由于全球人口的快速增长、耕地减少、气候变化和水资源短缺，对先进植物表型方法的需求日益增长。这些因素对农业部门提出了重大挑战，需要改进作物诊断和育种计划，以确保粮食安全。表型研究，对于这些进展至关重要，但在受控环境（如温室）中可实现的表型质量与在田间条件下可获得的表型质量之间仍然存在显着差距。田间表型分析的一个主要挑战是双向反射率分布函数（BRDF），它会影响叶片或冠层颜色的测量。太阳入射角和视角会导致阳光从叶子上反射，产生眩光，掩盖叶子的真实颜色，从而影响数据的可靠性。虽然以前的研究试图通过光散射模拟和 3D 传感器融合等各种方法解决这些问题，但这些解决方案通常需要复杂的计算、专业知识或在不同条件下进行一系列不切实际的测量。

2024年3月，Plant Phenomics 在线发表了北卡罗莱纳州立大学的Daniel Krafft、Clifton G. Scarboro和William Hsieh等人的合作完成的题为Mitigating Illumination-, Leaf-, and View-Angle Dependencies in Hyperspectral Imaging Using Polarimetry 的研究成果。他们的开创性研究深入探讨了植物表型的复杂性，特别是在光反射和不同角度等因素构成重大挑战的田间条件下。

该研究的重点是通过开发一种方法来减轻使用偏振法在高光谱成像中的照明、叶子和视角依赖性，从而改善植物表型。这种新方法涉及两个主要项目：桅杆安装的高光谱成像旋光仪（HIP）和基于多基地光纤（MFB）的Mueller矩阵双向反射率分布函数（mmBRDF）仪器。HIP用于昼夜周期的现场成像，而 mmBRDF 仪器用于在受控环境中进行详细的叶片水平分析。该方法创新的使用偏振光将从叶子表面反射的光与散射在叶子组织内的光分开，从而显着减少了眩光的影响，眩光传统上会掩盖真正的叶子颜色并损害数据可靠性。该方法还涉及将高光谱数据下采样为更简单的双波段植被指数（VI）–GNDVI 和 RERR– 以简化分析，同时保持准确性。

实验结果表明，采用新的校正技术后，植被指数测量的平均误差显著改善，标准差减小。这表明在自然阳光下叶色估计的准确性有了显著提高，这对于准确的植物表型分析至关重要。这项技术旨在解决田间数据收集中长期存在的环境差异问题，为评估自然条件下的植物健康和特性提供一种更准确和更方便的方法，有望简化数据捕获并提高自然阳光下叶色估计的准确性。

图1 (a)给出了BRDF建模使用的角度约定，(b)显示了在上午8:29，下午12:30和下午5:30采样的三幅野外示例DoLP图像。请注意，随着太阳全天位置的变化，具有高DoLP的明亮部分如何在整个场中移动

图2 校准后的偏振误差图。图a是相对于波长的偏振误差(横跨探测器阵列的x轴)。图b是相对于狭缝位置的偏振误差(穿过探测器阵列的y轴)。

论文链接：

https://doi.org/10.34133/plantphenomics.0157

——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