面向追踪湿地松养分胁迫响应的高通量表型系统研究

来源：农业机械学报杂志2026年第1期北京时间：

作者：张慧春，周子阳，边黎明，高琦，于皓，郭宇明，周磊

单位：南京林业大学,南京林业大学;南京地铁运营有限责任公司,南京林业大学,南京林业大学,南京林业大学,南京林业大学,南京林业大学,

摘要：植物表型分析是制约农林现代化发展的关键瓶颈之一。传统表型分析方法存在效率低下、操作复杂等局限，难以实现大规模、动态监测植物在环境胁迫下的生理响应。随着高通量表型技术的快速发展，多源传感器数据融合已成为研究植物健康与胁迫适应的重要手段。然而，现有系统难以应对植株高度变化不一、不同生长阶段表型特征变异大的现象，导致采集设备适应性差、作业效率有限，制约动态生理响应的精准捕捉。为此，本研究以湿地松为研究对象开展梯度养分胁迫试验（正常、轻度、重度），设计并构建了一种自走式高通量表型监测系统，该系统集成可见光、多光谱等多源成像传感器，可根据株高动态变化自动调节传感器空间位置，实现对360株样本的植物表型信息高效采集。在算法层面，系统引入了一种基于遗传算法的递归特征消除交叉验证方法（Genetic algorithm-recursive feature elimination with cross-validation，GA-RFECV），用于筛选与养分胁迫高度相关的敏感特征，并结合机器学习模型构建湿地松养分胁迫响应的分类框架。试验结果表明GA-RFECV方法提高了模型监测精度，其中随机森林（Random forest，RF）模型在验证集上的准确率、精确率、召回率和F1分数分别达到0.694、0.695、0.694、0.685。在进一步结合超参数优化后，差分进化算法（Differential evolution，DE）优化的极端梯度提升（Extreme gradient boosting，XGBoost）模型在验证集上的综合性能最优，相比于其他模型表现较好，准确率、精确率、召回率和F1分数分别提升至0.759、0.770、0.759、0.756，验证了混合特征选择与超参数优化策略在植物养分胁迫分类中的有效性。本研究提出并构建的自走式高通量表型监测系统在植物养分胁迫的精准高效追踪方面展现出较大优势，为精准施肥、抗逆品种选育、林木养分大规模监测提供了可靠的技术支撑与研究方法。

关键词：植物表型监测平台;养分胁迫;超参数优化;高通量表型;混合特征选择

基金资助：农业生物育种国家科技重大专项（2023ZD0405805）、国家自然科学基金项目(32171790、32171818)、江苏省农业科技自主创新资金项目(CX(23)3126)、江苏省333高层次人才培养工程项目(20242-154)和江苏省研究生科研与实践创新计划项目(SJCX24_0365)