光合作用的空间预测需要理解叶片氮(N)和磷(P)如何调节这一过程，以及这些元素和可扩展光谱指数的关系。高光谱图像已用于预测重要的光合变量，如最大羧化速率(V _cmax)和电子输运(J _max)。然而，目前大多数研究是关于“假设N和P共同限制光合作用”，但以N/P≤10和N/P>10为特征的理解仍然不完整。

图像分析管道概述

以1年生Pinus radiata D. Don为试验材料，在氮磷因子组合下进行高光谱成像和光合作用测定。本研究的目的是(i)确定树木是否受到N和P的共同限制或独立限制，然后使用高光谱图像来(ii)划分N和P限制的树木，(iii)从一系列高光谱指数建立N和P模型，(iv)探索关键植物性状与V _cmax和J _max之间的联系。与假设共限所有数据的使用相比，在N/P=10(独立限制)下，N和P与光合能力之间的关系显著增强，V _cmax(R²=0.40 vs.0.59)和J _max(R²=0.38 vs.0.64)。采用随机森林模型，以光化学反射指数(PRI)和太阳诱导叶绿素荧光(SIF)为主要变量，对磷限制的树木进行了N的精确分配。利用磷限制阶段的数据，用PRI(R²=0.75)和SIF(R²=0.52)建立了最精确的磷模型。在氮限制期内，叶绿素指数是最精确的氮预测因子，但氮与PRI(R²=0.83)和SIF(R²=0.57)之间也有很强的正相关。SIF、PRI和V _cmax (R²分别为0.78和0.83)和J _max (R²分别为0.80和0.83)与N和P均呈强正相关，且均可在N和P的限制范围内推广。

通过1μM赤霉素(GA3)验证筛选方法

通过1μM脱落酸(ABA)验证筛选方法

综上所述，与其他高光谱指数相比，高光谱图像定量SIF和PRI在预测叶片营养和光合作用生化限制方面具有更高的精度和通用性。

通过1-萘乙酸(NAA)的浓度范围验证筛选方法

来源：

Wat M S, Buddenbaum H , Estarija H J C, et al. Development of a novel and rapid phenotype-based screening method to assess rice seedling growth. October 2020ISPRS Journal of Photogrammetry and Remote Sensing 169:406-420. DOI: 10.1016/j.isprsjprs.2020.09.006.