桉树因其生长快、适应性强，成为全球重要的经济树种。然而，在植物生长过程中，缺水对它们的生长、生产力和质量产生很大的负面影响。传统的监测方法多依赖于NDVI、PRI等植被指数，或通过测量生物量、株高等生理指标进行评估。这些方法要么灵敏度不足，在早期胁迫阶段难以检测；要么特异性有限，无法区分水分胁迫与其他非生物胁迫。
近年来，高光谱成像技术的快速发展为植物胁迫的早期监测提供了新的可能性。与传统多光谱技术不同，高光谱成像可以获取连续波长范围内的详细光谱信息，从而捕捉植物生理的细微变化。基于这一技术，智利康塞普西翁大学的研究团队在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》期刊上发表了相关研究。研究人员利用VIS-NIR高光谱成像技术，结合化学计量学方法，深入探讨了桉树在水分亏缺胁迫下的生理响应。结果显示，高光谱成像能够精确区分不同胁迫水平，特别是在水分亏缺严重时，能有效反映植物的胁迫响应。这项研究为水分亏缺的早期检测提供了新技术，对精准森林管理和抗旱品种选育具有重要意义。
图1.样品和HSI数据采集（A）和HSI数据的化学计量学分析（B）。
实验方法
实验设计：选取4种具有经济价值的桉树基因型（包括2个E. globulus和2个E. gloni杂交品种），每个基因型包含40株树苗，共计160株。 实验设置了两个实验组：
对照组(Control)： 保持充足水分；
水分亏缺组(WD)： 停止灌溉，持续10天；
在干旱处理的第3天（轻度）、第7天（中度）和第10天（重度）进行数据采集，以覆盖不同胁迫阶段。
监测指标：不同基因型植株的株高、生物量变化。使用Resonon Pika-L高光谱成像仪对整株、顶端、叶片以及茎部四个不同区域（ROI）分别提取光谱数据，以寻找敏感的检测部位。
光谱参数：
光谱范围：385-1010 nm；
采样间隔：2.1 nm；
光谱分辨率：3.3 nm；
空间像素：900；
数据分析：通过计算NDVI、PRI和MCARI等植被指数，并与生理数据进行比较，同时利用PCA和多种监督学习方法（如PLS-DA、SVM-DA和KNN）对高光谱数据进行化学计量学分析，以评估水分亏缺对桉树的影响；
图2.图示为基因型G1、G2、G3和G4在D3、D7和D10时期的平均质量（g）（a）和平均高度（cm）（b）的比较，包括对照组植株（C：深绿色条形图）和水分亏缺胁迫处理组植株（WD：浅绿色条形图）。
表1.对基因型G1、G2、G3和G4在D3、D7和D10时期分别计算了NDVI、PRI和MCARI指数。每个基因型均进行三次重复测量，其中C和WD分别代表重复测量的平均值及其相应的标准差 (SD)。
图3.图示为与M2矩阵对应的72条平均光谱，其中 (A) 为反射率平均光谱，(B) 为伪吸光度平均光谱，(C) 为经过二阶导数处理且积分窗口为15个点的伪吸光度平均光谱。
表2.SIMCA、PLS-DA、SVM-DA和KNN模型在不同预处理技术下的性能指标总结，用于分析不同胁迫水平（以不同采样天数表示）的桉树属植物。
图4.使用PLSDA、KNN和SVM-DA模型对WD数据集的D3、D7和D10图像进行逐像素重建，这些图像对应于验证集中的G1、G2、G3和G4基因型植物。
研究结果
（1）生理指标响应：生物量比株高更敏感；
（2）传统植被指数局限性明显；
（3）高光谱数据揭示关键响应波段；
（4）监督分类模型（PLS-DA，SVM-DA，KNN）基于高光谱平均光谱数据实现高精度早期分类；
（5）SVM-DA和KNN模型在水分亏缺胁迫预测中表现出高准确率；
总结与展望
该研究结合高光谱成像技术和化学计量学方法，成功检测了桉树在水分亏缺胁迫（WDS）下的光谱特征。研究表明，该方法可在胁迫早期识别生理变化，并在重度胁迫下清晰区分处理组与对照组。基于SVM-DA和KNN模型，研究进一步实现了高精度的逐像素预测，揭示了水分亏缺在植物不同区域的空间分布。未来，该技术可通过融合多源传感器数据提升机理解释能力，开发无人机载监测系统，扩展至其他树种或作物的胁迫检测，为智慧农业与林业管理提供强大工具。
发表期刊：Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy【影响因子：4.6】
研究单位：智利康塞普西翁大学、Bioforest S.A等
使用设备：Resonon Pika L 高光谱成像仪
DOI：https://doi.org/10.1016/j.saa.2025.126675
