1、概(gai)述

根(gen)系是(shi)植(zhi)物(wu)地(di)下部分(fen)為適(shi)應陸地(di)生活(huo)長期進(jin)化而(er)形(xing)成(cheng)的(de)營(ying)養器官(guan)，具(ju)有支撐地(di)上(shang)部(bu)分(fen)的(de)基本(ben)作用(yong)，不僅在水(shui)、礦物(wu)質和碳(tan)水(shui)化合物(wu)的(de)吸(xi)收(shou)、轉(zhuan)化和(he)儲(chu)存(cun)中(zhong)發(fa)揮著(zhe)重要(yao)的(de)作用(yong)，還(hai)能夠穩(wen)定植(zhi)物(wu)體(ti)並(bing)與(yu)土(tu)壤(rang)形(xing)成(cheng)物(wu)理(li)和(he)化(hua)學(xue)聯系。有研究(jiu)學(xue)者認為，優(you)良根(gen)系的品種(zhong)有利於提(ti)高產(chan)量穩(wen)定性、資源(yuan)利用(yong)效率(lv)及(ji)對環(huan)境脅(xie)迫的(de)抵抗力^[1]，根(gen)系也被作為育(yu)種(zhong)目標。根(gen)系的形(xing)態(tai)，例(li)如(ru)根(gen)長、根(gen)系體積、根(gen)系直徑(jing)和(he)根(gen)幹(gan)物(wu)質，可以反(fan)映(ying)根(gen)系的健(jian)康(kang)情(qing)況(kuang)。當(dang)植(zhi)物(wu)受到(dao)脅(xie)迫時(shi)，根(gen)系會產生壹(yi)系列生長和發(fa)育、形(xing)態(tai)、生物(wu)量(liang)以(yi)及(ji)生理(li)生化(hua)代謝(xie)變化(hua)以適(shi)應脅(xie)迫條(tiao)件(jian)。因此(ci)，更好(hao)地(di)了(le)解植(zhi)物(wu)根(gen)系和根(gen)際(ji)過程(cheng)有(you)助於(yu)提(ti)高植(zhi)物(wu)生產(chan)和(he)可持續(xu)土(tu)壤(rang)管(guan)理(li)的資源效率(lv)。

根(gen)系研究(jiu)的關(guan)鍵(jian)在於使(shi)植(zhi)物(wu)“隱藏的壹(yi)半"能被可視化(hua)和(he)量化。

傳(chuan)統(tong)植(zhi)物(wu)根(gen)系的研究(jiu)方法包(bao)括挖(wa)掘(jue)法、定位法、土(tu)鉆(zuan)法等(deng)，通(tong)過(guo)挖(wa)根(gen)、洗根(gen)等操作(zuo)後(hou)對根(gen)系進行(xing)形(xing)態(tai)學(xue)、生理(li)生化(hua)等(deng)方面的(de)研究(jiu)，此(ci)類方(fang)法不僅破壞性大(da)、耗時長、取樣成(cheng)本(ben)高，且(qie)存在壹(yi)定的局限(xian)性^[2]。近(jin)年來(lai)，無(wu)損成像方法在植(zhi)物(wu)科(ke)學(xue)中(zhong)變得越來越流行(xing)。傳(chuan)統(tong)上(shang)局(ju)限(xian)於RGB成(cheng)像的(de)高通(tong)量(liang)應用(yong)正(zheng)在向更(geng)寬(kuan)的光(guang)譜範(fan)圍發(fa)展，從(cong)而(er)能夠對根(gen)際(ji)成分(fen)進(jin)行(xing)化(hua)學(xue)成像^[3,4]，也(ye)為地(di)下根(gen)系的研究(jiu)提(ti)供(gong)了(le)新(xin)的途徑(jing)。

為了(le)解決傳(chuan)統(tong)根(gen)系研究(jiu)方法所(suo)存在的缺(que)陷(xian)並方便對(dui)根(gen)系進行(xing)成(cheng)像(xiang)，市場(chang)上(shang)出(chu)現(xian)了(le)壹(yi)系列產(chan)品，如(ru)人工(gong)培(pei)養基（瓊脂(zhi)、發(fa)芽(ya)紙、水(shui)培(pei)等(deng)）培(pei)養植(zhi)物(wu)幼(you)苗的方(fang)法，但(dan)該方(fang)法植(zhi)株的(de)生長條(tiao)件(jian)受到(dao)人們的(de)質疑；微(wei)根(gen)窗技(ji)術(shu)是(shi)壹(yi)種(zhong)非(fei)破壞性、定點(dian)直(zhi)接觀察(cha)和(he)研(yan)究(jiu)植(zhi)物(wu)根(gen)系的方法，是(shi)活(huo)體根(gen)系監(jian)測(ce)、根(gen)系動(dong)態(tai)生長監(jian)測(ce)最(zui)主(zhu)要(yao)的方法之壹(yi)。但(dan)該方(fang)法的(de)缺(que)陷(xian)在於窗(chuang)面及(ji)觀察(cha)深(shen)度(du)都比(bi)較有(you)限(xian)，且在根(gen)系生長過程(cheng)中(zhong)可能會產生大(da)量細根(gen)圍繞(rao)在玻璃管(guan)周(zhou)圍，影響(xiang)觀測(ce)的(de)準確(que)性^[5-7]。因此(ci)，基於(yu)根(gen)窗技(ji)術(shu)，填土(tu)根(gen)箱成(cheng)像(xiang)系統(tong)應運(yun)而(er)生，用(yong)於(yu)植(zhi)物(wu)根(gen)系成像。

基(ji)於根(gen)箱栽(zai)培(pei)的(de)植(zhi)物(wu)根(gen)系表型RGB成(cheng)像存(cun)在壹(yi)個缺(que)陷(xian)，即需要依賴(lai)於(yu)根(gen)與(yu)土(tu)壤(rang)足(zu)夠的對比(bi)度(du)才能進行(xing)自(zi)動(dong)分(fen)割。而(er)高光(guang)譜成(cheng)像數據能夠克服根(gen)與(yu)土(tu)壤(rang)分(fen)割困(kun)難的(de)問(wen)題(ti)，能夠對根(gen)系表型及(ji)生化(hua)性狀成分(fen)進(jin)行(xing)成(cheng)像(xiang)分(fen)析。

根(gen)系表型研(yan)究(jiu)方法對(dui)比(bi)

基(ji)於此(ci)，易(yi)科(ke)泰(tai)生態(tai)技(ji)術(shu)公(gong)司(si)結合近幾(ji)年(nian)來高光(guang)譜成(cheng)像技(ji)術(shu)創新應用(yong)（易(yi)科(ke)泰(tai) SpectrAPP ^® 項(xiang)目）實驗(yan)研(yan)究(jiu)，開(kai)發(fa)了(le)壹(yi)款RhizoTron^®植(zhi)物(wu)根(gen)系高光(guang)譜成(cheng)像分(fen)析系(xi)統(tong)，該(gai)系統(tong)基(ji)於根(gen)窗技(ji)術(shu)，可對RhizoBox根(gen)盒培(pei)養的植(zhi)物(wu)根(gen)系進行(xing)原位非(fei)損傷(shang)表型成(cheng)像(xiang)分(fen)析，具(ju)備多(duo)功能高光(guang)譜成(cheng)像分(fen)析功能，可對植(zhi)物(wu)根(gen)系進行(xing)高光(guang)譜和(he)自(zi)發(fa)光(guang)熒(ying)光(guang)成(cheng)像。能夠實現(xian)植(zhi)物(wu)根(gen)系進行(xing)原位表型高光(guang)譜成(cheng)像分(fen)析和(he)動(dong)態(tai)監(jian)測(ce)。可應用(yong)於(yu)植(zhi)株根(gen)系成像分(fen)析、抗(kang)性篩選及遺傳育種(zhong)、病蟲(chong)害(hai)脅(xie)迫及(ji)幹(gan)旱(han)研究(jiu)、土(tu)壤(rang)結(jie)構(gou)及養分(fen)研(yan)究(jiu)等領(ling)域(yu)。

2、RhizoTron^®植(zhi)物(wu)根(gen)系高光(guang)譜成(cheng)像分(fen)析系(xi)統(tong)

2.1 系(xi)統(tong)介(jie)紹

RhizoTron^®植(zhi)物(wu)根(gen)系高光(guang)譜成(cheng)像分(fen)析系(xi)統(tong)可對生長於RhizoBox根(gen)盒（帶根(gen)窗）的作物(wu)根(gen)系進行(xing)高光(guang)譜成(cheng)像分(fen)析和(he)UV激(ji)發(fa)生物(wu)熒(ying)光(guang)成(cheng)像分(fen)析（選(xuan)配），可選配Thermo-RGB成(cheng)像分(fen)析及(ji)冠層表型成(cheng)像(xiang)分(fen)析。

RhizoTron植(zhi)物(wu)根(gen)系高光(guang)譜成(cheng)像分(fen)析系(xi)統(tong)由(you)主機(ji)系(xi)統(tong)和(he)高光(guang)譜成(cheng)像系(xi)統(tong)組成(cheng)，其(qi)中(zhong)主機系(xi)統(tong)包(bao)括系(xi)統(tong)平(ping)臺(tai)（主(zhu)機箱）、控(kong)制(zhi)單元(yuan)、樣品托、數據處理服務器等(deng)組成(cheng)；光(guang)譜成(cheng)像系(xi)統(tong)由(you)光(guang)譜成(cheng)像單元(yuan)（包(bao)括成(cheng)像(xiang)傳感器、光(guang)源(yuan)、雲臺(tai)等(deng)）和自(zi)動(dong)掃(sao)描軸組成(cheng)。

2.2 功能特(te)點(dian)

1）基(ji)於RhizoTron^®根(gen)窗技(ji)術(shu)的高光(guang)譜成(cheng)像分(fen)析技(ji)術(shu)，配有(you)植(zhi)物(wu)培(pei)養模(mo)塊(kuai)，由(you)樣品托盤(pan)、適(shi)配器(qi)、不同(tong)規(gui)格(ge)尺(chi)寸(cun)RhizoBox根(gen)系觀測(ce)培(pei)養根(gen)盒組成(cheng)，或自(zi)己(ji)制作(zuo)培(pei)養根(gen)盒；可選配多(duo)通(tong)道智(zhi)能LED培(pei)養臺(tai)

2）標配為60度(du)傾斜自(zi)動(dong)掃(sao)描成像（與(yu)植(zhi)物(wu)培(pei)養角度(du)壹(yi)致），同時(shi)對(dui)RhizoBox根(gen)系和幼(you)苗進行(xing)高光(guang)譜成(cheng)像分(fen)析和(he)RGB成(cheng)像分(fen)析，可選配其(qi)它角度(du)如(ru)45度(du)、70度(du)和90度(du)（垂直(zhi)掃(sao)描成(cheng)像）

3）可對根(gen)系進行(xing)UV-MCF紫(zi)外光(guang)激(ji)發(fa)生物(wu)熒(ying)光(guang)高光(guang)譜成(cheng)像，以(yi)研(yan)究(jiu)分(fen)析根(gen)系活(huo)動(dong)及(ji)根(gen)系與(yu)土(tu)壤(rang)互作(zuo)關(guan)系、熒(ying)光(guang)假單胞(bao)菌等AvrahamAlonyandRaphaelLinker,2013）；或選(xuan)配根(gen)系Thermo-RGB成(cheng)像分(fen)析

4）可選配頂(ding)部冠(guan)層RGB成(cheng)像分(fen)析、紅(hong)外熱(re)成像(xiang)分(fen)析、高光(guang)譜成(cheng)像分(fen)析、葉(ye)綠素(su)熒(ying)光(guang)成(cheng)像分(fen)析（可選配適(shi)於正(zheng)常培(pei)養盆的(de)樣(yang)品托）

5）可選配iPOT數字化(hua)植(zhi)物(wu)培(pei)養盆或RhizoBox根(gen)系培(pei)養盒，持續(xu)監(jian)測(ce)土(tu)壤(rang)水(shui)分(fen)溫(wen)度(du)、重量(liang)、植(zhi)物(wu)生長、光(guang)合效率(lv)、PI（performanceIndex）、莖流(liu)等(deng)生理(li)生態(tai)指(zhi)標，可自(zi)動(dong)采集(ji)土(tu)壤(rang)滲(shen)漏(lou)水(shui)並進行(xing)土(tu)壤(rang)營(ying)養鹽分(fen)析

6）模(mo)塊(kuai)式結(jie)構(gou)，具備(bei)強大(da)的系統(tong)擴(kuo)展功能，系統(tong)平(ping)臺(tai)自(zi)動(dong)萬向(xiang)腳(jiao)輪(lun)，方便(bian)移動(dong)

7）可遠程(cheng)控(kong)制(zhi)（選(xuan)配）、自(zi)動(dong)運(yun)行(xing)數據采集(ji)存(cun)儲(chu)等(deng)功能

2.3 技(ji)術(shu)指(zhi)標

1)控(kong)制單元(yuan)為嵌入式操作(zuo)系(xi)統(tong)，可進行(xing)雙(shuang)重控(kong)制(zhi)（觸(chu)控(kong)屏(ping)+PC端(duan)全中(zhong)文GUI軟件(jian)），實現(xian)遠程(cheng)操控(kong)相(xiang)機及(ji)平(ping)臺(tai)

2)自(zi)動(dong)掃(sao)描軸推掃速度(du)與(yu)精(jing)度(du)：1-40mm/s，移動(dong)精(jing)度(du)1mm，有(you)效掃(sao)描(miao)範圍(wei)：標配100cm

3)高光(guang)譜成(cheng)像（標配400-1000nm，可選配900-1700nm）可成像(xiang)分(fen)析植(zhi)被生理(li)生化(hua)指(zhi)標、健(jian)康(kang)指(zhi)數、光(guang)合利用(yong)效率(lv)、植(zhi)被脅(xie)迫、水(shui)分(fen)、氮素(su)等指(zhi)數。配備(bei)PhenoRoot根(gen)系分(fen)析軟件(jian)，如(ru)需(xu)對(dui)地(di)上(shang)部(bu)分(fen)進(jin)行(xing)同(tong)時(shi)分(fen)析，可選配SpectrAPP分(fen)析軟件(jian)

4）標配RGB彩(cai)色(se)成(cheng)像(xiang)：分(fen)辨(bian)率(lv)2448×2048像(xiang)素(su)，配備(bei)專(zhuan)業植(zhi)物(wu)根(gen)系分(fen)析軟件(jian)

5）SpectrAPP^®高光(guang)譜成(cheng)像分(fen)析軟件(jian)：進行(xing)光(guang)譜融(rong)合、ROI選(xuan)區分(fen)析、光(guang)譜分(fen)析、頻(pin)率(lv)直(zhi)方圖、自(zi)動(dong)識別(bie)不同(tong)波(bo)段峰值(zhi)，可分(fen)析近(jin)百(bai)種(zhong)光(guang)譜指(zhi)數，根(gen)據需(xu)求(qiu)定制添(tian)加(jia)光(guang)譜指(zhi)數，同時能夠分(fen)析根(gen)系表型數據

6）PhenoRoot根(gen)系分(fen)析軟件(jian)，可分(fen)析根(gen)長、根(gen)系最(zui)大(da)寬(kuan)度(du)、凸包(bao)面積(ji)、根(gen)系總(zong)長、根(gen)系面積(ji)（生物(wu)量(liang)）、根(gen)系剖面分(fen)析（根(gen)系密度(du)）等

7)Thermo-RGB成(cheng)像融(rong)合分(fen)析（選(xuan)配），包(bao)括Thermo-RGB融(rong)合分(fen)析軟件(jian)，紅外熱(re)成像(xiang)分(fen)辨(bian)率(lv)：640×512像(xiang)素(su)；測(ce)量(liang)溫(wen)度(du)範圍(wei)：-25℃－150℃；光(guang)譜範(fan)圍：7.5－13.5μm

8)多(duo)通(tong)道智(zhi)能LED培(pei)養臺(tai)，RGBW四(si)通(tong)道智(zhi)能調整LED光(guang)源(yuan)，0-100%可調，可模(mo)擬(ni)晝(zhou)夜節律、不同(tong)光(guang)配方(fang)等(deng)，最(zui)大(da)光(guang)強300μmol/m²·s

9)葉(ye)綠素(su)熒(ying)光(guang)成(cheng)像單元(yuan)（選配），專(zhuan)業(ye)高靈(ling)敏(min)度(du)葉綠(lv)素(su)熒(ying)光(guang)成(cheng)像CCD，幀(zhen)頻50fps，分(fen)辨(bian)率(lv)720×560像(xiang)素(su)，像素(su)大(da)小8.6×8.3µm，可自(zi)動(dong)運(yun)行(xing)Fv/Fm、Kautsky誘(you)導效應、熒(ying)光(guang)淬(cui)滅(mie)分(fen)析、光(guang)響(xiang)應曲(qu)線等protocols，自(zi)動(dong)測(ce)量(liang)分(fen)析50多(duo)個葉(ye)綠(lv)素(su)熒(ying)光(guang)參(can)數，包(bao)括：Fv/Fm、Fv’/Fm’、Y(II)、NPQ、qN、qP、Rfd、ETR等(deng)，自(zi)動(dong)形(xing)成(cheng)葉(ye)綠(lv)素(su)熒(ying)光(guang)參(can)數圖

10)系(xi)統(tong)平(ping)臺(tai)規(gui)格(ge)：標配約145cm×60cm×160cm（長×寬(kuan)×高）、重量(liang)約50kg

3、應用(yong)案例(li)

3.1 甜菜(cai)根(gen)系RGB及高光(guang)譜成(cheng)像分(fen)析：

以(yi)甜菜(cai)為實(shi)驗(yan)對(dui)象(xiang)進(jin)行(xing)了(le)實(shi)驗(yan)，對(dui)其(qi)根(gen)系進行(xing)RGB成(cheng)像和(he)高光(guang)譜成(cheng)像（900-1700nm），分(fen)別(bie)進行(xing)了(le)形(xing)態(tai)分(fen)析和(he)生化(hua)性狀進行(xing)分(fen)析^[8]。

1）形(xing)態(tai)分(fen)析：以(yi)手動(dong)分(fen)割作(zuo)為參(can)考(kao)，使(shi)用(yong)RGB和(he)高光(guang)譜圖(tu)像跟(gen)蹤(zong)甜菜(cai)根(gen)系的生長、形(xing)態(tai)和(he)結(jie)構(gou)，發(fa)現(xian)基於(yu)RGB自(zi)動(dong)分(fen)割並(bing)不能很(hen)好(hao)的區分(fen)老(lao)根(gen)和土(tu)壤(rang)，跟(gen)蹤(zong)根(gen)系總(zong)根(gen)長誤差(cha)為6.94%；高光(guang)譜成(cheng)像通(tong)過(guo)光(guang)譜比(bi)率(lv)獲得根(gen)系的二(er)值(zhi)圖像進而(er)對(dui)根(gen)系長度(du)進行(xing)分(fen)析，誤差(cha)僅為1.5%。使(shi)用(yong)紫(zi)外(wai)燈（UV）與(yu)模(mo)擬(ni)太陽光(guang)照(zhao)射得到的(de)根(gen)系可視化(hua)圖(tu)像，發(fa)現(xian)在明亮(liang)背(bei)景下UV圖(tu)像更(geng)易(yi)識別(bie)根(gen)系。

左(zuo)：RGB原始圖(tu)像(xiang)；中(zhong)：(A)使(shi)用(yong)繪(hui)圖(tu)板(ban)手(shou)動(dong)分(fen)割根(gen)系，(B)頂(ding)部分(fen)割不良(liang)的(de)舊(jiu)根(gen)軸區域(yu)，(C)圖(tu)像底(di)部(bu)正(zheng)確分(fen)割的(de)新(xin)根(gen)軸，(D)基(ji)於RGB獲得的二(er)值(zhi)圖像；右(you)：基於(yu)高光(guang)譜獲得的二(er)值(zhi)圖像

UV和(he)模(mo)擬(ni)太陽光(guang)根(gen)系可視化(hua)圖(tu)像。(A): UV；(B): 模(mo)擬(ni)太陽光(guang)

2）生化(hua)性狀分(fen)析：對(dui)不同(tong)發(fa)生位置(zhi)及成(cheng)熟(shu)度(du)的根(gen)系和土(tu)壤(rang)的(de)平(ping)均(jun)光(guang)譜進(jin)行(xing)分(fen)析，發(fa)現(xian)三(san)種(zhong)根(gen)系光(guang)譜曲(qu)線存(cun)在顯著(zhu)差(cha)異，且1100nm附近新(xin)側(ce)根(gen)與(yu)主根(gen)出(chu)現(xian)吸收(shou)峰，而(er)老(lao)根(gen)並未出(chu)現(xian)。但(dan)老(lao)根(gen)與(yu)土(tu)壤(rang)反(fan)射曲(qu)線(xian)趨勢(shi)較(jiao)壹(yi)致，在水(shui)分(fen)吸(xi)收(shou)區域(yu)（1450nm）附近，根(gen)系光(guang)譜斜率(lv)高於(yu)土(tu)壤(rang)。同(tong)時(shi)，它使(shi)用(yong)不同(tong)含(han)水(shui)量土(tu)壤(rang)校(xiao)準根(gen)盒的(de)平(ping)均(jun)光(guang)譜進(jin)行(xing)校(xiao)準，從(cong)而(er)繪(hui)制根(gen)箱上(shang)水(shui)分(fen)分(fen)布(bu)圖。

3.2小麥(mai)根(gen)系RGB及高光(guang)譜成(cheng)像分(fen)析

以(yi)小麥(mai)為實(shi)驗(yan)對(dui)象(xiang)，對(dui)植(zhi)株進(jin)行(xing)扡(qian)插(cha)處理，扡插(cha)後(hou)14、28、47、94、101和(he)201天對根(gen)箱的(de)上(shang)三(san)分(fen)之壹(yi)進行(xing)高光(guang)譜成(cheng)像（900-1700nm)和(he)RGB成(cheng)像，分(fen)別(bie)進行(xing)了(le)形(xing)態(tai)分(fen)析和(he)生化(hua)性狀進行(xing)分(fen)析^[9]。

1）形(xing)態(tai)分(fen)析：使(shi)用(yong)WinRhizo對(dui)根(gen)長度(du)進行(xing)結(jie)構(gou)量化，以(yi)手動(dong)分(fen)割作(zuo)為參(can)考(kao)，分(fen)別(bie)使(shi)用(yong)高光(guang)譜圖(tu)像和(he)RGB圖(tu)像對(dui)根(gen)系可見根(gen)長度(du)進行(xing)預測(ce)，結(jie)果表示(shi)，基(ji)於(yu)RGB分(fen)割為83.4%，光(guang)譜分(fen)割為77.0%。但(dan)兩種(zhong)分(fen)割方(fang)法的(de)斜率(lv)沒(mei)有顯著(zhu)差(cha)異（P=0.225）。表明兩(liang)種(zhong)方法在預測(ce)此(ci)處使(shi)用(yong)的(de)基(ji)質的可見根(gen)長度(du)方面具(ju)有相(xiang)似(si)的(de)性能。

2）生化(hua)性狀分(fen)析：基(ji)於光(guang)譜特(te)征，使(shi)用(yong)決(jue)策(ce)樹(shu)模(mo)型(xing)對根(gen)像素(su)的徑(jing)級(ji)類(lei)別(bie)進行(xing)預測(ce)，其(qi)訓練集(ji)為r=0.86，驗(yan)證(zheng)集(ji)r=048；基(ji)於壹(yi)階導數差(cha)分(fen)光(guang)譜（1649-1447nm）構(gou)建根(gen)系腐爛時間指(zhi)數模(mo)型(xing)，使(shi)用(yong)修(xiu)剪後(hou)28天和101天的光(guang)譜數據作(zuo)為驗(yan)證(zheng)集(ji)，其(qi)r²=0.96。

3.3 土(tu)壤(rang)含(han)水(shui)量估(gu)測(ce)及(ji)根(gen)腐病識別(bie)

以(yi)甜菜(cai)為實(shi)驗(yan)對(dui)象(xiang)對(dui)其(qi)根(gen)系進行(xing)高光(guang)譜成(cheng)像（900-1700nm)，同(tong)時測(ce)定與(yu)實驗(yan)相(xiang)同(tong)土(tu)壤(rang)的(de)根(gen)箱中(zhong)的不同(tong)土(tu)壤(rang)含(han)水(shui)量及高光(guang)譜成(cheng)像，以(yi)此(ci)作為訓練集(ji)對(dui)含(han)水(shui)量模(mo)型(xing)進行(xing)訓練，對(dui)根(gen)箱的(de)每(mei)個土(tu)壤(rang)像(xiang)素(su)的含(han)水(shui)量進行(xing)預測(ce)；以(yi)油(you)用(yong)蘿(luo)蔔(bu)作為實(shi)驗(yan)對(dui)象(xiang)，使(shi)用(yong)化(hua)學(xue)計量分(fen)析對(dui)根(gen)系不同(tong)時(shi)間後腐爛的光(guang)譜特(te)征進行(xing)識別(bie)，通(tong)過(guo)光(guang)譜的(de)時間(jian)變(bian)化推斷根(gen)系腐爛情況^[10]。

3.4不同(tong)基(ji)因型扁豆(dou)黴菌根(gen)腐病的RGB和(he)高光(guang)譜成(cheng)像評(ping)估(gu)

以(yi)不同(tong)基(ji)因型扁豆(dou)為實(shi)驗(yan)對(dui)象(xiang)，分(fen)別(bie)進行(xing)RGB成(cheng)像和(he)高光(guang)譜成(cheng)像（550-1700nm），研(yan)究(jiu)高通(tong)量(liang)表型技(ji)術(shu)評(ping)估(gu)黴菌根(gen)腐病的嚴(yan)重程(cheng)度(du)，以快速鑒(jian)別(bie)耐(nai)藥(yao)基(ji)因型。設置(zhi)對照(zhao)組和(he)實(shi)驗(yan)組，培(pei)養14日(ri)後實驗(yan)組接(jie)種(zhong)黃芽(ya)孢桿菌，對照(zhao)組施以清水(shui)。接種(zhong)14日(ri)後使(shi)用(yong)0-5疾(ji)病評(ping)分(fen)量(liang)表對根(gen)系進行(xing)評(ping)分(fen)，作(zuo)為地(di)面參(can)考(kao)數據^[11]。

RGB圖(tu)像：通(tong)過(guo)提(ti)取特(te)征變量對植(zhi)物(wu)生物(wu)量(liang)研(yan)究(jiu)，發(fa)現(xian)投(tou)影面積(ji)與(yu)植(zhi)物(wu)生物(wu)量(liang)有(you)很(hen)強的相關性，與(yu)地(di)下生物(wu)量(liang)相(xiang)關(guan)性高達0.9，地(di)上(shang)生物(wu)量(liang)相(xiang)關(guan)性為0.84；對(dui)根(gen)系病害程(cheng)度(du)進行(xing)預測(ce)，發(fa)現(xian)其R²達到(dao)0.67，而(er)通(tong)過(guo)地(di)上(shang)部(bu)特(te)征變量進行(xing)預測(ce)，其(qi)R²僅達到(dao)0.23。

高光(guang)譜圖(tu)像：通(tong)過(guo)提(ti)取感興趣區的光(guang)譜，發(fa)現(xian)從(cong)地(di)上(shang)樣(yang)品的高光(guang)譜反(fan)射曲(qu)線(xian)來看(kan)，健(jian)康(kang)和(he)感染的(de)樣(yang)品光(guang)譜反(fan)射曲(qu)線(xian)相差(cha)較(jiao)小(xiao)，而(er)根(gen)系的光(guang)譜曲(qu)線差(cha)異較顯著(zhu)。使(shi)用(yong)歸(gui)壹(yi)化差(cha)異光(guang)譜指(zhi)數（NDSI）對(dui)根(gen)系疾(ji)病程(cheng)度(du)進行(xing)預測(ce)，其(qi)R²達到(dao)0.54，使(shi)用(yong)地(di)上(shang)部(bu)光(guang)譜特(te)征進行(xing)預測(ce)，其(qi)R²僅為0.27。

3.5 油(you)菜(cai)重金(jin)屬(shu)鉛(qian)(Pb)含量(liang)的(de)高光(guang)譜估(gu)測(ce)

以(yi)油(you)菜(cai)為實(shi)驗(yan)對(dui)象(xiang)，對(dui)葉(ye)片(pian)和根(gen)系分(fen)別(bie)進行(xing)高光(guang)譜成(cheng)像，對(dui)根(gen)系圖像進行(xing)比(bi)值運(yun)算(suan)（根(gen)部：861.96/480.46nm），油(you)菜(cai)葉片(pian)和根(gen)的分(fen)割閾(yu)值(zhi)t分(fen)別(bie)為1.3和(he)1.6，使(shi)根(gen)系與(yu)背(bei)景進(jin)行(xing)圖(tu)像(xiang)分(fen)割。分(fen)別(bie)建立(li)支持向量機（SVM）和(he)SAE深(shen)度(du)神(shen)經(jing)網(wang)絡(luo)對(dui)樣(yang)品中(zhong)的鉛(qian)（Pb）含(han)量建(jian)立(li)模(mo)型(xing)並預測(ce)，發(fa)現(xian)SAE深(shen)度(du)神(shen)經(jing)網(wang)絡(luo)模(mo)型(xing)精(jing)度(du)較高。在SAE模(mo)型(xing)的基礎上(shang)使(shi)用(yong)遷移學(xue)習(xi)的(de)方法得到T-SAE模(mo)型(xing)，並對油(you)菜(cai)葉片(pian)和根(gen)系中(zhong)的Pb含(han)量進(jin)行(xing)預測(ce)，發(fa)現(xian)其精(jing)度(du)有所(suo)提(ti)升(sheng)，油(you)菜(cai)葉片(pian)達到(dao)0.92，根(gen)系達0.93。基(ji)於此(ci)可以發(fa)現(xian)高光(guang)譜成(cheng)像技(ji)術(shu)結合深度(du)神(shen)經(jing)網(wang)絡(luo)能夠對油(you)菜(cai)植(zhi)物(wu)中(zhong)的重金(jin)屬(shu)Pb進(jin)行(xing)定性定量檢(jian)測(ce)^[12]。

3.6 野(ye)生植(zhi)物(wu)幼(you)苗根(gen)系高光(guang)譜成(cheng)像分(fen)析

易(yi)科(ke)泰(tai)EcoTech^®實(shi)驗(yan)室(shi)技(ji)術(shu)人員以(yi)壹(yi)株野(ye)生型(xing)元(yuan)寶槭(qi)幼(you)株為樣(yang)本(ben)，采集(ji)900-1700nm高光(guang)譜數據，並(bing)對(dui)其(qi)進(jin)行(xing)光(guang)譜成(cheng)像分(fen)析及(ji)根(gen)系形(xing)態(tai)分(fen)析。

4、參(can)考(kao)文獻

[1] Kutschera, L. Wurzelatlas mitteleuropäischer Ackerunkräuter und Kulturpflanzen. DLG-Verlags-GmbH, Frankfurt am Main (1960).；Kenrick, P., & Strullu-Derrien, C. Theorigin and early evolution of roots. Plant Physiol. 166, 570-580 (2014).

[2] 秦(qin)天元, 孫(sun)超(chao), 畢真(zhen)真等(deng). 植(zhi)物(wu)根(gen)系成像技(ji)術(shu)研究(jiu)進展(zhan)及(ji)馬(ma)鈴薯(shu)根(gen)系研究(jiu)應用(yong)前(qian)景(jing)[J]. 核農學(xue)報, 2019, 33(02): 412-419.

[3] Dhondt S, Wuyts N, Inzé D. Cell to whole-plant phenotyping: the best is yet to come. TrendsPlant Sci. 2013; 18:428–39.

[4] Pierret A. Multi-spectral imaging of rhizobox systems: new perspectivesfor the observation and discrimination of rhizosphere components. Plant Soil. 2008; 310: 263–8.

[5] Vamerali T, Ganis A, Bona S, Mosca G． An approach to minirhizotron root image analysis［J］． Plant and Soil, 1999, 217( 1/2) : 183－193.

[6] Johnson M G, Tingey D T, Phillips D L, Storm M J. Advancing fine rootresearch with minirhizotrons [J].Environmental and Experimental Botany, 2001, 45( 3) : 263－289.

[7] 秦(qin)天元, 孫(sun)超(chao), 畢真(zhen)真等(deng). 植(zhi)物(wu)根(gen)系成像技(ji)術(shu)研究(jiu)進展(zhan)及(ji)馬(ma)鈴薯(shu)根(gen)系研究(jiu)應用(yong)前(qian)景(jing)[J]. 核農學(xue)報, 2019, 33(02):412-419.

[8] Gernot B , Mouhannad A , Alireza N , et al. RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setupand Imaging Protocols. [J]. Journal of visualized experiments : JoVE, 2017, (126).

[9] Gernot B, Alireza N, Thomas A, et al. Hyperspectral imaging: a novel approach for plant root phenotyping.[J]. Plantmethods, 2018, 14(1).

[10] Gernot B , Mouhannad A , Alireza N . Root System Phenotying ofSoil-Grown Plants via RGB and Hyperspectral Imaging. [J].Methods in molecularbiology (Clifton, N.J.), 2021, 2264245-268.

[11] Advanced Imaging for Quantitative Evaluation of Aphanomyces RootRot Resistance in Lentil[J]. Frontiers in Plant Science, 2019, 10.

[12] Nakaji T, Noguchi K, Oguma H. Classification of rhizosphere components using visible–near infrared spectral images. Plant Soil. 2008; 310: 245–61.