自动化的气孔检测和测量对于了解全球水和碳循环中植物的生理性能和生态功能至关重要。目前的方法费力、耗时、容易产生偏差，而且规模有限。我们开发了StoManager1，这是一个高通量的工具，利用经验和理论算法和卷积神经网络来自动检测、计数和测量气孔和保护细胞的30多个指标，包括气孔和保护细胞的面积、长度、宽度和方向、气孔均匀度、发散度和聚集指数。这些指标与叶片功能性状相结合，解释了硬木生产力和内在水分利用效率(intrinsic water use efficiency, iWUE)差异的78%和93%，使它们成为叶片生理和树木生长的重要因素。

StoManager1具有出色的精度和召回率(mAP@0.5超过0.993)，有效地捕获了不同物种的不同气孔特性。stomanager1促进了叶片气孔测量的自动化，可以更广泛地探索植物生长和适应环境胁迫和气候变化的气孔控制。这对全球总初级生产力(gross primary productivity, GPP)的建模和估算具有重要意义，因为整合气孔指标可以增强对全球植物生长和资源利用的理解和预测。

图1 a)模型训练过程示意图，b)检测工作流程示意图，以及气孔计量的分割模型管道示意图(c, d, e, f, g)。

图2 StoManager1中针对硬木和胡杨数据集的a)边界框和b)基于分割的模型的Precision × recall曲线和recall × confidence曲线。

图3 模型检测和分割的例子。

图4 利用杨树数据对模型进行训练，并利用阔叶树数据对模型进行气孔面积和方位估算。a)利用Populus数据，以气孔边界盒宽度和高度(单位:pixels2)为自变量与实测个体气孔面积(单位:pixels2)的乘积拟合线性回归模型。b)对实测个体气孔取向和气孔宽高比进行回归，c、d)利用16个阔叶树种数据对回归模型进行验证。e, f, g)基于边界盒的模型在预测保护单元宽度和长度方面的性能。

图5 StoManager1测量指标、叶片功能性状和树木生长测量数据的主成分分析(PCA)和Pearson相关分析结果。Vcmax为最大羧化速率，Jmax为最大光合电子传递速率，TPU为磷酸三糖，Rday为无光呼吸时的光呼吸速率，gm为叶肉导度，Cond为气孔导度，Trans为叶片蒸腾速率，iWUE为内在水分利用效率，WUE为瞬时水分利用效率，SLA为比叶面积，Photo为光合作用。“wst”为“全气孔”，定义为气孔孔径和保护细胞复合体，“st”为“气孔”，定义为气孔孔径，“gc”为保护细胞，SEve为气孔均匀度指数，SDiv为气孔分化度指数，SAgg为气孔聚集度指数。

图6 StoManager1测量指标、叶片功能性状和树木生长测量数据的主成分分析(PCA)和Pearson相关分析结果。Vcmax为最大羧化速率，Jmax为最大光合电子传递速率，TPU为磷酸三糖，Rday为无光呼吸时的光呼吸速率，gm为叶肉导度，Cond为气孔导度，Trans为叶片蒸腾速率，iWUE为内在水分利用效率，WUE为瞬时水分利用效率，SLA为比叶面积，Photo为光合作用。“wst”为“全气孔”，定义为气孔孔径和保护细胞复合体，“st”为“气孔”，定义为气孔孔径，“gc”为保护细胞，SEve为气孔均匀度指数，SDiv为气孔分化度指数，SAgg为气孔聚集度指数。