由于工业发展和人类活动，重金属污染已成为空气、水和土壤中的主要污染物之一。研究表明，重金属污染会造成植物外部形态和内部结构发生变化。此外，重金属还会通过食物链积累，威胁人类健康。传统的重金属检测方法费工、费时、费力，且成本高昂。而快速、准确、无损地检测植物重金属胁迫，有助于实现对植物生长状态的精准管理，加速抗重金属植物品种的选育。

2023年11月，Plant Phenomics 在线发表了湖州师范学院、南京林业大学和石河子大学等单位合作完成的题为Application of Visible/Near-Infrared Spectroscopy and Hyperspectral Imaging with Machine Learning for High-Throughput Plant Heavy Metal Stress Phenotyping: A Review 的综述论文。

本文综述了可见光/近红外（V/NIR）光谱和高光谱成像（HSI）在植物重金属胁迫表型分析中的应用，并介绍了光谱学与机器学习方法相结合的植物重金属胁迫高通量表型分析方法，包括非胁迫和胁迫的鉴定、胁迫类型的鉴定、胁迫度的鉴定和重金属含量的估算。此外，本文还综述了不同植物重金属胁迫表型方法鉴定的植被指数、全范围光谱和特征波段，并讨论了V/NIR光谱和HSI在植物重金属胁迫表型分析中的优势、局限性、挑战和前景。

图1 植物重金属胁迫表现分析

图2 （A） V/NIR光谱和（B） HSI系统的实验装置示意图

图3 基于HSI检测植物重金属胁迫的步骤

总之，V/NIR光谱和HSI技术在植物重金属胁迫表型分析中具有广泛的应用场景。未来，可以结合多种传感技术和建模方法，提高检测模型的稳定性和适用性，进一步促进技术与实际应用的融合，实现植物重金属胁迫的早期检测和准确诊断，为保障人类健康和生态环境安全做出贡献。

论文链接：

https://spj.science.org/doi/10.34133/plantphenomics.0124‍

——推荐阅读——

A multi-target regression method to predict element concentrations in tomato leaves using hyperspectral imaging 

‍https://spj.science.org/doi/10.34133/plantphenomics.0146‍

Plant Phenomics | 东京大学利用高光谱图像预测番茄叶片中元素含量的多目标回归方法

Noninvasive Detection of Salt Stress in Cotton Seedlings by Combining Multicolor Fluorescence–Multispectral Reflectance Imaging with EfficientNet-OB2 

https://doi.org/10.34133/plantphenomics.0125

Plant Phenomics | 多源波谱成像技术融合深度学习的棉苗盐胁迫诊断方法研究

加入作者交流群