摘要
干旱是我国和全球小麦产业发展的核心气候限制因子。旱灾的发生具有显著的时空分布规律，与小麦主产区大面积重合，导致非旱地小麦亦受旱灾影响显著。因此，提高耐旱小麦育种水平，是保障国家粮食安全的关键途径。但传统的小麦抗旱性鉴定方法工作量大、通量低，亟需一种能准确鉴定小麦抗旱性的高通量方法以加快小麦抗旱育种进程。本研究以不同土壤水分条件下335份小麦材料苗期和灌浆期的高光谱图像、叶绿素荧光（ChlF）参数和抗旱性指标为对象，探究小麦叶片高光谱图像与光合和抗旱能力的关系并建立小麦光合和抗旱性的高通量评估模型。主要结果如下： 1.干旱条件下，小麦叶片光谱反射率在550-700nm升高，一阶导数在700-750nm降低。相关性分析发现，高光谱对ChlF参数敏感的波段主要集中在绿光到红光区域的500nm、550nm、680nm、700nm和750nm附近，对叶绿素的敏感波段主要集中在500-550nm和600-750nm附近。以上波段可以作为评估抗旱性的指标，且苗期和灌浆期的敏感波段基本一致。此外，光谱一阶导数与ChlF参数和叶绿素有更强的相关性，对小麦光合和抗旱性的评估效果更好。 2.回归分析发现，光谱特征和图像特征可以对小麦叶绿素含量实现规模化精准估测，R2最高为0.82和0.64。基于图像和光谱特征构建的估测模型对QY_max估测的R2最高为0.31。 3.单个品种的高光谱特征与ChlF参数有良好的拟合关系，对Fm_Lss有最好的估测效果，R2为0.77，但随着品种数量增加，二者之间的关系减弱。这表明小麦ChlF和高光谱的关系受到品种差异的影响，需要建立受小麦品种差异影响较小的评估方法。 4.通过建立分类模型可以实现小麦抗旱性的高光谱评估。本研究基于苗期6个小麦品种构建的抗旱性分类模型交叉验证精度最高为82%，基于灌浆期293个小麦品种构建的模型精准度最高为66%。 综上所述，本试验探究了干旱胁迫下大规模小麦品种的苗期和灌浆期光谱与光合和抗旱性的关系，发现了对光合敏感的光谱波段，建立了精度较高的叶绿素估测模型和抗旱性评估模型。本研究所建模型可以有效地评估小麦叶绿素含量和抗旱性水平，为小麦及其他作物的高通量表型分析和遗传育种提供参考。
NETL