本研究论文《Detection of the metabolic response to drought stress using hyperspectral reflectance》发表于2021年的《Journal of Experimental Botany》期刊（第72卷第18期）。通讯作者为Angela C. Burnett（隶属于美国布鲁克海文国家实验室环境与气候科学部，稿件提交时通讯地址为剑桥大学）。研究团队核心成员还包括Shawn P. Serbin， Kenneth J. Davidson， Kim S. Ely和Alistair Rogers，均来自布鲁克海文国家实验室。
学术背景 本研究隶属于植物生理生态学与遥感交叉领域。干旱是限制作物产量的最主要因素。理解并检测作物干旱胁迫，对于通过有效育种和管理提高水分利用效率至关重要。传统方法（如气体交换测量、破坏性生化分析）虽然精确，但耗时、费力且成本高，难以用于大规模田间表型筛选。高光谱反射率光谱技术作为一种快速、非破坏性的替代方法，已展现出预测多种植物生化与生理性状的潜力。然而，此前的研究多依赖于与干旱相关但缺乏机理解释的植被指数，或尚未利用高光谱数据定量检测干旱响应中的关键早期信号分子。本研究旨在解决这一空白，具体目标包括：1) 探究代谢信号是否可用于干旱可视之前的早期预警；2) 验证高光谱反射率能否检测这些关键的代谢信号；3) 评估高光谱技术本身能否在视觉察觉前识别干旱胁迫。特别地，研究者首次尝试利用高光谱数据定量预测两种关键的干旱响应代谢物——脱落酸（Abscisic Acid， ABA，一种植物激素）和脯氨酸（Proline，一种渗透保护剂），这代表着利用遥感技术检测植物激素的首次探索。
详细工作流程 研究包含两个主要阶段：温室控制实验与独立的田间验证实验。
第一阶段：温室多物种实验 1. 实验材料与处理： * 研究对象：选取了六种具有不同形态和生理特征的农作物，以最大化性状变异范围，包括：甜椒（Capsicum annuum）、西葫芦（Cucurbita pepo）、向日葵（Helianthus annuus）、萝卜（Raphanus sativus）、高粱（Sorghum bicolor）和杂交杨（Populus × canadensis）。此外，还包括了谷子（Setaria italica）用于增加建模时的性状多样性，但因样本量小未参与物种水平的详细分析。 * 样本规模：每种物种设置12或8个重复植株（视物种而定），随机分为干旱处理组和充分浇水（对照组）。 * 干旱处理：采用完全断水的“全干”法，以在所有物种中引发强烈的干旱响应。干旱处理持续至叶片完全脱水、无法进行有效测量为止（不同物种持续23-37天不等）。 * 日常监测：每日测量土壤含水量，定期拍摄植株照片以确定首次出现肉眼可见干旱症状（如萎蔫、黄化）的日期。
第二阶段：田间验证实验 1. 验证对象：选择在温室实验中表现出显著早期代谢响应（特别是ABA）的西葫芦（C. pepo）进行验证。 2. 田间设计：设置12个小区，分为浇水组和干旱处理组。 3. 数据采集：在田间条件下，采集西葫芦叶片的高光谱数据和生化样本（方法同温室），旨在检验温室所建模型的泛化能力。
数据分析方法 * 差异显著性检验：使用线性混合效应模型和重复测量方差分析，检验处理和时间对生理、生化性状的影响。 * 偏最小二乘回归：核心分析方法。用于建立全波段高光谱反射率数据（通常使用500-2400 nm）与实测生化性状浓度之间的定量预测模型。数据随机分为80%校准集和20%验证集。模型性能通过验证集的决定系数和均方根误差进行评估。对于ABA，由于全物种模型效果不佳，专门构建了基于西葫芦数据的物种特异性模型。这是研究中的一项关键创新。 * 判别分析： 1) 线性判别分析：利用实测（或PLSR预测的）关键代谢物数据，对植株的“干旱”或“浇水”状态进行分类。 2) 偏最小二乘判别分析：直接利用原始高光谱反射率数据对植株状态进行分类。 这两种方法均在温室数据上训练，并分别应用于田间数据进行独立验证。
主要结果 1. 生理响应滞后于视觉干旱：气体交换参数（光合速率、气孔导度）的显著下降，在六个物种中都发生在肉眼可辨的干旱症状出现之后。这表明仅依赖传统生理测量无法实现干旱的早期预警。 2. 生化代谢物可作为早期预警信号：代谢物分析揭示了物种特异性的干旱响应模式。关键发现是，在四个物种（尤其是甜椒和西葫芦）中，代谢物的变化早于视觉干旱症状的出现。 * 早期、持续的响应：在甜椒中，淀粉的显著下降和ABA的显著上升在视觉症状出现前3天被检测到；在西葫芦中，ABA的显著上升在视觉症状出现前5天被检测到。这些变化在整个干旱期间持续存在。 * 普遍的干旱响应：在所有六个物种中，干旱均导致ABA累积；在四个物种中，脯氨酸也显著增加。这证实了ABA和脯氨酸是广泛且关键的干旱响应代谢物。 * 叶片含水量：其显著下降在所有物种中都发生在视觉干旱之后，同样不适合作为早期指标。 3. 高光谱反射率可准确预测关键代谢物：PLSR模型成功预测了多种代谢物。 * 模型性能：验证R²值范围从0.49到0.87，其中脯氨酸的预测模型效果最佳（R²=0.84）。特别重要的是，研究首次成功建立了ABA和脯氨酸的高光谱预测模型（ABA模型R²=0.50，基于西葫芦数据），首次实现了利用遥感数据对植物激素的定量估计。 * 模型变量重要性：VIP分析定性揭示了不同波长对于预测不同代谢物的贡献。 4. 基于光谱的干旱状态判别： * 温室结果：使用原始光谱数据的PLS-DA模型，对所有温室样本的干旱/浇水状态分类准确率达到66%。使用六种关键代谢物实测值进行的LDA分类准确率为71%。这证明无论是直接光谱分析还是通过预测代谢物，都能有效区分干旱状态。 * 田间验证： * 模型外推：将温室建立的PLS-DA模型直接应用于田间西葫芦光谱数据，在干旱处理的前半段取得了71%的分类准确率，表明模型能有效检测田间早期的干旱胁迫。然而，在干旱后期（可能受降雨影响），准确率下降。 * 性状预测外推：将温室PLSR模型应用于田间光谱，成功预测了淀粉和蛋白质浓度，对ABA和总氨基酸的预测效果中等，但对脯氨酸的预测失败，提示模型在跨环境（温室 vs. 田间）应用时可能需要针对特定性状进行重新校准或数据扩充。 * 基于预测性状的判别：利用PLSR预测出的代谢物数据进行LDA，对田间西葫芦前10天数据的干旱状态分类准确率达到74%，甚至略高于使用实测生化数据的结果。这凸显了高光谱技术在实际应用中快速、非破坏性评估干旱状况的巨大潜力。
结论与价值 本研究证实，与生理变化相比，叶片代谢物的变化能够更早地指示干旱胁迫。更重要的是，研究首次成功利用高光谱反射率光谱技术，实现了对ABA和脯氨酸这两种关键干旱响应代谢物的非破坏性、定量预测，并开发了两种基于光谱的干旱早期检测策略（直接PLS-DA分类和基于PLSR预测性状的LDA分类）。这些方法在独立的田间试验中得到了初步验证。
科学价值：本研究超越了传统植被指数的相关性分析，建立了光谱信号与干旱胁迫底层生化机制之间的定量联系。首次展示了对植物激素的遥感检测能力，为利用遥感技术解析植物胁迫信号传导通路开辟了新途径。它提供了一种机理清晰的、高通量的表型分析工具，极大地增强了对植物干旱响应的理解能力。
应用价值：该技术为作物育种和管理带来了革命性潜力。在育种中，可用于快速筛选大量种质资源的抗旱性和水分利用效率，加速“生理育种”进程。在农田管理中，能够在作物出现肉眼可见的受损迹象前，精准、早期地识别干旱胁迫，从而实现更及时、更高效的精准灌溉和水资源管理，有助于在全球气候变化背景下保障粮食安全和农业可持续发展。研究者展望，该技术未来可扩展到冠层和无人机/卫星平台，并结合其他生物或非生物胁迫的检测，构建更全面的作物健康监测和预警系统。
研究亮点 1. 开创性发现：首次利用高光谱反射率数据成功预测植物激素ABA的浓度，实现了遥感技术在植物激素检测领域“零的突破”。 2. 早期检测验证：明确证明了代谢物信号（特别是ABA）作为干旱早期预警指标的可行性，且该信号可被高光谱技术捕获，实现了真正的“视觉前”干旱胁迫检测。 3. 方法学创新：采用了从机理出发的研究路径：即先通过传统方法明确干旱的早期代谢标志物，再建立这些标志物的高光谱预测模型，最后利用模型进行胁迫判别。这种方法比单纯寻找与干旱相关的光谱指数更具机理解释性和普适潜力。 4. 系统验证：研究设计严谨，包含了涵盖多种作物的温室详细实验和独立的田间验证，增强了研究结论的可靠性和技术应用的现实可行性。 5. 数据与模型公开：作者遵循了数据标准，并公开了所有原始数据和模型构建教程，促进了研究的可重复性和该领域的进一步发展。