近年來(lái)，熱成像技術(shù)在植物表型解析中取得了顯著進(jìn)展，已被用于植物防御機(jī)制研究、植物脅迫檢測(cè)和癥狀嚴(yán)重程度評(píng)估、篩選抗旱耐鹽或耐寒作物品種、評(píng)估植物生物量和產(chǎn)量等。總體而言，熱成像是評(píng)估生物脅迫、非生物脅迫和其他應(yīng)用下植物表型的有效工具。本綜述首先總結(jié)和對(duì)比了各成像技術(shù)在植物表型分析中的優(yōu)缺點(diǎn)（如圖1所示），簡(jiǎn)單分析了基于成像技術(shù)的2D、3D表型的特點(diǎn)；接著介紹了熱成像的基本原理（如圖2所示）、熱成像圖像采集的近地與無(wú)人機(jī)平臺(tái)以及應(yīng)用場(chǎng)景、熱成像圖像識(shí)別的傳統(tǒng)方法以及深度學(xué)習(xí)方法（技術(shù)流程如圖3a所示）；隨后總結(jié)分析了熱成像的優(yōu)缺點(diǎn)以及與其他成像技術(shù)結(jié)合應(yīng)用，重點(diǎn)統(tǒng)計(jì)并分析了2019年至2022年熱成像技術(shù)在植物生物脅迫（包括真菌、細(xì)菌、病菌和害蟲，如圖4所示）、非生物脅迫（包括水分脅迫、凍害、營(yíng)養(yǎng)元素，如圖5所示）、共存脅迫（包括多重生物誘導(dǎo)脅迫、非生物和生物誘導(dǎo)脅迫，如圖6所示）以及植物生長(zhǎng)（包括作物產(chǎn)量、種子質(zhì)量，如圖7所示）檢測(cè)的研究應(yīng)用。總之，本綜述總結(jié)了近年熱成像技術(shù)在表型領(lǐng)域的進(jìn)展，為育種家培育高產(chǎn)、抗逆、耐逆、優(yōu)質(zhì)的作物品種提供了指導(dǎo)。

圖1 植物表型與成像技術(shù)之間的關(guān)系，以及現(xiàn)有成像技術(shù)的優(yōu)缺點(diǎn)。（a）植物表型與成像技術(shù)之間的關(guān)系。植物表型是在基因和環(huán)境的動(dòng)態(tài)相互作用下形成的，成像技術(shù)可以通過識(shí)別表型來(lái)檢測(cè)植物中的生物和非生物脅迫。（b）現(xiàn)有成像技術(shù)的優(yōu)缺點(diǎn)。2D 成像技術(shù)，包括可見、熒光、多光譜 （MSI）、高光譜 （HSI）和熱成像；3D成像技術(shù)主要包括 X 射線計(jì)算機(jī)斷層掃描、光檢測(cè)和測(cè)距、磁共振成像；每種成像方法都有優(yōu)點(diǎn)和缺點(diǎn)。

圖2 熱成像的相應(yīng)電磁波譜與成像過程、成像原理以及熱成像的組成相互作用。（a）植物表型熱成像技術(shù)中所有感興趣的波譜。（b）植物表型熱成像系統(tǒng)的典型構(gòu)成。（c）熱成像捕捉電磁輻射與物質(zhì)之間相互作用的變化，反射在物體表面的熱輻射信息和植物樣品發(fā)出的輻射可以用熱成像儀檢測(cè)。

圖3 植物表型熱成像的圖像識(shí)別。（a） 深度學(xué)習(xí)法流程圖。（b）基于CNN的圖像特征學(xué)習(xí)（以VGG模型為例。（c）植物中植物病害的識(shí)別、分類、量化和預(yù)測(cè)（ICQP）。

圖4 熱成像在檢測(cè)生物脅迫（真菌、細(xì)菌、病毒和蟲害）中的應(yīng)用。（a）真菌。使用遠(yuǎn)程熱成像比較猝死綜合癥感染植物與健康植物。（b）細(xì)菌。預(yù)測(cè)植物病害 Xf 細(xì)菌在植物葉片中的空間分布。（c）病毒。確定甘薯羽毛斑駁病毒（SPFMV）和甘薯氯酸特技病毒（SPCSV）是否單獨(dú)或兩者導(dǎo)致甘薯減產(chǎn)。（d）蟲害。蘋果綠蚜蟲侵?jǐn)_早期對(duì)蘋果葉溫度分布的影響。

圖5 熱成像在檢測(cè)非生物脅迫（水分脅迫、凍害和營(yíng)養(yǎng)元素）中的應(yīng)用。（a）水分脅迫。將PRI和RUE與葉片和葉片蒸騰量相關(guān)聯(lián)，從空中測(cè)量麥田光合作用和蒸騰量。（b）凍害。IDTA和生存力評(píng)估，以探索結(jié)冰和凍傷機(jī)制。（c）營(yíng)養(yǎng)元素。研究了CCCI、WDI 和 NNI 之間的相互關(guān)系。

圖6 熱成像技術(shù)在檢測(cè)共存脅迫(多重生物誘導(dǎo)脅迫,非生物和生物誘導(dǎo)脅迫)中的應(yīng)用。(a) 多重生物誘導(dǎo)脅迫。利用機(jī)載熱成像和高光譜成像獲得的植物性狀區(qū)分橄欖樹上同時(shí)發(fā)生的兩種病原菌。(b) 非生物和生物誘導(dǎo)脅迫。結(jié)合航空光譜和熱成像掃描的特征加權(quán)ML模型解析特定生物和非生物光譜效應(yīng)。

圖7 熱成像技術(shù)在植物生長(zhǎng)檢測(cè)中的應(yīng)用(作物產(chǎn)量、種子質(zhì)量)。( a )作物產(chǎn)量。大面積、低成本、準(zhǔn)確、無(wú)損的農(nóng)業(yè)產(chǎn)量測(cè)量和估產(chǎn)模型的實(shí)現(xiàn)。( b )評(píng)估榆樹和水稻種子在熱衰變過程中的活力。

文獻(xiàn)來(lái)源：Ting W, Jian-Hong L, Qi W, Yang-Yang G, Ge-Fei H, Bao-An S. Thermal imaging: The digital eye facilitates high-throughput phenotyping traits of plant growth and stress responses.  Science of The Total Environment, 2023, 899:165626.