提高水稻的光合作用速率是提高水稻产量的有效方法。水稻的表型性状主要分为结构性状和功能性状，二者均在很大程度上影响水稻的光合速率和产量潜力。目前的作物表型研究主要集中在结构性状，针对与叶片光合速率直接相关的功能性状（如最大羧化速率Vcmax，气孔导度gs等）的研究甚少。因此，准确估算这些光合功能性状对预测水稻生产力及其对气候变化的响应至关重要。

2023年4月，Plant Phenomics在线发表了南京农业大学水稻栽培团队联合南京大学、中国科学院空天信息创新研究院题为 A mechanistic model for estimating rice photosynthetic capacity and stomatal conductance from sun-induced chlorophyll fluorescence 的研究论文。

近年来，日光诱导叶绿素荧光（SIF）的出现为我们估算水稻的光合功能性状提供了独特的方法。前人研究一般基于SIF与电子传输速率（ETR）之间简单线性相关的假设，或基于缺乏机理支撑的数据同化方法实现光合功能性状的估算，其结果仍存在较大的不确定性。针对上述问题，南京农业大学丁艳锋教授团队基于SIF与ETR的非线性机理联系，构建了一种基于SIF观测的水稻光合功能性状（Vcmax和gs）估算半机理模型。

文章首先以叶面积指数、叶绿素含量等为输入参数，基于辐射传输模型模拟了不同光合有效辐射（PAR）条件下的冠层和叶片总SIF信号，然后计算光系统Ⅱ的开放比例（qL），并利用指数函数定量构建了qL与PAR之间的经验关系。进一步，基于上述耦合关系与SIF观测数据，构建了SIF与ETR之间的非线性联系，实现ETR的估算。接着，基于ETR与Vcmax和gs之间的机理联系，实现了Vcmax与gs的准确估算（图1和图2），其R2基本可以达到0.8。

图1估算的Vcmax和实测值的比较

图2估算的gs和实测值的比较

与实测Vcmax进行比较，该估算模型RMSE值为14.04 μmol m-2s-1，而简单线性回归方法的RMSE值为22.32 μmol m-2s-1，估算精度提高了约40%。此外，该研究还基于不同站点的实测结果，对估算模型的准确性和普适性进行了进一步验证。研究表明估算模型表现良好，能够对不同生态点、不同水稻品种的光合功能性状进行有效估算。

该研究由南京农业大学水稻栽培团队联合南京大学、中国科学院空天信息创新研究院的相关学者共同合作完成。南京农业大学王松寒教授为文章的通讯作者，硕士研究生丁好和王子豪为文章的第一作者。研究得到了国家重点研发计划、国家自然科学基金、江苏省杰出青年科学基金和遥感科学国家重点实验室开放基金等项目的资助。

论文链接：

https://doi.org/10.34133/plantphenomic‍s.0047

——推荐阅读——

Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images 

https://doi.org/10.34133/plantphenomics.0020

Plant Phenomics | 基于高通量无人机RGB图像的水稻植株计数、定位和大小估计方法

Hyperspectral remote sensing for phenotyping the physiological drought response of common and tepary bean

‍https://doi.org/10.34133/plantphenomics.0021

Plant Phenomics | 基于高光谱遥感的大豆和花菜豆生理干旱响应的表型研究