气孔调节植物与大气的气体交换过程，在植物生长和水分利用中起着重要作用。叶表温度热红外传感是一种间接而有效的估测叶片气孔导度方法，具有快速区分水分利用相关性状基因型的潜力。本研究的目的是利用作物热红外图像和相关环境参数来估计叶片气孔导度。

(a)详细的Spidercam田型表型图，本研究中阴影区域代表4种作物类型(黄色：玉米，蓝色：高粱，紫色：大豆，橙色：向日葵)。 (b)研究领域和气象站的概况。

箱线图：比较了本研究中不同农作物类型之间测量的气孔导度。

该实验在内华达州米德附近的NU-Spidercam表型研究平台进行。首先，用气孔仪测定了大豆、高粱、玉米和向日葵叶片气孔导度。然后，利用红外热像仪采集作物冠层的红外热像，进行处理，提取作物冠层温度(Tc)。此外，还从附近的气象站提取了太阳辐射、气温、相对湿度和风速等气象变量。接着，进行相关分析以探索这些变量之间的关系。最后，应用多元线性回归(MLR)，随机森林(RF)，梯度增强机(GBM)从Tc和天气变量对气孔导度进行建模。结果显示，当Tc不作为输入变量时，MLR、RF和GBM气孔导度的Pearson相关系数分别为0.495、0.591和0.878。将Tc添加为输入变量后，MLR的Pearson相关系数提高到0.584，RF提高到0.593，GBM提高到0.896。当Tc作为模型输入时，三个模型的平均绝对误差分别为225、237和129mmol/(m2·s)。综上所述，本研究将有助于利用热红外成像技术快速评价叶片气孔导度和作物水分状况。

气孔导度与环境变量之间的相关矩阵。

在有和没有Tc(冠层温度)作为预测指标的情况下，测得的气孔导度与估计的气孔导度的散点图。

来源：

Zhao L, Wang L, Li J, et al. Toward accurate estimating of crop leaf stomatal conductance combining thermal IR imaging, weather variables, and machine learning. Proceedings Volume 11747, Autonomous Air and Ground Sensing Systems for Agricultural Optimization and Phenotyping VI; 117470L (2021) https://doi.org/10.1117/12.2587577.