WIWAM高通量植物表型成像系统由比利时SMO公司与Ghent大学VIB研究所研制生产，整合了LED植物智能培养、自动 化控制系统、叶绿素荧光成像测量分析、植物热成像分析、植物近红外成像分析、植物高光谱分析、植物多光谱分 析、植物CT断层扫描分析、自动条码识别管理、RGB真彩3D成像等多项先进技术，以较优化的方式实现大量植物样 品——从拟南芥、玉米到各种其它植物的生理生态与形态结构成像分析，用于高通量植物表型成像分析测量、植 物胁迫响应成像分析测量、植物生长分析测量、生态毒理学研究、性状识别及植物生理生态分析研究等。

室内植物表型成像系统WIWAM Line

WIWAM植物表型成像系统由比利时SMO公司与Ghent大学VIB研究所研制生产，整合了LED植物智能培养、自动 化控制系统、叶绿素荧光成像测量分析、植物热成像分析、植物近红外成像分析、植物高光谱分析、植物多光谱分 析、植物CT断层扫描分析、自动条码识别管理、RGB真彩3D成像等多项先进技术，以较优化的方式实现大量植物样 品——从拟南芥、玉米到各种其它植物的生理生态与形态结构成像分析，用于高通量植物表型成像分析测量、植 物胁迫响应成像分析测量、植物生长分析测量、生态毒理学研究、性状识别及植物生理生态分析研究等。

The Performances of Hyperspectral Sensors for Proximal Sensing of Nitrogen Levels in Wheat

小麦中氮水平近端传感的高光谱传感器性能

利用非破坏性方法准确、高通量地定量测定小麦中的氮（N）含量是鉴定高氮利用效率小麦品系和指导农艺管理实践的重要步骤。在各种植物表型鉴定方法中，高光谱遥感在以快速和无损的方式提供精确测量方面显示出了希望。过去的应用使用了非成像仪器，如光谱仪，而最近的方法已扩展到在不同波长范围和不同光谱分辨率下工作的高光谱相机。然而，尽管先前的高光谱应用取得了成功，但关于具有不同波长中心和带宽的高光谱传感器的一些重要研究问题仍然没有得到解答，从而限制了该技术的广泛应用。本研究通过比较三台高光谱相机和一台非成像光谱仪，评估了高光谱成像和非成像传感器估算小麦叶片中氮含量的能力。本研究回答了以下问题：（1）不同系统设置的高光谱传感器在对小麦叶片中的氮进行近端传感时表现如何，需要考虑哪些方面才能获得最佳结果？（2） 什么类型的光子探测器对小麦叶片中的氮最敏感？（3） 不同仪器的光谱分辨率如何影响小麦叶片中氮的测量？（4） 小麦中与氮相关性最高的关键波长是什么？我们的研究表明，具有令人满意的系统设置的高光谱成像系统可用于以足够的精度对小麦中的氮含量进行近端传感。所提出的方法可以减少对叶组织化学分析的需要，并导致小麦氮的高通量估算。这里的方法也可以在具有不同特征的其他植物上进行验证。研究结果可为希望使用高光谱传感器在植物或叶片尺度上测量氮含量的用户提供参考。

图1.数据转换和PLSR

将预处理的反射率数据转换为不同的波长范围和光谱带以进行建模（图1）。首先来自FieldSpec 3光谱仪、WIWAM表型分析平台(FX10 + SWIR) 和 labscanner (FX10) 的反射数据被分成三个不同的波长范围：FULL (VNIR+SWIR)、VNIR 和 SWIR，以训练和验证 PLSR 模型。为简洁起见，图1中仅绘制了原始数据模型在 FULL 波长范围内的第一次折叠验证结果。

图2.PLSR mo的第一重验证结果

未经变换的FULL-range ASD FieldSpec 3数据模型的R2值为0.86，优于FX10和SWIR相机的0.77。同样，经过不同的数据转换，无论是FULL、VNIR还是SWIR范围，ASD FieldSpec 3的模型都优于表型平台的FX10和SWIR相机。在光谱重新采样后，此规则有一些例外，但这并没有改变使用光谱仪的接触测量可以为 PLSR 提供比表型系统更可靠的数据的总体趋势。在表型系统中，FX10 和 SWIR 相机被设置为对整个植物进行成像。

图3.PLSR系数和关键波长的确定

确定关键波长以减少数据冗余和提高模型精度至关重要。图3绘制了PLSR系数与波长的关系图，在400nm和2400nm 之间确定了26个关键波长。SWIR光谱比VNIR光谱对测量N含量的贡献更大。 在26个关键波长中，有16个在SWIR范围内。在前十名中，有七名在SWIR范围内，前五名都在SWIR范围内。

图4.交叉传感器验证结果

随着高光谱成像应用的增加，使用不同传感器应用先前开发的模型而无需重复大量建模工作将是有益的。据作者所知，很少有报告重新使用以前训练过的不同传感器模型。本文将不受叶子几何形状影响的光谱仪数据开发的模型应用于高光谱图像。但光谱仪模型并没有显示出交叉传感器应用的前景。验证具有-5.94的大偏差和-18.24的R2值（图4）。然而估计的N%值与参考值具有线性关系，表明有可能重新校准模型以提高准确性。交叉传感器建模将是未来的兴趣，以允许重复使用以前建立的模型。

图5.NDVI和R2矩阵

仅对窄带NDVI进行了估算N%的测试，因为窄带NDVI的表现明显优于宽带NDVI，后者可能存在严重的饱和度问题。根据传感器、植被和土壤类型，不同波段组合可用于计算NDVI。在本研究中，测试了400 nm至2500 nm波长范围内光谱仪数据的所有可能窄带NDVI，半高宽为1 nm。图5a显示了一个NDVI矩阵示例，显示了400 nm至2500 nm范围内光谱特征的所有可能波长组合的NDVI值。计算验证的R2值，形成NDVI的R2矩阵（图5b）。在全波长、SWIR和VNIR波长范围内发现的表现最好的NDVI分别为NDVIfull（1696 nm，729 nm）、NDVIswir（1672 nm，1647 nm）和NDVIvnir（519 nm，582 nm）。相应的R2值分别为0.53、0.44和0.53，与N%的相关性不强。计算了NREAI指数，相应的验证R2为0.55，其表现与最佳NDVI指数相似。测试的VIs均不如本研究中建立的高光谱模型，突出了在足够数量的光谱波段下估计精度的提高。

相关阅读

室内植物表型成像系统WIWAM XY

室内植物表型成像系统WIWAM conveyor

室内植物表型成像柜WIWAM Imaging Box

WIWAM植物表型成像定制系统

WIWAM高通量植物表型组学、植物表型成像、种质资源研究系统-玉米研究

WIWAM高通量植物表型组学、植物表型成像、种质资源研究系统-水稻线虫

WIWAM高通量植物表型成像分析平台应用—真菌研究

WIWAM高通量植物表型成像分析平台—植物病害

WIWAM高通量植物表型成像分析平台-植物病害研究2

WIWAM高通量植物表型组学成像分析研究系统-玉米研究2

WIWAM高通量植物表型组学成像分析研究系统-拟南芥研究1

WIWAM高通量植物表型组学成像分析研究系统-拟南芥研究4

WIWAM高通量植物表型组学成像分析研究系统-拟南芥研究5

WIWAM高通量植物表型组学成像分析研究系统-拟南芥研究6

WIWAM高通量植物表型组学成像分析-拟南芥的全基因关联图谱

WIWAM高通量植物表型组学成像研究—拟南芥和玉米转基因品系的功能分析

WIWAM高通量植物表型组学成像研究—作物高光谱功能分析

WIWAM高通量植物表型组学成像分析-轻度干旱条件下生长反应的遗传结构

WIWAM高通量植物表型组学成像研究—轻度干旱胁迫的叶片响应

WIWAM植物表型分析平台—光照和植物几何形状对叶片反射光谱的影响

WIWAM高通量植物表型组学成像平台—拟南芥赤霉素研究