了解环境胁迫与遗传变异之间的相互作用对于预测物种对气候变化的适应能力至关重要。叶片温度是植物对热胁迫生理反应的驱动因子和响应指标，需要对其进行监测。叶片温度在叶片和冠层尺度上变化，并受到遗传因素的影响，这对绘制和建模这一关键变量的努力提出了挑战。利用无人机(Unoccupied aerial systems，UAS)收集的热图像提供了一种创新的方法，以叶片级分辨率测量景观中植物的热变化。使用配备热像仪的无人机来评估大蒿属植物(Artemisia tridentata)基因不同种群之间的温度变化，大蒿属植物是北美西部大部分地区密集恢复工作的重点植物物种。在一个蒿属植物普通花园中完成了一个生长季节的飞行，以绘制相对于亚种和细胞型的叶温度、植物的生理表型和夏季热应激。目标是：(1)确定叶片水平气孔导度是否与冠温的变化相对应；(2)量化遗传(即亚种和细胞型)对叶片和树冠温度变化的贡献；(3)确定树冠结构、太阳辐射和亚种细胞型与叶级温度的关系。当考虑整个季节时，气孔导度与来自UAS的冠层温度呈非线性负相关。亚种的同一性最好地解释了冠层温度，在细胞类型之间没有观察到差异。然而，结构表型和小气候最能解释叶水平温度。结果表明，精细尺度热制图可以解耦遗传、表型和小气候因素对叶温动态的影响。随着气候变化引起的热应激变得普遍，热成像UAS代表了一种有前途的方法来跟踪基因-环境相互作用产生的植物表型。

图1 2019年6月5日、7月11日和8月28日，在美国爱达荷州博伊西附近的蒿属植物普通花园，无人机热红外图像(左)和冠层高度模型(中)。2019年6月的彩色图(右)，彩色的树冠轮廓代表每棵植物的植物类型。T = Artemisia tridentata tridentata/Basin big sagebrush；V = A. t. vaseyana/mountain big sagebrush；W = A. t. wyomingensis/Wyoming big sagebrush；2x =二倍体；4x =四倍体。请注意，花园边缘的死灌木和两排缓冲灌木没有被勾画出来，也没有包括在分析中。温度以每个日期的平均地面温度为中心，以便在相同色阶的日期之间进行比较。

图2 展示数据收集、处理和植物和叶片级别统计模型的工作流程图。对于统计模型(红框)，红线表示响应变量，粗黑线表示固定效应，虚线表示随机效应。

图3 美国爱达荷州博伊西附近的蒿属植物(Artemisia tridentata)单株叶冠相对温度(°C)与气孔导度(mol m^-2S^-1)的非线性关系。颜色代表植物的采样数据(6月5日，7月11日，8月28日)。温度以每个日期的平均地面温度为中心。

图4 不同荞属植物类型(亚种和细胞型)不同季节(6月5日、7月11日、8月28日)叶冠相对温度(°C)的平均值±95%置信区间。

图5 估算太阳辐射的影响(均值±89%最高后验密度(highest posterior density，HPD))，离地高度(PixelHeight, 1.8至2.4 cm像素分辨率)，以及每个像素到植物中心的距离对由无人飞行系统(UAS)测量的叶级温度的影响。

图6 各亚种基线温度的后验密度图:细胞型类别和月份。每个后验密度表示与平均地块温度的偏差，因此，与零的重叠表示与平均植物的最小差异。

图7 株高对亚种间温度的影响:细胞型组合和月份。后验密度代表亚种之间的差异、细胞型和平均植株高度的影响。因此，相对于一株普通植物，零右边的后验密度代表一个亚种:高度增加导致温度升高，而零左边的后验密度代表一个亚种:高度增加导致温度降低。