研究作物缺水条件下的生理过程对于耐旱基因型的选择和相关基因的功能分析至关重要。近距离高光谱成像（HSI）是一种很有前途的非侵入性植物性状分析技术，它在早期检测植物对水分胁迫的反应方面具有巨大潜力。在这项工作中描述了一种数据分析方法，与植被指数不同，本方法在具有高分辨信息的选定波段上应用光谱相似性，同时需要仔细处理非信息性照明效应。后一个问题是通过标准正态变量 (SNV) 归一化来解决的，该归一化消除了线性效应，以及一种监督聚类方法来消除表现出非线性多重散射效应的像素。在剩余的像素上，与胁迫相关的动态通过光谱分析程序量化，该程序涉及受监督的波段选择程序和针对浇水良好的对照植物的光谱相似性度量。通过在高通量植物表型平台中对玉米植物的水分胁迫和恢复进行大规模研究，验证了所提出的方法。结果表明，该分析方法可以早期检测干旱胁迫反应，并在重新浇水后不久恢复检测效果。
图1.应用于玉米植株的六种不同灌溉策略，显示了整个营养发育期在不同V阶段的土壤含水量水平，表明了植物叶片发育的数量和达到特定V阶段的天数
所有图像均通过减去暗框进行辐射校准，并计算相对于白板的反射率。图2显示了来自植物像素的反射光谱的集合。使用广义交叉验证（GCV）评分对光谱中存在的高斯噪声水平进行量化。由于500nm以下和850nm以上的高噪声水平，图像被限制在500-850nm范围内的111个光谱带，以便进行进一步的数据处理。然后利用归一化差异植被指数（NDVI）从背景中分割出植物像素。图3显示了NDVI若干阈值的分段植物。选择了0.3的阈值。
图2.植物像素集合的反射光谱，覆盖400nm至1000nm的光谱区域
图3.基于NDVI阈值的植物像素分割
图4表示获得的簇映射示例，其中根据像素的簇编号使用假彩色表示来映射像素。基于这些聚类图，对信息量较小的聚类进行注释，并丢弃这些聚类中的像素。最后，通过平均属于保留簇的所有像素的归一化光谱获得一个SNV光谱来表征每个植物。然后将每种植物的整个发育期表示为一个光谱时间序列。
图4.V13生长阶段玉米植株的 RGB 图像和聚类图
用充分浇水控制和缺水胁迫处理来监测来自六个不同浇水处理组的植物的生长动态，并分析对干旱的响应和再浇水后的恢复。在整个实验过程中（53 天）浇水充足的组作为对照组。图5显示了五个不同胁迫程度组的图，每次都与WW对照组的图进行比较。每个数据点是该组所有植物的平均值；也给出了标准偏差。图5(a) 显示了 PD-RW1组与WW对照组的结果，在整个胁迫浇水恢复期间，与对照组的差异从逐渐增加到浇水后逐渐减小再到增加的过程；图5(b) 显示了 PD-RW2 组与对照组的结果，与PD-RW1的过程近似，从第 40 天开始观察到与 PD-RW1 组的显著差异，似乎PD-RW2 组已从干旱胁迫中*恢复；图 5(c) 显示了 SD 组与对照组的结果。SD从观察的第一天起就可以看到干旱胁迫的影响。直到第10天干旱植物正在适应水分胁迫环境。植物在第35天之前似乎表现得像 WW 对照植物，之后植物开始重新经历干旱胁迫。SD组的植物发育受到非常严重的损害；对于SD-RW1 和 SD-RW2，目标是评估植物在重新浇水时从严重干旱胁迫中恢复的能力的程度。 SD-RW1 组在严重干旱诱导后在早期营养状态 (V7) 中*重新浇水，而 SD-RW2 在发育后期 (V12) 时*重新浇水。图 5(d)和(e) 显示了这些组与对照组的结果，对于SD-RW1组，在重新浇水后不久（在T4点）植物健康状况稳定，并且在营养发育阶段结束之前与对照组保持不变。这表明这些植物能够*恢复并恢复其最佳生长和功能模式。然而，这不是SD-RW2组实现的，它在后期再浇水期(T5)后偏离了对照组。这表明在后期发育阶段再浇水不允许植物从严重的干旱胁迫中*恢复。
图5.六个不同浇水处理组的植物的生长动态
