曹曉峰，余克強，趙艷茹，張海輝

1. 西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院，陜西 楊凌 712100 2. 農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室，陜西 楊凌 712100 3. 陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點實驗室，陜西 楊凌 712100

引 言

干旱、極端溫度、土壤鹽害等引發(fā)的植物非生物脅迫嚴(yán)重威脅植物種植，環(huán)境可持續(xù)基礎(chǔ)上高效種植植物已經(jīng)成為普遍要求，這需要可靠的脅迫監(jiān)測以支撐精準(zhǔn)種植和同時加速培育抗逆植物品種，兩者都依賴可靠的植物表型分析[1-3]。表型是植物基因型與環(huán)境交互的宏觀(結(jié)構(gòu))和微觀(生理生化)性狀的總和，獲取評估植物復(fù)雜性狀的過程被稱為植物表型分析。種植中，表型分析可以有助于了解植物受脅迫程度，優(yōu)化資源投入；育種中，有助于篩選鑒定具有優(yōu)良抗性的品種，輔助遺傳分析定位關(guān)鍵的遺傳因素，為目標(biāo)環(huán)境培育抗逆性更強的植物品種，實現(xiàn)遺傳增益[4-6]。現(xiàn)代農(nóng)業(yè)和植物育種需要高通量植物表型數(shù)據(jù)支持精準(zhǔn)決策和基因挖掘[2, 7-8]，傳統(tǒng)表型分析方法費時費力的瓶頸使具備快速無損等優(yōu)點的高通量表型分析技術(shù)得到了廣泛關(guān)注，從近距離到衛(wèi)星尺度的高通量表型平臺被用來研究特定條件下植物細(xì)胞、植株、群體以及生態(tài)系統(tǒng)等水平的表型及變化規(guī)律以揭示基因型、環(huán)境和表型間的復(fù)雜關(guān)系，優(yōu)化種植管理和提高育種效率，被稱為現(xiàn)代農(nóng)業(yè)和育種的加速器[9-11]，其中成像光譜技術(shù)將光譜和成像合二為一能定性定量分析植物結(jié)構(gòu)、生理、生化等表型并評估其空間分布，在高通量植物表型分析中表現(xiàn)出突出潛力[8, 12-14]，如圖1，在植物育種中，紅外(infrared, IR)、可見(visible, VIS)、熒光(fluorescence, FLUO)等成像傳感器獲取植物高通量表型數(shù)據(jù)(high-throughput phenotype, HTP)，結(jié)合植物高通量基因數(shù)據(jù)(high-throughput genotype, HTG)開展全基因組關(guān)聯(lián)分析(genome-wide association study, GWAS)定位數(shù)量性狀基因座(quantitative trait locus, QTL)等潛在基因，再利用標(biāo)記輔助育種(marker assisted breeding)、基因工程(genetic engineering)等現(xiàn)代育種技術(shù)進(jìn)行基因修飾實現(xiàn)作物改良(crop improvement)。由此看出，成像光譜高通量植物表型分析平臺架起了溝通植物表型組學(xué)(phenomics)和基因組學(xué)(genomics)的橋梁[14-16]。

鑒于上述內(nèi)容，本文回顧近年來在植物種植管理和育種中基于成像光譜高通量分析植物非生物脅迫表型的進(jìn)展以分析其發(fā)展趨勢，簡單介紹了不同成像光譜技術(shù)(可見光成像(RGB imaging)、多/高光譜成像(multispectral/hyperspectral imaging, MSI/HSI)、葉綠素/多光譜熒光成像(chlorophyll/multispectral fluorescence imaging, ChlFI/MFI)和熱紅外成像(thermal infrared imaging, TIRI))的成像特點和在植物表型分析中的應(yīng)用特點，然后概述了成像光譜技術(shù)高通量分析植物表型的基本流程，總結(jié)了近年來不同成像光譜技術(shù)高通量分析植物干旱、溫度、鹽、養(yǎng)分等脅迫表型的部分研究，探討了上述光譜成像分析植物非生物脅迫表型存在的挑戰(zhàn)，并對其發(fā)展趨勢提了建議。

圖1 高通量表型平臺加速作物改良[14]Fig.1 High-throughput phenotyping platforms accelerate crop improvement[14]

1 成像光譜高通量分析植物表型

光譜成像技術(shù)既能利用基于植物因不同狀態(tài)、成分等與電磁波表現(xiàn)出的不同交互作用(反射、透射、吸收、發(fā)射等)的光譜來定性定量分析分析植物表型，同時也能以圖像呈現(xiàn)交互強度的空間分布實現(xiàn)對植物表型空間信息的評估[15-16]，是便捷的植物表型分析工具。紫外至紅外的光譜可以提供豐富的表征植物表型如光合、水分、色素、生物量的光譜信息，為此，紫外至紅外光譜范圍的常見的成像光譜技術(shù)在植物高通量表型分析中得到了廣泛應(yīng)用，不同成像技術(shù)的光譜范圍和數(shù)據(jù)的類型存在較大差異，這也決定了不同技術(shù)在植物表型分析中的應(yīng)用特點[17-20]，如表1統(tǒng)計。

表1 成像光譜技術(shù)及其應(yīng)用特點Table 1 Imaging spectroscopy techniques and their application characteristics

2 成像光譜技術(shù)高通量分析植物非生物脅迫表型的進(jìn)展

非生物脅迫類型多，如干旱、養(yǎng)分缺乏、倒伏、異常溫度、鹽害，不同脅迫會伴隨出現(xiàn)，如鹽害造成干旱，高溫伴隨干旱等[17, 26, 30]。脅迫下植物代謝狀態(tài)(光合、蒸騰等)和生理成分(色素、水分、激素等)含量會產(chǎn)生變化，持續(xù)脅迫會造成植物形態(tài)、結(jié)構(gòu)等改變，如葉面積減小，生物量減少，植物衰老或死亡[31-32]，所以通過測量和分析植物相關(guān)的性狀即植物表型分析，可以了解植物受脅迫的狀態(tài)以及不同植物響應(yīng)脅迫的差異。加強脅迫治理和培育抗逆品種是緩解和解決脅迫的兩種途徑，也是成像光譜高通量分析植物非生物脅迫表型應(yīng)用的主要領(lǐng)域，脅迫治理中主要實現(xiàn)非生物脅迫高通量監(jiān)測以指導(dǎo)治理措施，在抗逆育種中用于抗逆品種高通量篩選鑒定和高通量測量表型數(shù)據(jù)輔助遺傳分析等。

2.1 植物非生物脅迫高通量監(jiān)測

有效監(jiān)測識別脅迫的類型、程度等可以實現(xiàn)水肥藥等的按需投入和脅迫精準(zhǔn)治理，特別是脅迫早期監(jiān)測，及時采取措施將脅迫損失和治理成本降至最低。成像光譜技術(shù)能提供植物豐富的表型信息，在植物非生物脅迫監(jiān)測中得到了諸多應(yīng)用，如表2所示。Rapaport等[33]以高光譜成像研究葡萄干旱下葉片水勢、氣孔導(dǎo)度和非光化學(xué)猝滅與光譜的相關(guān)性，530～550和1 500 nm處的光譜能反映表型變化，分析得到3個水分平衡光譜指數(shù)預(yù)測表型的效果優(yōu)于已有的指數(shù)如光化學(xué)植被指數(shù)(PRI)、改進(jìn)歸一化植被指數(shù)(mNDVI)、結(jié)構(gòu)不敏感色素指數(shù)(SIPI)。Yao等[19]利用葉綠素/多光譜熒光成像監(jiān)測野生型(WT)和突變體(osca1)擬南芥干旱脅迫，分析得到與生理表型相關(guān)的特征熒光參數(shù)并建立了不同干旱程度的SVM分類模型，脅迫3天和7天的分類準(zhǔn)確率分別為93.3%和99.1%，并利用熒光參數(shù)(如藍(lán)/綠熒光Blue/Green Fluorescence(BF/GF)參數(shù))圖像分析了干旱對光合和代謝響應(yīng)的空間分布，實現(xiàn)了葉片和冠層的表型的可視化(圖2)；Wang等[34]用葉綠素?zé)晒夂投喙庾V成像監(jiān)測番茄干旱、營養(yǎng)缺乏等脅迫，表明合適的熒光參數(shù)和反射光譜指數(shù)能指示作物生理狀態(tài)和區(qū)分脅迫類型。Simko等[36]以高光譜和葉綠素?zé)晒獬上穹治錾藘龊Α⒏邷?、鹽脅迫的表型，說明高光譜指數(shù)能反映葉綠素和花青素變化，葉綠素?zé)晒饪山沂緲O端溫度和鹽脅迫對生長和光合的抑制。Song等[37]以日光誘導(dǎo)熒光(SIF)、歸一化植被指數(shù)(NDVI)和增強型植被指數(shù)(EVI)遙感監(jiān)測熱脅迫對冬小麥的影響，分析產(chǎn)量年際變化與SIF，NDVI和EVI的相關(guān)性發(fā)現(xiàn)SIF的相關(guān)性最高(R2=0.8)，脅迫早期SIF會顯著降低而NDVI和EVI無明顯變化。Pandey等[38]利用高光譜成像預(yù)測營養(yǎng)脅迫下玉米和大豆水分、大量和微量元素含量，光譜建立的各成分PLSR預(yù)測模型中含水量效果最好(R2=0.93, RPD=3.8)，大量元素次之(R20.69～0.92, RPD 1.62～3.62)，微量元素的精度較低(R20.19～0.86, RPD 1.09～2.69)。Bai等[39]以RGB成像檢測大豆缺鐵褪綠病(iron deficiency chlorosis, IDC)，提取顏色特征建立了IDC的LDA和SVM分類模型，準(zhǔn)確度>81%。Raji等[40]利用熒光成像監(jiān)測香芋和甘薯除草劑/干旱脅迫，紅熒光F687和遠(yuǎn)紅熒光F760之比(F687/F760)隨脅迫增加而上升，對照、除草劑和干旱下香芋的凈光合速率與F687/F760相關(guān)系數(shù)分別為0.78，0.79和0.78，甘薯分別為0.77，0.86和0.88。

這些研究表明成像光譜可以分析植物多種脅迫下的多樣化表型，在一定程度上可以為脅迫監(jiān)測提供解決方案，脅迫早期的響應(yīng)通常表現(xiàn)在生理生化等微觀的變化，RGB成像適于分析脅迫后宏觀表型的變化，對早期未出現(xiàn)癥狀的脅迫監(jiān)測存在局限。熒光、紅外成像等可以反映植物光合、氣孔導(dǎo)度等微觀響應(yīng)的變化，具有監(jiān)測植物早期脅迫的潛力，但同時也會受到使用條件如暗適應(yīng)、環(huán)境溫度的影響。所以需要新的思路解決實際應(yīng)用存在的問題。

表2 成像光譜技術(shù)監(jiān)測植物非生物脅迫的研究Table 2 Studies on abiotic stress monitoring of plants by imaging spectroscopy

圖2 對照和干旱處理的擬南芥BF和GF熒光參數(shù)圖像下表型的可視化Fig.2 Phenotype visualization under BF and GF of control and drought treated plants

2.2 抗逆植物品種高通量篩選鑒定

表3 成像光譜技術(shù)篩選鑒定植物品種的研究Table 3 Studies on screening & identification of plant varieties by imaging spectroscopy

圖3 除草劑處理下野生型和轉(zhuǎn)基因玉米植株草莽酸濃度的可視化

上述研究表明成像光譜可用于多種抗逆性的篩選鑒定，有助于實現(xiàn)品種高通量篩選鑒定，但RGB較難實現(xiàn)品種快速篩選鑒定，熒光、高光譜、熱紅外等成像可以實現(xiàn)品種快速的篩選鑒定，但熒光有限的光譜范圍，只能定量分析光合、葉綠素等有限的性狀，高光譜提供了諸多性狀的特征光譜信息，可定量分析更多表型，但同時也面臨信息冗余和數(shù)據(jù)處理的挑戰(zhàn)，所以不同技術(shù)融合開展全面、精細(xì)的品種篩選鑒定可以作為后續(xù)研究的參考。

2.3 高通量表型輔助遺傳分析

高通量基因測序的發(fā)展使得獲取高通量基因數(shù)據(jù)不再受限，但解析基因的功能和定位基因區(qū)域需要大量的表型數(shù)據(jù)，成像光譜技術(shù)快速準(zhǔn)確地測量高通量表型數(shù)據(jù)，可為遺傳功能解析和基因定位(GWAS定位QTL等)提供大數(shù)據(jù)支持[1, 63-64]。Condorelli等[65]用無人機和地面多光譜成像測量248種小麥不同水分下的NDVI光譜數(shù)據(jù)開展GWAS，分別定位到22和16個影響NDVI的QTL，表型方差分別占89.6%和64.7%；Dhanagond等[66]利用可見光成像連續(xù)長期測量大麥隨干旱持續(xù)的生物量并計算其生長模型結(jié)合GWAS揭示大麥抗旱和干旱恢復(fù)的基因區(qū)域，發(fā)現(xiàn)生物量的QTL可以分為組成生物量QTL、干旱適應(yīng)性QTL和恢復(fù)適應(yīng)性QTL，揭示并定位了不同類型的QTL分布的不同位置。Chen等[67]用無人機、地面可見/多光譜成像估計450種小麥冬季田間條件下的存活率、量化品種間存活差異，結(jié)合GWAS定位提高冬季存活率的關(guān)鍵遺傳因素，發(fā)現(xiàn)了7個抗凍QTL；Wang等[68]以無人機成像預(yù)測的玉米株高數(shù)據(jù)開展GWAS分析，定位到7個與株高相關(guān)性狀的68個QTL，其中35%的QTL與已發(fā)現(xiàn)的一致，這些證明了成像光譜技術(shù)精準(zhǔn)預(yù)測表型輔助基因定位的潛力，有助于抗旱、凍和倒伏等育種。

此外，成像光譜技術(shù)無損可重復(fù)測量表型的優(yōu)點能幫助揭示植物逆境的遺傳變異和增加對植物響應(yīng)脅迫過程的理解，有助于最終確定潛在的關(guān)鍵遺傳因素。Klem等[69]以熱成像和反射光譜揭示6種擬南芥干旱下生長減少和氣孔關(guān)閉兩個過程的基因型特異性，共鑒定出生長和光飽和CO2同化率3種不同表現(xiàn)的基因型類型；Enders等[70]利用RGB成像分析玉米恢復(fù)低溫脅迫的遺傳機制，量化和表征了40種玉米幼苗隨脅迫持續(xù)的表型動態(tài)變化和從脅迫中恢復(fù)的過程，并用層次聚類比較了不同基因型的恢復(fù)能力；Awlia等[71]利用RGB和葉綠素?zé)晒獬上穹治?種濃度NaCl下擬南芥的響應(yīng)特性，發(fā)現(xiàn)100 mmol·L-1NaCl處理的響應(yīng)最顯著，脅迫對形態(tài)有顯著影響，但對顏色和光合效率影響不明顯，對植株生長和熒光性狀聚類發(fā)現(xiàn)脅迫早期耐性與非光化學(xué)猝滅相關(guān)，后期耐性與量子產(chǎn)量相關(guān)。

以上研究可以看出在遺傳分析中獲取準(zhǔn)確和可重現(xiàn)的表型數(shù)據(jù)是分析遺傳因素的基礎(chǔ)和關(guān)鍵，所以如何建立更穩(wěn)定、更高精度、更快速的目標(biāo)表型預(yù)測模型值得深入研究。

3 結(jié)論與展望

介紹了可見-紅外光譜范圍的成像光譜高通量分析技術(shù)在植物非生物脅迫表型分析中的研究進(jìn)展，總結(jié)了成像光譜技術(shù)在植物非生物脅迫監(jiān)測、抗逆品種篩選鑒定以及遺傳分析方面的相關(guān)研究，可以看出成像光譜技術(shù)能夠有效的為植物種植管理和育種提供豐富的表型信息，集成光譜分析、圖像處理和機器學(xué)習(xí)并融合植物科學(xué)的知識可以成為支撐高通量分析植物非生物脅迫表型的理想工具來服務(wù)于植物種植和育種等農(nóng)業(yè)實踐。

不能忽視的是上述技術(shù)分析自然條件下植物地上部分具有優(yōu)勢，但對地下根系存在局限；高精度成像傳感器(如高光譜，葉綠素?zé)晒?的成本限制了其推廣或現(xiàn)場部署；如何將光譜成像產(chǎn)生的表型大數(shù)據(jù)轉(zhuǎn)化為種植和育種的有效參考等也是成像光譜技術(shù)在植物非生物脅迫表型分析中面臨的一些挑戰(zhàn)，所以融合更多的成像光譜技術(shù)如核磁共振、太赫茲成像等，更全面地分析植物表型；研發(fā)低成本、易推廣的高通量表型平臺；開發(fā)有效的表型大數(shù)據(jù)挖掘算法和高通量分析框架等可以作為后續(xù)的突破方向。