植被冠层的光合特性是基于地球系统模型进程的重要参数，可用于理解全球碳循环。然而这些地球系统模型缺乏光合特性连续的时空信息，导致了很大的不确定性，无法解释碳的源和汇以及大气层与陆地生物圈的交换。此外，光合速率的准确表征对于重设光合作用途径以提高作物产量至关重要。选择新品种需要在给定环境中将基因型与表型联系起来，但尚未以高通量方式实现，这成为植物育种的主要瓶颈之一。为此，作为全球粮食安全问题解决方案的一部分，迫切需要光合特性高通量表征技术的进步，这对于深刻理解全球环境变化至关重要。基于此，作者研究了安装在移动平台上的高光谱成像相机是否能解决这些问题，重点研究三种主要方法-基于偏最小二乘法回归（PLSR）的反射光谱，光谱指数以及数值模型反演，以从11个烟草品种冠层高光谱反射率估算光合特性。结果表明，基于PLSR建立的反射光谱和光谱指数模型预测Vcmax和Jmax的R2为~0.8，高于数值反演的预测结果（R2为~0.6）。与反射光谱的PLSR相比，光谱指数的PLSR预测Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m−2 s−1）的结果更好，预测Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m−2 s−1）的结果相似。光谱重采样的进一步分析表明，可以在约10个光谱带中以小于14.7 nm的光谱分辨率预测Vcmax和Jmax。这些结果对于改善光合作用途径和跨尺度的光合作用制图具有重要意义。试验选择了包括野生和转基因品系在内的11个烟草品种，用于评估三种估计光合特性方法的性能。（a）基于地面的高通量表型平台用于收集高光谱图像。（b）2017年6月22、26、27日，7月6、7、12、31日，2017年8月18日和2018年7月24、25日测量的光合变量Vcmax和Jmax值（用于构建预测模型）的范围。从上到下的线分别表示最小值，平均值和最大值。
图3a显示了2017年6月27日，从品种4上收集的原始图像。图像预处理包括3个步骤；（1）辐射定标，在此期间，将原始图像转换为绝对光谱辐射度，（2）利用K均值聚类算法进行图像分类（图3b）以及（3）反射率计算。该程序系统在地块水平上的多个作物品种的高通量表型研究中非常重要。
从反射光谱估算光合特性：光谱指数、数值反演和偏最小二乘回归的综合.pdf