人参植物生长在阴凉处，对生物和环境的相互作用很敏感，使植物生理紊乱，大大降低了收获的人参的产量和质量。本研究证明了利用荧光高光谱成像技术对高温胁迫下4个品种人参植株的叶绿素组成进行早期高通量检测和预测的潜力。如图1，搭建高光谱成像系统采集了温敏感和耐温4个品种共80株植物在35℃高温胁迫(3 d)前后的高光谱成像数据，如图2，预处理的光谱数据如图3。此外，采用SPAD-502仪表对叶绿素浓度进行无损测量。而平均光谱数据提取的是植物叶片受胁迫前后的感兴趣区域(ROI)。采用方差分析(ANOV A)方法观察人参植株的显著性条带变化(图4)，并通过生成比例图像(图5)来检测热胁迫植株。据此，如图6，利用提取的光谱数据，结合多种预处理技术建立偏最小二乘回归(PLSR)模型(图7、8)，预测人参植物的叶绿素组成。PLSR分析结果表明，SPAD单元叶绿素丰度的决定系数为R2val= 0.90, RMSEV= 3.59%。利用建立的PLSR模型系数制作叶绿素浓度图像，显示了热敏和抗性人参品种正常和热胁迫植株的叶绿素浓度差异(图9、10)。

　　图1 用于数据采集的高光谱成像系统

　　图2 显示化学成分的最终可视化的数据收集的示意性表示。

　　图3 对照和胁迫人参植株的原始和预处理光谱数据总量:(a)原始光谱数据;(b)基于snv的预处理光谱数据。

　　图4 双波段比(674.5/688.6 nm)单向方差分析的f值对对照和胁迫人参植株进行了区分。等高线图右侧的色阶表示f值从蓝色到红色的递增。

　　图5 生成带比图像的关键步骤:(a)清洗后的无背景高光谱图像，(b)方差分析选择的波段图像，(c) 674.3 / 688.6 nm分割得到的比值图像，(d)阈值比对照图像呈现的胁迫植物黑白图像。

　　图6 (a)热处理前后的平均光谱数据;(b)所有植物品种光谱数据的基于snv的预处理。

　　图7 (a)控制植物、抗性植物和敏感植物的PLSR校准图;(b)对照、抗性和敏感植物的PLSR验证区表示。

　　图8 偏最小二乘回归模型的Beta系数曲线用于预测人参植株叶绿素含量。

　　图9 (a)热胁迫前植物敏感组Chunpoong(对照条件下敏感组);(b)同一植物经热应激后(敏感);(c)同一品种热处理前后植株预测PLS图像的直方图;(d)第二组敏感植物Jakyeong，(d)在热胁迫前(控制)和(e)同一植物在热胁迫后(敏感);(f)同一品种热处理前后植株预测PLS图像的直方图。

　　图10 (a) Sunil，热胁迫前的抗性组(对照条件下的抗性组)和(b)热胁迫后的同一植株(抗性组);(c)同一品种热处理前后植株PLS预测图像的直方图;(d) Sunmyoung，热胁迫前的第二组抗性植株 (对照条件下的抗性植株)和(e)热胁迫后的同一植株(敏感植株);(f)同一品种热处理前后植株预测PLS图像的直方图。

　　来源：Faqeerzada, Mohammad Akbar and Nabwire, Shona and Park, Eunsoo and Wakholi, Collins and Joshi, Rahul and Cho, Byoung-Kwan, Fluorescence Hyperspectral Imaging for Early Diagnosis of Abiotically Heat-Stressed Ginseng Plants. Available at SSRN: https://ssrn.com/abstract=4147603 or http://dx.doi.org/10.2139/ssrn.4147603

　　编辑：王春颖