日前，西北农林科技大学、农业农村部农业物联网重点实验室借助PlantScreen植物表型成像分析系统和干旱胁迫状态识别模型，对番茄的干旱胁迫进行早期监测和等级判定，获得了较高的识别准确率。研究成果发表在2021年6月的《农业工程学报》杂志上。

  研究小组首先利用PlantScreen植物表型成像分析系统中的FluorCam叶绿素荧光成像单元采集不同干旱胁迫程度的植株冠层叶绿素荧光图像：每个样本共获取98幅荧光图像，即共有98个叶绿素荧光参数；并将顶层叶片图像像素均值作为该植株的叶绿素荧光参数。从而克服了目前大部分研究未能充分利用叶绿素荧光参数信息和未利用荧光图像信息的问题。

  之后使用连续投影法（Successive Projections Algorithm，SPA）等3种算法提取了5个公共荧光参数并分析了其在不同干旱等级下的变化趋势：
  1.QY_L2：光适应过程中L2 时刻的实际光量子效率，随着干旱胁迫程度的增加呈现
减小的趋势，说明干旱胁迫降低了叶片的光化学淬灭能力；
  2.NPQ_L3：光适应过程中L3 时刻的非光化荧光淬灭，随着干旱胁迫程度的增强而上升说明叶片在干旱胁迫下天然色素通过热耗散的方式释放过多的热量，来减少PSⅡ吸收的过多光能，从而减缓衰老；
  3.qL_L2：基于“Lake”模型光适应过程中L2 时刻的光适应光化学淬灭
  4.qL_Lss基于“Lake”模型的稳态光适应光化学淬灭
  5.qL_D3基于“Lake”模型暗弛豫过程中D3 时刻的光适应光化学淬灭
以上3个均为光化学淬灭，除qL_Lss 在轻度干旱状态下稍有上升外，其余均随着干旱胁迫程度增加而降低，表明干旱胁迫导致PSⅡ天然色素捕捉光能分配给电子传递速率的值减少。

  最后，研究小组利用线性判别分析（Linear Discriminant Analysis，LDA）、支持向量机（Support Vector Machines，SVM）和k 最近邻（k-Nearest Neighbor，KNN）建立干旱胁迫状态识别模型。其中IRIV-LDA 和VISSA-LDA 建模效果好，识别准确率均可达97.8%，且IRIV-LDA 对干旱胁迫程度的区分度更好，对适宜水分、轻度干旱、中度干旱、重度干旱的识别率分别为100%、95%、98%、98%。仅用5个公共参数建立干旱识别模型的识别准确度最高可达83.7%，说明这5个荧光参数与番茄干旱胁迫高度相关。
  位于西北农林科技大学旱区节水农业研究院的PlantScreen植物表型成像分析系统具备光适应室、叶绿素荧光成像室、传送单元、自动浇灌称重单元及配套的控制、通讯单元及软件，配合人工气候室可实现植物的高通量、全自动的培养及光合生理表型的监测。
  该系统由捷克PSI（Photons Systems Instruments）公司研制生产及安装，由PSI代理商北京易科泰生态技术有限公司提供培训和维护。