Figure 1. Measured versus PLSR-modeled values of leaf chlorophyll content (A and B), N content (C and D), SLA (E and F), Vmax (G and H), and Vp,max (I and J). PLSR models were built using a training population consisting of genotypically diverse field-grown plants exposed to ambient and elevated [O3] (A, C, E, G, I) or a combination of field-grown plants and greenhouse plants (genotype B73) grown in ample or limiting N (B, D, F, H, J). In each graph, the cross-validation r2, root mean square error (RMSE), and bias of the model are shown along with the size of the validation population and the number of model components (comp) used in each PLSR model. The gray dashed line shows the 1:1 line.
高通量、非侵入性的田間表型揭示了作物形態、發育和農藝性狀的遺傳變異,但要充分了解植物和環境之間相互作用的遺傳變異,需要快速測量潛在的生理和生化特征。這項研究測試了葉片高光譜反射率(λ= 500-2400nm)作為高通量表型方法的應用,用于快速準確評估玉米葉片光合作用和生化性狀。用標準濕實驗室和氣體交換法測定葉片性狀,同時測定葉片反射率。偏最小二乘回歸法(PLSR)用于測量葉片葉綠素含量,氮含量,蔗糖含量,比葉面積,磷酸烯醇丙酮酸羧化的最大速率,[CO2]光合作用飽和率和來自葉片反射光譜的葉氧自由基吸收能力。PLSR模型準確預測了七種性狀中的五種,比以前使用的葉綠素,氮含量和比葉面積的簡單光譜指數更準確。葉片性狀與基因型和處理間差異的統計推斷與實測數據和建模數據相似。高光譜反射率表型分析法比傳統測量方法快得多,僅在2到4天的午間時間便可以進行超過1000行的表型分析,并提供了一種非破壞性的方法來準確評估生理生化特性對環境壓力的反應。
此項研究主要由從反射光譜預測生理特征,不同自交系和雜交系玉米對臭氧反應的高通量篩選,高通量表型和高光譜反射率,葉級預測模型,玉米應激反應的高通量表型分析幾方面來探討利用高光譜反射率表型分析法測量玉米葉片生理生化特征。
生理性狀的快速測量被廣泛認為是一項革命性的技術,用于了解作物應激反應的機理,并最大限度地利用遺傳資源對作物改良的優勢。實驗研究表明在玉米葉片反射率光譜中建立的PLSR模型可以準確預測葉級生理生化特征,從而為表型研究提供了一種高通量、非破壞性的方法。
文獻出處:
Plant Physiology. January 2017
High-Throughput Phenotyping of Maize Leaf Physiological and Biochemical Traits Using Hyperspectral Reflectance