模塊式植物表型分析技術(shù)方案——水稻病害與干旱抗性的無損定量檢測

    在農(nóng)業(yè)生產(chǎn)實踐中，作物經(jīng)常會同時面臨生物和非生物脅迫的雙重影響。水稻作為種植面積廣的作物，從而面臨一系列的環(huán)境挑戰(zhàn)。在熱帶和亞熱帶地區(qū)，水稻面臨的主要非生物脅迫就是干旱脅迫，同時如稻瘟病、白葉枯病等生物脅迫也會嚴重降低水稻的產(chǎn)量。氣候變化模型則預(yù)測環(huán)境變化將會進一步加重這兩類脅迫的發(fā)生頻率與強度。因此，通過快速、無損、的植物表型光學(xué)分析技術(shù)進行這方面的研究就成為了極其迫切的任務(wù)。

    捷克科學(xué)院變化研究所聯(lián)合美國堪薩斯州立大學(xué)、水稻研究所等單位開展了這方面的研究。研究者通過FP100手持式葉綠素熒光儀、FluorCam便攜式熒光成像儀和WinePen光譜儀分別測量多種近等基因系水稻在不同脅迫下的葉綠素熒光參數(shù)與植被指數(shù)。

左圖：感染稻瘟病和白葉枯病的水稻；右圖：實驗中使用的手持式儀器

    葉綠素熒光分析表明，光系統(tǒng)II大量子產(chǎn)額Fv/Fm、實際量子產(chǎn)額QY_Lss和穩(wěn)態(tài)葉綠素熒光Ft_Lss都可以有效地分辨稻瘟病和白葉枯病。而在進行干旱脅迫檢測時，QY_Lss則效果不好。

感染稻瘟病水稻葉片的Fv/Fm葉綠素熒光成像圖

    通過光譜儀獲得的植被指數(shù)則表明稻瘟病和干旱可以通過可見光波段的反射光譜植被指數(shù)來檢測，而白葉枯病可以通過近紅外波段相關(guān)的反射光譜植被指數(shù)來檢測。

研究中使用的植被指數(shù)

    除了葉綠素熒光技術(shù)與反射光譜技術(shù)以外，本文獻作者還提到了UV紫外光激發(fā)熒光來監(jiān)測生物脅迫，即UV-MCF多光譜熒光成像技術(shù)。這一技術(shù)尤其適用于生物脅迫研究，其主要應(yīng)用有：1. 作物病害早期無損檢測；2. 與FluorCam葉綠素熒光成像技術(shù)、Specim高光譜成像技術(shù)、紅外熱成像技術(shù)聯(lián)合運用，研究脅迫尤其是病害對光合系統(tǒng)、植物防御機制與次生代謝、氣孔關(guān)閉與葉片溫度的影響。

    鱷梨感染白紋羽病的葉綠素熒光、多光譜熒光與熱成像分析。葉綠素熒光成像反映光合系統(tǒng)的受損情況；多光譜熒光成像反映植物防御機制激活過程；熱成像通過溫度變化反映病菌造成的氣孔關(guān)閉（Granum E, et al. 2015）。

模塊式植物表型分析技術(shù)方案推薦：

1. 基礎(chǔ)方案：FP110手持式葉綠素熒光儀+RP410手持式植物反射光譜儀或者廠家定制WinePen
2.  進階方案：FluorCam葉綠素熒光成像系統(tǒng)+Specim IQ 手持式高光譜成像儀
3. 方案：FluorCam多光譜熒光成像系統(tǒng)+ FX10/FX17 輕便型高光譜成像儀或SisuCHEMA高光譜掃描成像分析系統(tǒng)

參考文獻：

• Šebela1D, et al. 2017. Chlorophyll fluorescence and reflectance-based non-invasive quantification of blast, bacterial blight and drought stresses in rice. Plant and Cell Physiology，59(1):30-43