助。

研究旨在明确“赤霞珠（Cabernet Sauvignon, Vitis Vinifera L.）”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化, 构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型, 为葡萄园病害防治与管理提供理论参考和技术支持。 以酿酒葡萄“赤霞珠”葡萄叶片为研究对象, 分别采集了正常、 缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。 对比Savitzky-Golay卷积平滑（S-G Smoothing）、 移动平均平滑（MAS）、 标准正态变换（SNV）和多元散射校正（MSC）4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力, 确定最佳预处理方法。 采用连续投影法（SPA）筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量, 分别构建基于线性核函数（Linear）、 多项式核函数（Poly）、 径向基核函数（RBF）和二层神经网络核函数（Sigmoid）的支持向量机（SVM）模型, 以灵敏度（SEN）和准确率（CCR）为依据评估模型诊断性能, 形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。 S-G Smoothing预处理后的光谱信号的信噪比为110.58, 以其为校正集构建的缺磷胁迫诊断模型最佳, 因此确定其为最佳的预处理方法。 采用主成分分析（PCA）计算样本光谱贡献率, 以95%置信空间为依据检测数据集中的异常样本, 最终发现并剔除了22的离群点。 通过SPA筛选出402.6、 404.6、 409、 411.5、 539.4、 691.9、 729.9、 838.7、 1 011.9、 1 017.5和1 020.5 nm等11个反映“赤霞珠”葡萄叶缺磷胁迫的光谱特征波段, 作为缺磷胁迫快速无损诊断模型的输入变量。 通过对比分析上述4种核函数SVM的诊断结果, 以Linear为核函数构建的“赤霞珠”葡萄叶缺磷胁迫诊断模型能力最佳, 对正常叶片诊断的SEN为81.08%, CCR为100%; 对缺磷胁迫早期叶片诊断的SEN为100%, CCR为84.78%; 对缺磷胁迫末期叶片诊断的SEN为100%, CCR为100%。 该研究建立了基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法, 能够满足葡萄园病害防治与智能化管理的生产需求, 为酿酒葡萄智慧农业发展提供了技术参考。

斑病害在全球玉米产区均有爆发, 严重影响玉米产量与品质, 是一种常见的叶类疾病。 荧光光谱技术能够快速、 无损、 准确地反映作物生理信息, 动态检测其逆境响应规律。 以玉米为研究对象, 基于荧光光谱和生理参数（SPAD和Fv/Fm）融合分析, 探究玉米生理参数对不同程度斑病害的响应规律, 构建荧光光谱反演模型。 首先, 利用相关分析与峰值分析筛选荧光光谱的敏感波段, 采用多元散射校正（MSC）、 标准正态变量变换（SNV）、 多项式平滑（S-G）、 FD光谱一阶导数、 SD光谱二阶导数等5种预处理及MSC-SG-FD, MSC-FD-SG, SNV-SG-FD, SNV-SG-SD等4种建模组合方法, 以相关系数R2和均方根误差RMSE为模型效果评价指标, 确定荧光光谱反演生理参数模型的最优方法。 结果表明: 不同斑病害程度下荧光光谱特性的整体变化趋势一致, 但强度差异显著, 在波段600.000～800.000 nm内, 光谱反射率会出现明显的峰中心, 达到极值。 在波段900.000 nm之后, 反射率趋于平稳, 特征明显减少。 对于潜伏期叶片, SPAD与Fv/Fm的建模最优方法均为SNV-SG-FD, Rc为0.985 2和0.976 8, RMSEC为1.59和2.85。 对于早期发病叶片, SPAD的建模最优方法为SNV-SG-FD, Rc为0.949 7, RMSEC为3.79, Fv/Fm的建模最优方法为SNV-SG-SD, Rc为0.943 8, RMSEC为0.011 7。 模型预测性精度较高, 能够实现对早期斑病害玉米叶片SPAD和Fv/Fm的精准预测, 为玉米斑病害潜伏期与病害早期的生理信息监测提供参考依据。 研究结果可应用于大田作业, 提升田间精细化、 智能化管理水平, 为玉米高产、 优质、 优生提供理论依据与技术支撑。

为探究水分胁迫下冬小麦冠层反射率在各生育期响应叶片叶绿素变化的特性, 针对2020年—2021年小麦生长季11个品种(分为强、 一般和弱3个抗旱性品系), 设置了2次灌溉(拔节、 扬花)、 1次灌溉(冬季、 返青、 拔节、 拔节后7天和拔节后14天)以及无灌溉总共3个水分梯度处理, 分析了叶绿素与反射率之间的相关性, 利用波长随机组合方式［简单比值(SRSI)、 简单差值(SDSI)和归一化(NDSI)］与线性拟合方法, 筛选了对叶绿素最为敏感的窄波段光谱指数。 结果表明： (1)所有品系叶绿素含量在各生育期均差异显著, 从拔节到灌浆大致表现为降低─升高─降低态势, 但冬季和返青期灌溉处理下的抗旱性一般品系、 以及返青期灌溉处理下的抗旱性较差品系除外; (2)随着发育进程推移和品种抗旱性减弱, 不同处理间在近红外区域的冠层反射率差距逐渐增大。 (3)叶绿素与窄波段光谱指数的线性拟合决定系数高值区集中在绿(445～591 nm)和红边(701～755 nm)波段。 抗旱性较强品系和抗旱性较差品系的SRSI指数均在开花期反演叶绿素的精度最高, 分别达0.762和0.811; 抗旱性一般品系的NDSI指数在灌浆期精度最高, 为0.732。 该研究对于揭示水分胁迫下叶绿素变化的反射率响应在冬小麦各关键生育期以及品种间差异等, 具有一定参考价值, 可为基于无人机载高光谱技术的抗旱小麦品种高效筛选奠定基础。

种子萌发作为植物生命历程的开端，直接影响作物的最终产量。种子萌发常遭遇低温的影响，严重威胁粮食生产安全。利用傅里叶变换红外光谱结合曲线拟合研究低温对谷物种子（藜麦、青稞、水稻和小麦）萌发的影响。研究结果显示，4种谷物种子的发芽势、发芽率和发芽指数都随温度的降低而下降，青稞种子在4 ℃低温下的发芽率和发芽指数仍然较高，表明青稞种子的耐低温能力更强。红外光谱结果显示，低温胁迫下的谷物种子原始红外光谱整体特征相似，主要由多糖、脂肪和蛋白质的特征吸收峰组成。对低温胁迫下的谷物种子多糖（1200~950 cm^-1）和酰胺Ⅰ带（1700~1600 cm^-1）进行曲线拟合，结果显示：藜麦种子的多糖含量上升，蛋白质含量下降；青稞种子的多糖和蛋白质含量均呈先升后降的趋势；水稻种子的多糖含量下降，蛋白质含量上升；小麦种子的多糖含量呈先升后降的趋势，蛋白质含量呈先降后升的趋势。另外，在低温胁迫下，藜麦、青稞、水稻和小麦种子中都有不同比例的蛋白质二级结构从无序转向有序。因此，傅里叶变换红外光谱结合曲线拟合是一种研究低温胁迫对种子萌发影响的有效方法。

番茄果实营养丰富备受人们喜爱。 番茄生长周期长, 需水量大, 水分含量是影响番茄植株生长发育的主要因素; 快速发现番茄植株水分亏缺状态, 对于科学有效地进行番茄的灌溉管理, 保障和提高番茄的产量和品质具有重要意义。 利用高光谱成像技术, 实时识别番茄叶片干旱胁迫程度, 提出了一种基于高光谱成像技术的番茄叶片干旱胁迫的识别方法。 首先, 选取红樱桃番茄为实验品种, 在室内培养12盆番茄幼苗。 在保证其他管理措施相同的基础上, 通过控制施水量来控制番茄的胁迫状态, 干旱胁迫程度设计3个处理(适宜水分、 中度和重度胁迫)。 分批次采集不同干旱程度番茄幼苗嫩叶在400~1 000 nm范围的高光谱图像, 并提取了每个样本的光谱和纹理特征。 使用标准化(Norm)、 多元散射校正(MSC)、 一阶导数(1st)和标准正态变量变换(SNV)四种预处理方法对光谱数据进行预处理去除光谱中的噪声。 使用连续投影算法(SPA)、 竞争性自适应重加权算法(CARS)以及竞争性自适应重加权算法结合连续投影算法(CARS-SPA)选取光谱重要特征波段, 用灰度梯度共生矩阵(GLGCM)提取番茄叶片的纹理特征, 用SPA选择纹理特征的重要变量。 融合重要光谱特征与重要纹理特征结合支持向量机(SVM)构建识别番茄干旱胁迫模型, 同时选用自适应增强算法(AdaBoost)与K-近邻(KNN)与SVM模型对比。 结果表明, 融合重要光谱特征与重要纹理特征后, 基于CARS-SPA波长选择的SNV-SVM模型具有最好的分类效果, 训练集的分类准确度(ACCT)为94.5%, 预测集的分类准确度(ACCP)为95%, AdaBoost模型分类效果次之ACCT为86.5%, ACCP为87%, KNN模型分类效果最差ACCT为81.5%, ACCP为79%。 因此, 该方法对番茄叶片干旱胁迫程度实时识别有较好的效果, 可为构建智能化的干旱胁迫分析技术提供参考。

紫苏［Perilla frutescens(L.)Britt.］是一种新型油料经济作物。转录因子WRI1(WRINKLED1)参与调控植物油脂合成积累。为探究紫苏PfWRI1在油脂合成积累及胁迫响应过程中的分子调控机制, 通过分子克隆技术分离得到PfWRI1的完整编码区, 利用生物信息学分析工具和半定量PCR(sqRT-PCR)及实时荧光定量PCR(qRT-PCR)技术对序列特征及表达水平等进行分析。结果显示: PfWRI1转录因子属于AP2(APETALA2)超家族, 包含2个AP2保守结构域; 亚细胞定位预测分析显示, PfWRI1转录因子定位于细胞核; 无规则卷曲和α-螺旋是PfWRI1蛋白二级结构中的主要结构元件; 系统进化分析表明, PfWRI1与芝麻和油梨WRI1的亲缘关系最近; 互作蛋白预测表明, PfWRI1蛋白可能与LEC1(LEAFYCOTYLEDON1)、FATA(fatty acyl-acyl carrier protien thioesterase)、FATB和PDAT(phospholipids:diacylglycerol acyltransferase)等存在互作关系; PfWRI1在紫苏的不同组织中均有表达, 随种子成熟其表达量呈现先升高后降低的模式, 且在发育中后期(开花后30 d)种子的表达量最高, 表明PfWRI1可能在紫苏种子油脂合成中具有调控作用; 紫苏幼苗经过低温胁迫后, PfWRI1的表达量在胁迫12 h后显著上调, 说明PfWRI1可能参与紫苏幼苗冷胁迫响应。这些结果为进一步研究PfWRI1在紫苏油脂合成积累和胁迫响应中的分子机制及功能奠定了基础, 为紫苏和其他油料作物的遗传改良和新品种选育提供了理论依据。

盐胁迫影响植物生长发育, 制约农作物安全生产。细胞内钠离子毒害是导致盐胁迫的主要因素之一, 细胞内积累过多的钠离子会抑制光合作用及蛋白合成等一系列生理生化活动。因此, 植物细胞内钠离子动态平衡对于维持植物正常生长发育至关重要。本文从盐胁迫对植物的危害、钠离子转运、信号传导等方面来阐述植物应答高盐胁迫的研究进展, 以推动对植物盐胁迫响应机制的研究。