叶片叶绿素含量在反映植物胁迫和营养状况方面起着重要作用。传统的叶绿素含量定量方法主要有丙酮乙醇萃取法、分光光度法和高效液相色谱法。这种基于实验室程序的破坏性方法耗时、昂贵且不适合高通量分析。高通量成像技术现在广泛用于植物表型性状的非破坏性分析。在这项研究中，三个成像模块（RGB、高光谱和荧光成像）分别和组合用于估计温室环境中高粱植物的叶绿素含量。从这三类图像中提取颜色特征、光谱指数和叶绿素荧光强度，建立多元线性回归模型和PLSR（偏最小二乘回归）模型，根据图像特征预测叶片叶绿素含量（手持式叶绿素仪测量）。



RGB 图像单一颜色特征的模型预测叶绿素含量R2 范围为 0.67 到 0.88。使用从高光谱图像中提取的三个光谱指数（植被指数、归一化植被指数 和 修正叶绿素吸收比指数）的模型预测叶绿素含量，R2 范围为 0.77 至 0.78。利用从荧光图像中提取的荧光强度模型预测叶绿素含量，R2 为 0.79。综合三个不同成像模块提取的所有图像特征的 PLSR 模型在预测叶绿素含量方面表现出最佳性能，R2 为 0.90。还发现在基于图像的模型中加入 SLW（比叶重）进一步提高了叶绿素预测的准确性。


在我们的研究中测试的所有三个成像模块（RGB、高光谱和荧光）都可以很好地估计高粱植物的叶绿素含量。将来自不同成像模块的图像特征与 PLSR 建模相结合，显着提高了预测性能。基于图像的表型分析可以提供一种快速且无损的方法来估计高粱中的叶绿素含量。

来源：Plant Methods.High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion.Huichun Zhang, Yufeng Ge, Xinyan Xie, Abbas Atefi, Nuwan K. Wijewardane & Suresh Thapa
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00892-0#author-information