全株植物叶绿素荧光成像是进行光合作用无损分析的有力工具。对这些图像的分析需要能够处理和计算每个植物像素的光合作用参数的软件。植物光合表型成像系统CropReporter是目前国际上最著名的全株植物叶绿素荧光成像系统。

　　由丹佛斯植物科学中心Noah Fahlgren等开发的PlantCV是目前国际上最著名的基于Python的开源植物科学图像分析工具库。近期，Fahlgren等专门为CropReporter系统测量的数据，开发了PlantCV光合作用子包。以前版本的PlantCV包括分析光合效率数据的工具，但最近光合作用子包的发展已经扩展到包括更多基于叶绿素荧光和光谱指数的光合参数。

　　PlantCV 光合作用包专门针对荷兰PhenoVation公司的植物光合表型成像系统(如CropReporter、PlantExplorer等)设计，最新版本更新了读取CropReporter数据功能(Read_CropReporter Function)、重新分配帧标签功能(Reassign_frame_labels Function)、光合效率分析功能(Analyze_yii Function)和非光化学淬灭分析功能(Analyze_npq Function)等。

　　(1)阅读作物报告功能(Read_cropreporter Function)：读取植物光合表型成像系统CropReporter测量的数据存储在X-Array (http://xarray.pydata.org/en/stable/) DataArrays中以便下游PlantCV光合作用或光谱函数可以识别帧。

　　(2)重新分配帧标签功能(Reassign_frame_labels Function)：绘制所有成像帧的荧光诱导曲线，并为最大荧光(Fm or Fm ')帧分配标签。

　　(3)光合效率分析功能(Analyze_yii Function)：分别从暗适应和光适应后测量的图像中计算和绘制Fv/Fm和 Fq ' /Fm '的直方图。附加的输入参数“measurement_labels”确保用户可以在分析后区分暗适应测量协议和光适应测量协议。

　　(4)非光化学淬灭分析功能(Analyze_npq Function)：对PSII的非光化学淬火(Non Photochemical Quenching, NPQ)进行分析。

　　(5)可选光谱分析功能(Optional spectral indices)：CropReporter除了可以测量叶绿素荧光成像之外，还可以进行多光谱成像测量。我们将PlantCV的光谱指数分析包导入后，实现了NDVI(归一化植被指数)、GDVI(绿色差异植被指数)、ARI(花青素指数)、CI(叶绿素指数)等的分析。

　　并讨论了这些工具在高梁数据集上的应用，结果如图1，该数据集使用PhenoVation公司的植物光合表型成像系统CropReporter测量得出。

　　图1 BTx623和NSZ在冷冻处理前(预冷冻)和12°C冷冻2周后(冷冻)的全植物像素的Fv/Fm(A)， Fq ' /Fm (B) '和NPQ值(C)的直方图。(D)冷处理2周前后BTx623(蓝色)和NSZ(黄色)的种植面积。对每个基因型进行3个生物重复。

　　总之，这些对PlantCV光合作用子包的更新扩大了使用PlantCV从荧光图像中提取的光合参数的数量。此外，计算光谱指数的功能也已集成到光合作用子包中。在高粱幼苗中显示的光合工作流程是这些软件工具的一个更直接的潜在应用。PlantCV工作流程的模块化包括标签和记录每个图像堆栈的多个观测值的能力，这意味着它可以分析来自离散植物器官的信号。使用PlantCV进行单叶分析是可能的，这两种自动化工具可以识别集群和感兴趣的区域，这需要更多的定制，但允许对分析区域进行完全控制。这些更新与现有PlantCV功能的集成为分析多种植物图像数据提供了额外的工具和灵活性。

　　PlantCV光合作用子包的Python代码：https://github.com/danforthcenter/plantcv/tree/4.x)。

　　光合作用工作流程的教程: https://plantcv.readthedocs.io/en/4.x/tutorials/psII_tutorial/

　　高粱双色幼苗的图像数据集：https://figshare.com/s/e700a628159ffbf11660

　　来源：Casto A, Schuhl H, Schneider D, Wheeler J, Gehan M, Fahlgren N: Analyzing chlorophyll fluorescence images in PlantCV. Earth and Space Science Open Archive:5. https://doi.org/10.1002/essoar.10508322.2

　　编辑：王春颖