高光谱反射率揭示了指示植物生理状态的关键叶片功能特征，为区分适应特定环境的幼苗提供了强大的工具。

目前的研究探讨了种群内的变异性以及林业中高通量表型分析(HTP)的必要性，以便在不断变化的气候条件下选择有弹性的基因型。然而，在管理大规模表型数据以及从各种测量方法获取的反射率数据的兼容性方面仍然存在挑战。

植物表型学发表了一篇题为“使基因型变异可见：赤松幼苗的高光谱表型分析”的研究文章。

这项研究利用两种无损方法测量1,788棵欧洲赤松幼苗的高光谱反射率，区分捷克共和国的低地和高地生态类型。

使用分光辐射计和接触探针(CP)进行叶面测量，以获取针样品的双锥反射系数(BCRF)，而近冠测量则使用相同的分光辐射计和自然光下的光纤电缆(OC)来获取半球形锥形反射系数(HCRF)。结果显示，在整个光谱范围内，松树种群之间存在统计学上的显着差异。

使用机器学习算法，近端数据以高达83%的准确度预测不同的欧洲赤松种群。

具体而言，BCRF和HCRF表明群体之间的成对比较存在显着差异，特别是在可见光(VIS)和近红外(NIR)区域。最明显的差异发生在BCRF的VIS和红边(RE)区域，而HCRF在短波红外(SWIR)区域显示出更大的差异。

BCRF和HCRF数据在极短波红外(VSWIR)光谱范围内保持相似的趋势，在许多光谱区间内BCRFP值通常比HCRF更接近于零。采用随机森林(RF)和支持向量机(SVM)算法来测试基于反射因子的种群起源预测的准确性。

从原始整苗HCRF中获得了最高的准确度。VIS和RE中的峰值证明了特定光谱区域对于RF分离的重要性。HCRF比BCRF显示了更多对RF预测非常重要的光谱区域，主要限于VIS和RE。这种差异可能有助于基于HCRF数据的RF模型具有更高的预测精度。

研究得出结论，叶级BCRF和整苗HCRF都适合进行高光谱表型分析，以区分赤松幼苗内的表型和遗传变异。

总体而言，这些方法为林业和育种计划提供了宝贵的工具，特别是无损遗传评估和有效的苗圃实践。尽管存在与光照条件和测量方法相关的一些限制，但该研究证明了使用高光谱反射率和机器学习在育种和保护工作中准确预测和分类树木种群的潜力。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：