CN114207672B - 部署生物哨兵到农田并远程监测作物中生物和非生物胁迫的方法 - Google Patents

Abstract

用于解释植物中压力的方法的一种变型包括：获取田地中第一组哨兵植物的第一图像；获取在第一时间段期间记录的田地中第二组哨兵植物的第二图像；基于从在第一时间段期间捕获的第一图像中提取的特征，解释第一组中的应激源的第一压力；基于从第二图像中提取的特征解释第二组中的第二压力；基于第一压力和第二压力导出将第一组处的压力和第二组处的压力相关联的模型；基于从在第二时间段期间捕获的第三图像中提取的特征来解释第一组中的第三压力；以及基于第三压力和模型来预测第二时间段期间第二组中的第四压力。

Description

部署生物哨兵到农田并远程监测作物中生物和非生物胁迫的 方法

相关申请的交叉引用

本申请要求于2019年6月20日提交的美国临时申请62/864,401号的权益，该美国临时申请的全部内容通过引用并入。

技术领域

本发明总体上涉及农业领域，更具体地说，涉及一种基于农业领域中的生物传感器、用于将生物传感器部署到农田并监测作物中的植物应激源(stressor)的新的和有用的方法。

附图简述

图1是方法的流程图表示；

图2是方法的流程图表示；

图3是方法的流程图表示；

图4是方法的图示；

图5是方法的图示；

图6是方法的图示；以及

图7是固定光学传感器的示意表示。

实施例的描述

本发明的实施例的以下描述并非旨在将本发明限制于这些实施例，而是使本领域技术人员能够制造和使用本发明。本文描述的变型、配置、实施方式、示例实施方式和示例是可选的，并且不排除它们描述的变型、配置、实施方式、示例实施方式和示例。本文描述的本发明可以包括这些变型、配置、实施方式、示例实施方式和示例的任何组合和所有组合。

1.方法

如图1-3所示，方法S100包括：在块S110中，获取(access)由面向农田中的第一组哨兵植物(sentinel plant)的固定传感器以第一频率记录的第一批(feed)图像；在块S112中，获取农田中第二组哨兵植物的第二图像，该第二图像由移动传感器在第一时间段期间记录；在块S120中，基于从第一批图像中的在第一时间段期间捕获的第一图像中提取的第一组特征，解释第一时间段期间第一组哨兵植物中应激源的第一压力；在块S122中，基于从第二图像中提取的第二组特征，解释在第一时间段期间在第二组哨兵植物中的应激源的第二压力；在块S130中，基于第一压力和第二压力导出压力模型，该压力模型将第一组哨兵植物处的应激源的压力与第二组哨兵植物处的应激源的压力相关联；在块S140中，基于从第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释在第二时间段期间第一组哨兵植物中的应激源的第三压力；在块S150中，基于第三压力和压力模型来预测第二时间段期间在第二组哨兵植物中应激源的第四压力；以及，在块S160中，响应于第二组哨兵植物中的第四压力超过阈值压力，生成解决农田中第二组哨兵植物附近的植物中的应激源的提示。

如图2和图3所示，方法S100的一个变型包括：在块S110中，获取由面向农田中的第一组哨兵植物的固定传感器以第一频率记录的第一批图像；在块S114中，获取包括第一组哨兵植物的农田的区域的第二图像，该第二图像由移动传感器在第一时间段期间记录；在块S120中，基于从第一批图像中的在第一时间段期间捕获的第一图像中提取的第一组特征，解释第一时间段期间第一组哨兵植物中应激源的第一压力；在块S124中，基于从第二图像中提取的第二组特征，解释在第一时间段期间农田的该区域中的哨兵植物中的应激源的第一压力梯度；在块S132中，基于应激源的第一压力和第一压力梯度，导出将第一组哨兵植物处的应激源的压力与农田的该区域中的应激源的压力梯度相关联的梯度模型；在块S140中，基于从第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释第二时间段期间在第一组哨兵植物中的应激源的第二压力；在块S152中，基于应激源的第二压力和模型，预测在第二时间段期间农田的该区域中应激源的第二压力梯度；以及在块S160中，响应于第二压力梯度，预测农田的子区域中的第三压力并且第三压力超过阈值压力，生成解决占据农田的子区域附近农田的植物中的应激源的提示。

如图2和图3所示，方法S100的一个变型包括：在块S110中，获取农田中第一组哨兵植物的第一批图像，该第一批由固定传感器以第一频率记录；在块S114中，获取在第一时间段期间由空中传感器记录的农田的第二图像；在块S120中，基于从第一批图像中的在第一时间段期间捕获的第一图像中提取的第一组特征，解释在第一时间段期间在第一组哨兵植物中的一组应激源中的第一应激源的第一压力；在块S122中，基于从包括第一组哨兵植物的第二图像的区域中提取的第二组特征，解释第一时间段期间第一组哨兵植物中的第一应激源的第二压力；在块S124中，基于从第二图像的区域中提取的第三组特征，解释在第一时间段期间农田中的第一应激源的第一压力梯度；在块S132中，基于第二压力和第一压力梯度，导出将第一组哨兵植物处的第一应激源的压力与农田中的第一应激源的压力梯度相关联的模型；以及在块S134中，基于第一压力和模型，校正第一时间段期间农田中的第一应激源的第一压力梯度。

如图3所示，方法S100的一种变型包括：在块S110中，获取由固定传感器以第一频率记录的第一批基于地面的图像，该固定传感器面向农田中的第一组哨兵植物；在块S112中，获取由移动地面传感器以第二频率记录的农田中第二组哨兵植物的第二批基于地面的图像；在块S114中，获取以小于第一频率和第二频率的第三频率记录的农田的第三批空中图像；在块S120中，基于从第一批中提取的第一组特征，估计在第一时间处第一组哨兵植物中应激源的第一压力；在块S122中，基于从第二批中提取的第二组特征，估计在第二时间处第二组哨兵植物中应激源的第二压力；基于第一压力和第二压力，在第二时间处对第一组和第二组之间的植物中的压力进行内插；在块S124中，基于从第三批的区域中提取的第三组特征计算在第一时间处农田中的第一压力梯度，该第三组特征描绘了农田中的第一组哨兵植物、第二组哨兵植物和第三组哨兵植物；以及在块S126中，基于第一组中的第一应激源和第二组中的第二应激源，校正在第一时间处农田中的第一压力梯度。该方法还可以包括在块S160中，基于第一压力、第二压力和第一压力梯度向农田相关的操作者提供解决农田中应激源的压力的提示。

2.应用

通常，计算机系统(例如，本地计算设备、远程服务器、计算机网络)执行方法S100的块：基于由哨兵植物生成的信号(例如，电磁谱中的荧光)来识别哨兵植物处存在的应激源，该哨兵植物被基因改造以发出环境条件不利于植物健康或生长的信号；基于由哨兵植物生成的信号解释附近其他植物处应激源的存在和/或幅度(magnitude)；并且选择性地生成和分发提示，以减轻哨兵植物和/或附近植物处的应激源。

更具体地说，可以对哨兵植物进行基因改造，使其包含一组启动子-报告子对(promoter-reporter pair)，这些启动子-报告子对被配置为在哨兵植物所暴露的特定生物和/或非生物应激源存在的情况下，触发哨兵植物内的信号生成，该特定生物和/或非生物应激源诸如：害虫；病毒性病害；水过多或不足；过热或过冷；和/或营养缺乏。光学设备可以记录哨兵植物生成的光学信号(例如，以彩色或多光谱图像的形式)；并且计算机系统可以从这些图像中提取特征(例如，特定波长处的强度)，基于这些特征解释暴露于哨兵植物的特定应激源的存在和/或幅度，并且基于哨兵植物由此所指示的应激源的存在和/或幅度，对附近其他植物(例如，非哨兵植物；其他未成像的哨兵植物)的健康和环境条件进行内插或外推。

例如，计算机系统可以提取对应于哨兵植物中特定化合物(例如，蛋白质)的特定波长的强度，并基于这些波长的强度(诸如，基于将植物应激源与感兴趣的波长相关联的存储模型，该存储模型基于哨兵植物中启动子和报告子基因的已知特性)，并且在这种应激源在可见光谱中视觉上(即，用人类肉眼)可辨别之前，解释暴露于哨兵植物的特定应激源的压力。计算机系统还可以对在该哨兵植物附近的其他植物中这些应激源的存在或幅度进行内插或外推，以预测作物或农田的整体健康状况。

2.1应用：哨兵植物簇和固定传感器

在一个示例中，可以对哨兵植物进行基因工程改造，以包括指示在玉米作物中发现的真菌应激源的启动子。启动子可以与红色荧光报告子配对，使得当暴露于这种真菌的压力超过阈值幅度和/或超过阈值时间段时，哨兵植物表现出红色荧光。表现出这种特征的哨兵植物可以在种植有商业非哨兵玉米作物的整个农田中成簇种植，诸如在农田中心附近。安装在中心簇哨兵植物内的杆上的光学传感器(例如，多光谱相机)可以诸如每小时或每天收集相邻哨兵植物的图像，并将这些图像(例如，经由计算机网络)下载到计算机系统。然后，计算机系统可以从这些图像中提取红色荧光报告子的波长的幅度(例如，强度)，并实现存储的模型，以基于这些波长的幅度来解释该中心簇哨兵植物中真菌应激源随时间的压力(例如，存在和/或幅度)。

基于所解释的真菌应激源的压力，计算机系统可以推荐特定的动作或动作集来减轻真菌应激源的压力。更具体地，计算机系统可以：在动作集中分离与减轻真菌应激源相关联的动作子集；并且在动作子集中分离与真菌应激源的压力相关联的第一动作。例如，计算机系统可以建议用于减轻高于阈值真菌压力的真菌压力的第一动作和用于减轻低于阈值真菌压力的真菌压力的第二动作。此外，计算机系统可以基于真菌应激源的压力，建议应用于在中心簇哨兵植物附近(诸如在作物中心的特定距离内)的植物的缓解或处理技术。例如，计算机系统可以建议：用第一数量的杀真菌剂以第一频率处理距中心簇第一半径内的植物(例如，哨兵植物和非哨兵植物)；用小于第一数量的第二数量的杀真菌剂以第一频率处理在距中心簇第一半径之外且在第二半径之内的植物；以及用第二数量的杀真菌剂以小于第一频率的第二频率处理距第二簇第二半径之外且在第三半径之内的植物。在另一个示例中，计算机系统可以基于预测的真菌压力在作物上的移动(例如，基于真菌应激源的先前压力)来建议对周围植物的处理。在又一个示例中，计算机系统可以建议从该簇哨兵植物中的真菌压力附近的土壤和植物中收集样本，以收集关于真菌压力在整个作物中的类型和扩散的更精确的诊断，并确定适当的处理。

2.2应用：哨兵植物簇和基于地面的移动传感器

在前面的示例中，哨兵植物可以种植在整个农田的其他簇中，诸如在农田的每个角落附近。安装在卡车、拖拉机或其他农具上的移动光学传感器可以在沿着该农田的通路上行驶时，间歇地(诸如每周一天中多次)捕获这些簇哨兵植物的图像。计算机系统可以：获取这些图像；实施上述方法和技术，以从这些图像中提取红色荧光报告子的波长的幅度；实施所存储的压力模型，以基于这些波长的幅度来解释这些簇哨兵植物中真菌应激源的压力(例如，存在和/或幅度)；将这些角落簇的这些应激源诊断与中心簇的时间上最近的应激源诊断配对；并随着时间的推移编译角落簇和中心簇的并发应激源诊断，以生成基于中心簇处的真菌存在和幅度来预测角落簇处的真菌存在和幅度的模型。

稍后，扫描周期可以：基于从中心簇的下一个图像导出的真菌压力，实现该模型来预测角落簇处的真菌压力；在中心簇和角落簇之间在整个作物上内插真菌压力；并生成用于在农田的所有或特定区域中真菌减少的提示或建议。

在一个实施方式中，移动光学传感器可以以不同频率和作物内的不同位置来捕获哨兵植物的图像，以实现更大的空间分辨率。移动光学传感器可以间歇地且不一致地(例如，较低的时间分辨率)收集这些图像。然而，计算机系统可以利用从由移动光学传感器记录的这些图像中提取的数据，结合在单个哨兵植物簇上从由固定传感器记录的图像中提取的一致数据，在作物上扩展真菌压力预测。此外，计算机系统可以收敛于更精确的模型，用于基于从这些图像中提取的数据，诸如通过结合机器学习算法，来预测作物上随时间变化的压力。

2.3应用：哨兵植物簇和空中传感器

在前面的示例中，空中光学传感器可以间歇地(诸如两周一次或每月一次)捕获农田的包括每一簇哨兵植物的图像。根据农田的空中图像，计算机系统可以解释农田中的压力梯度和/或农田中的每一簇哨兵植物处的压力。计算机系统可以在空中图像中区分多簇的哨兵植物簇和非哨兵植物，诸如通过：在空中图像上覆盖掩模，该掩模被配置为遮蔽图像中对应于农田中的非哨兵植物的区域；检测哨兵植物的基线信号特征，但不与对应于农田中哨兵植物的图像的子区域中的真菌压力相关联；和/或将空中图像中包括的地理位置标记与农田中的哨兵植物的已知GPS位置相匹配。在匹配对应于多簇哨兵植物的空中图像的子区域时，计算机系统可以导出对于每个子区域的真菌应激源的压力，并在每个子区域处的压力之间进行内插，以解释整个农田的压力梯度。此外，计算机系统可以根据固定传感器在并发的时间段内记录的图像解释一簇哨兵植物处的真菌应激源的压力。然后，基于对应于农田的特定子区域的固定传感器的位置，计算机系统可以导出将由固定传感器记录的该特定子区域处的真菌应激源的压力与由空中光学传感器记录的该特定子区域处的真菌应激源的压力相关联的标量。

然后，计算机系统可以根据标量来校正(例如，缩放)每个子区域或一簇哨兵植物处的压力。基于这些更新的压力，计算机系统可以根据需要生成用于减轻作物的子区域中的真菌压力的提示。

此外，计算机系统可以导出梯度模型(例如，标量)，该梯度模型将由固定传感器记录的作物中心的一簇哨兵植物处的真菌应激源的压力与其它簇哨兵植物处的应激源压力关联起来(例如，农田的梯度)。稍后，计算机系统可以：获取由固定传感器记录的一簇哨兵植物的图像；基于从该图像中提取的特征，解释该簇哨兵植物处的真菌应激源的压力；以及基于该簇哨兵植物处的真菌应激源的压力和梯度模型来预测农田的每个子区域处的真菌应激源的压力。

3.术语

如上所述，“哨兵植物”在本文中指代被配置为发信号通知植物内和/或植物处的特定应激源或一组应激源的存在的植物。可以对哨兵植物进行基因改造，使其包括一组启动子-报告子对(例如，一个启动子-报告子对，三个启动子-报告子对)，这些启动子-报告子对被配置为在特定应激源或一组应激源存在的情况下触发哨兵植物生成可检测的信号或多个信号。例如，可以对哨兵植物进行基因改造，使其包括第一启动子-报告子对，该第一启动子-报告子对被配置为在真菌存在的情况下触发哨兵植物生成红色荧光信号。因此，哨兵植物可以生成可检测的信号，当检测到该信号时，可以提醒与哨兵植物相关联的用户(例如，农民、农学家、植物学家)存在应激源或多种应激源。此外，第一植物类型的哨兵植物可以被配置为发出在第一类型和/或不同类型的植物中存在应激源的信号。例如，哨兵玉米植物可以被配置为发出在玉米植物中存在应激源的信号。在另一个示例中，哨兵番茄植物可以被配置为发出在马铃薯植物中存在应激源的信号。

在一个实施方式中，哨兵植物可以监测在其他(非哨兵)植物中是否存在应激源(例如，害虫、病害、脱水)。一般来说，小数量的哨兵植物可以被监测，以提取对更大群体的植物(例如，作物)的洞察(insight)。例如，一簇哨兵植物可以沿着植物作物的外边缘被种植，并且监测害虫的存在，如果和/或当害虫种群已经沿着该外边缘进入该作物时，通知与该作物相关联的用户(例如，农民、农学家、植物学家)。在另一个示例中，第一植物类型的哨兵植物(例如番茄)可以在位于特定区域的温室环境(例如玻璃屋顶或植物农场)中生长，并且监测指示植物健康的应激源(例如脱水、病害、害虫)的存在。与温室环境相关联的用户可以从哨兵植物处存在的应激源中提取洞察，以通知在特定区域中生长的相同植物类型的其他植物(例如，作物)的种植和/或处理。

如上所述，“应激源”在本文中指代可能负面影响植物健康的一种非生物和/或生物胁迫，诸如害虫、病害、水分、高温和/或养分胁迫或缺乏。例如，植物可能经历对应于植物中存在昆虫或昆虫种群的昆虫应激源，这可能阻碍植物生长和/或健康。

如上所述，“压力”在本文中指代植物中(例如，在一簇哨兵植物中，在植物作物中)的特定应激源和/或一组应激源的可测量和/或可检测的存在。例如，计算机系统可以在一簇哨兵植物处检测昆虫应激源，并且基于从该簇哨兵植物的图像中提取的特征来估计该簇处的昆虫压力(例如，可测量的存在、分布、幅度)。因此，压力表示特定应激源的可测量的存在。

如上所述，“压力梯度”在本文中指代农田中多个哨兵植物和/或多组(多簇)哨兵植物上的应激源(或多个应激源)的压力的分布。例如，用户最初可以在农田内分配三组哨兵植物。稍后，计算机系统可以获取由空中传感器(例如，卫星)记录的描绘三组哨兵植物的农田图像。基于从描绘每组哨兵植物的图像的区域中提取的特征，计算机系统可以解释农田中应激源的压力梯度。更具体地，该计算机系统可以：基于从描绘第一组哨兵植物的图像的第一区域中提取的特征，解释第一组哨兵植物中应激源的第一压力；基于从描绘第二组哨兵植物的图像的第二区域中提取的特征，解释第二组哨兵植物中应激源的第二压力；基于从描绘第三组哨兵植物的图像的第三区域中提取的特征，解释第三组哨兵植物中应激源的第三压力；以及基于第一压力、第二压力和第三压力来解释农田中应激源的压力梯度。基于该压力梯度，计算机系统可以(例如，经由插值)解释农田内不同位置的应激源的压力。

如上所述，“用户”在本文中指的是与包括哨兵植物的农业环境相关联的人，该农业环境诸如农田、植物作物、温室、植物园或实验室。例如，用户可以指与特定农田相关联的农民。在另一个示例中，用户可以指与特定植物作物相关联的农学家。在另一个示例中，用户可以指研究或开发哨兵植物和/或哨兵植物和非哨兵植物中应激源处理的科学家。

4.启动子和报告子对

哨兵植物的网络可以被部署到农田以(例如，视觉地、热地、化学地)传达附近作物中的生物和非生物应激源给诸如农民、田地间操作者或农学家。特别地，当暴露于这些植物应激源和应激源时，在存在某些植物应激源的情况下，哨兵植物可以在与种植在作物中的可比较的非哨兵植物相同或相似的措施中经历、反应和恶化。因此，哨兵植物可以作为这些附近作物中病害和/或应激源的精确传感器和预测器。例如，可以将哨兵植物部署到农田中，并与其他非哨兵植物一起种植(诸如在被非哨兵植物包围的多簇哨兵植物中)，以便检测、测量和传达这些哨兵植物中的某些应激源，然后可以将这些应激源内插或外推至附近非哨兵植物中的应激源。

为了生成哨兵植物，可以对植物细胞进行基因改造，将已知的报告基因与某种生物过程相结合。可以实施分子遗传学技术来将报告基因的表达与某些生物胁迫和性状相关联。因此，报告基因可以作为植物细胞中生物胁迫或性状的信号。例如，在存在病害或应激源(并与之成比例)的情况下，可以将哨兵植物修改成发荧光(即，吸收一种频率的光子并发射不同频率的光子)。在该示例中，可以将哨兵植物改造为在存在一种或更多种病害或应激源时发出荧光，该病害或应激源诸如：真菌、细菌、线虫、寄生虫、病毒、昆虫、高温胁迫、水分胁迫、养分胁迫、植原体病害(phytoplasmal disease)等。在另一个示例中，可以改造哨兵植物以经由哨兵植物的生物发光来发出应激源存在的信号。在又一个示例中，可以改造哨兵植物以经由哨兵植物的色素变化来发出应激源存在的信号。

可以对植物细胞进行基因改造，使其包含启动子和报告子对，以指示植物或植物作物中存在某些应激源。启动子包括基因调节元素，其在特定时间和地点驱动mRNA的表达，随后被翻译成功能性蛋白质。启动子活性表示当植物中存在特定胁迫时发生的天然生物过程。为了检测这些应激源的存在，可以将表达特定信号的已知报告基因与选择的启动子偶联。因此，当植物细胞表达与某个应激源相关联的启动子时，标记在启动子上的报告子也被表达出来，并且因此是可检测的。一些荧光信号自然存在于没有经过基因改造的植物中。这些信号可以通过选择性育种和/或其他植物选择技术来增强。这些报告基因中的每一个都能够产生一种与植物本身可区分的光信号。也可以使用报告基因的组合来指示植物或作物中存在的各种植物应激源。

启动子和报告子对可以通过将一个报告子标记到一个启动子上来实现。例如，如果红色荧光蛋白被标记到指示哨兵植物中水分胁迫的启动基因上，那么当植物细胞中的水位低于最小水势(water potential)时，启动基因和因此的红色荧光蛋白可以在植物细胞中表达。计算机系统(例如，计算机网络、远程服务器)可以：获取由各种固定或移动、本地或远程传感器(例如，安装在田地中的杆上的固定相机、智能手机或平板电脑、安装在卡车或4x4上的传感器、安装在无人机或作物喷粉机上的传感器、安装在无人机或飞机上的传感器、集成到卫星中的相机)收集的包含哨兵植物的田地的图像；从该图像中提取---在存在水应激源的情况下由哨兵植物中的报告子蛋白产生的---红色荧光的目标波长的强度；基于该图像中红色荧光的目标波长的强度，估计该植物中水应激源的幅度。响应于水应激源的该估计压力超过阈值水压力，计算机系统可以警告田地操作者解决由哨兵植物占据的田地的区域中的灌溉问题(例如，灌溉不足)。在该示例中，计算机系统可以：重复这个过程以从这个相同图像的其他区域或其他并发图像中提取红色荧光的目标波长的强度，该相同图像的其他区域或其他并发图像描绘了种植在这个田地的其他区域中的这种哨兵植物的其他个体或成簇实例；基于从该图像的其他区域和/或从该田地的其他并发图像提取的红色荧光的目标波长的这些强度，估计该田地的这些其他区域中的水应激源的压力；并且基于分布在整个田地上的这些哨兵植物中指示的水应激源的位置和压力，内插或外推整个田地的水压力梯度。因此，计算机系统可以通知田地操作者基于该水压力梯度解决整个田地或田地的目标区域的灌溉问题。此外，计算机系统可以：随着时间的推移重复该过程，以估计一个区域或整个田地中的水压力或水压力梯度；基于从占据田地的哨兵植物的连续图像中由此导出的区域特定或全田地的水压力，外推田地中未来的水压力；并且然后在水压力的变化(实质上)影响该田地的作物产量之前，提示田地操作者预先解决该田地中预测的未来水压力变化。

在一个变型中，多个启动子可以被标记到一个报告子上，使得哨兵植物在延长的持续时间内输出对于特定应激源的信号。例如，与水分胁迫相关的一组三个启动子可以用红色荧光蛋白报告子标记。在初始时间处，第一启动子的存在可以响应于特定水压力而触发红色荧光蛋白的表达。在第二时间处，随着第一启动子产生的信号减少，第二启动子的存在可以触发红色荧光的持续表达。并且再一次地，在第三时间处，第三启动子可以触发植物中红色荧光的表达。因此，可以实施基因工程技术来将多个启动基因串在一起，并用报告基因标记启动子的这个串，以标识哪些启动基因在植物中被表达，从而延长检测窗口。

在一种实施方式中，该哨兵植物可以被配置为包括第一数量的启动子和比第一数量的启动子少的第二数量的报告子。例如，红色荧光蛋白的表达可以发出存在一定水压力的信号，而黄色荧光蛋白的表达可以发出存在一定热压力的信号。然而，红色荧光蛋白和黄色荧光蛋白二者的表达可以发出存在一定的水压力和热压力两者的信号，或者存在第三种压力(诸如，一定的昆虫压力)的信号。因此，哨兵植物的荧光可以与病害频率、常见病害位置和常见病害时间的知识相结合，以分离农田中存在的特定植物应激源。在另一个示例中，第一、第二和第三荧光化合物分别各自与第一、第二和第三生物过程偶联。此外，第四生物过程偶联到第一和第二荧光化合物；第五生物过程偶联到第二和第三荧光化合物，第六生物过程偶联到第一和第三荧光化合物；并且第七生物过程偶联到第一、第二和第三荧光化合物。在这个示例中，在植物中检测所有三种荧光化合物可以发出以下每个信号：激活第六生物过程；激活第一、第二和第三生物过程；激活第一和第五生物过程；激活第四和第三生物过程；激活第六和第二生物过程。可以区分这些生物过程，从而能够检测这些植物细胞中发生的不同过程，并且从而检测植物中存在的不同应激源。例如，计算机系统可以提示作物管理者处理所有可能的病害，或者如果不迅速处理可能是灾难性的特定病害。在另一个示例中，农民或农学家可以从植物中提取样本，并对每种可能的病害进行测试，以启动适当的行动过程。

类似地，可以对植物细胞进行基因改造，以包括组合报告子，该组合报告子对不同的应激源和/或压力呈现不同的信号。然后，计算机系统可以利用一个模型来解释这些信号，包括得出比这组报告子的总和更多的信息，诸如：除了真菌压力的存在之外，还有一种真菌；或水分胁迫与高温胁迫的比例。

4.1哨兵植物

如图5所示，哨兵植物包括第一启动子-报告子对，该第一启动子-报告子对包括：第一启动子，其在哨兵植物处存在第一应激源时激活；以及第一报告子，其与第一启动子偶联，并被配置为响应于第一应激源对第一启动子的激活而在电磁波谱中呈现第一信号。

在一个变型中，如图5所示，哨兵植物进一步包括第二启动子-报告子对，该第二启动子-报告子对包括：第二启动子，其在哨兵植物处存在第二应激源时激活；第二报告子，其与第二启动子偶联，并被配置为响应于第二应激源对第二启动子的激活而在电磁波谱中呈现第二信号，该第二信号不同于该第一信号。

在一个变型中，哨兵植物进一步包括第三启动子，其在哨兵植物处存在第三应激源时激活，第一报告子和第二报告子均与第三启动子偶联，并被配置为响应于第三应激源对第三启动子的激活而在电磁波谱中呈现第三信号，第三信号不同于第一信号和第二信号。

该哨兵植物的一个变型包括第一启动子-报告子对，其包括：第一启动子，其被配置为在哨兵植物处存在第一幅度范围内的第一应激源时激活；以及第一报告子，其与第一启动子偶联，并被配置为响应于第一应激源对第一启动子的激活而在电磁波谱中呈现第一信号。在该变型中，哨兵植物还包括第二启动子-报告子对，其包括：第二启动子，其被配置为在哨兵植物处存在大于第一幅度范围的第二幅度内的第一应激源的情况下激活；以及第二报告子，其与第二启动子偶联，并被配置为响应于第二应激源对第二启动子的激活而在电磁波谱中呈现第二信号。

哨兵植物的另一种变型包括：第一启动子，其响应于哨兵植物中第一应激源的存在而在第一时间处激活并持续第一持续时间；第二启动子，其响应于哨兵植物中第一应激源的存在而在第二时间处激活并持续第二持续时间，该第二时间在第一时间之后并且在第一持续时间终止之前；以及与第一启动子和第二启动子偶联的报告子，其响应于第一启动子的激活，在第一持续时间内表现出用于检测第一应激源的第一信号；并且响应于第二启动子的激活，在第二持续时间内表现出用于检测第一应激源的第二信号。

5.检测

计算机系统可以通过从敏感植物(sensor plant)的图像中提取特征来检测和解释由哨兵植物生成的信号，该特征与哨兵植物处特定应激源的存在相关。

在一个实施方式中，计算机系统可以获取由部署在一个或更多个哨兵植物和/或植物冠层处的光学传感器(例如，多光谱或超光谱成像设备)捕获的一个或更多个哨兵植物和/或植物冠层(例如，哨兵植物和周围植物)的数字图像(例如，光谱图像)。例如，如图7所示，光学传感器可以包括：能够测量荧光和非荧光目标的光机前部光学器件(optomechanical fore optic)；和通过光机前部光学器件记录图像的数字光谱仪或数字相机。因此，计算机系统可以获取由光学传感器记录的图像，并根据方法S100处理这些图像，以检测报告子信号并解释这些植物中存在的应激源。更具体地，在该示例中，计算机系统可以：获取由数字光谱仪记录的哨兵植物的图像(例如，光谱图像)；从这些图像中提取感兴趣化合物的波长；并根据这些波长识别哨兵植物中存在的应激源。

计算机系统可以获取由光学传感器捕获的哨兵植物的图像，诸如从手持相机、手持光谱仪、移动电话、卫星，或者从包括高分辨率光谱仪、包括特定波段滤波器的任何其他设备，或者以其他方式被配置为检测电磁辐射荧光的波长、发光的波长或在特定应激源存在的情况下由哨兵植物传递的波长。

计算机系统可以根据感兴趣的化合物实施不同的仪器，因为不同化合物的波长在不同的条件下可以得到最好的观察，并且可能需要不同的检测模式。例如，计算机系统可以：获取由手持式光谱仪捕获的被配置为在应激源存在的情况下发射红色荧光的哨兵植物的图像；和获取由手持相机捕获的被配置为在应激源存在的情况下表现出色素变化的哨兵植物的图像。

计算机系统可以获取在一天的特定时间和/或时间间隔收集的哨兵植物的图像，以便最大化哨兵植物生成的信号的可检测性。例如，对于被配置为在存在一种或更多种特定应激源的情况下产生生物发光信号的哨兵植物，当哨兵植物及其周围环境生成的其他信号被最小化时，计算机系统可以获取夜间收集的哨兵植物的图像。

5.1主动/被动检测

计算机系统可以通过主动和/或被动检测模式来检测和解释哨兵植物中应激源的压力。例如，计算机系统可以实现被动检测以在存在一个或更多个应激源的情况下检测由哨兵植物生成的信号，而没有对哨兵植物的激发。替代地，计算机系统可以实施主动检测，以在存在一种或更多种应激源的情况下，响应于对哨兵植物(例如，经由外部照明)的激发来检测由哨兵植物生成的信号。更具体地，计算机系统可以实现一种检测方法，其中在振荡光中照射哨兵植物以进行激发，从而可以隔离对该照射的响应。

在一个变型中，计算机系统经由入射太阳辐射中暗光谱特征附近的窄波长测量来检测由哨兵植物生成的太阳诱导的荧光信号。与夫琅和费(Fraunhofer)谱线(来自太阳大气中的吸收)和大气(Telluric)谱线(源自地球大气中的分子的吸收)相关联的窄带技术能够在白天测量光信号，而不需要实现外部照明。实施这种测量技术可以实现测量小而模糊的信号的特异性和准确性两者，以及在地面和空中两者收集测量结果的能力。因此，有可能从大范围的距离收集哨兵植物的图像。计算机系统可以检测到这些太阳诱导的荧光信号，并提取对生成这些信号的哨兵植物处的应激源的压力的洞察。例如，如图5和图6所示，计算机系统可以：获取由第一光谱仪捕获的第一批光谱图像；基于从第一批图像中的第一图像提取的太阳诱导的荧光测量值，解释第一组哨兵植物中应激源的第一压力；获取报告子模型，该模型将从光谱图像中提取的太阳诱导的荧光测量值与哨兵植物的应激源的压力关联起来；以及基于从第一图像中提取的第一太阳诱导的荧光测量值来解释第一组哨兵植物中的第一压力。

5.2单植物固定传感器

在一个实施方式中，计算机系统可以获取由固定传感器记录的来自农田或温室中的单个哨兵植物的数据。例如，计算机系统可以获取由光学传感器收集的图像，该光学传感器被配置为安装(例如，夹紧)到哨兵植物的叶或茎上，并且以高频率(例如，每分钟一次，每小时一次)捕获哨兵植物上荧光表面的近距离图像。在这些示例中，计算机系统可以经由蜂窝网络将图像上传到远程数据库，或者当移动设备或交通工具在附近时，图像可以经由本地自组织无线网络下载到移动设备或交通工具，并且然后从移动设备或交通工具上传到远程数据库。

5.3固定簇传感器

在一个实施方式中，计算机系统可以获取由面向一组哨兵植物并安装(例如，装载)在农田中的固定光学传感器收集的一组(例如，一簇)哨兵植物的图像。例如，计算机系统可以获取由安装在位于一簇哨兵植物中心的吊杆或立柱上的光学传感器记录的农田中该簇哨兵植物的图像，光学传感器以高频率(例如，每小时一次，每天一次)捕获该簇哨兵植物中哨兵植物上的荧光表面的近距离图像。计算机系统可以从该簇哨兵植物的这些近距离图像中提取洞察，以解释该簇哨兵植物中特定的一个或更多个应激源的压力。此外，通过从位于该簇处的固定传感器记录的图像中解释该簇哨兵植物中的压力，计算机系统可以提取对农田的包括该簇的子区域以及相邻子区域中的压力的洞察。

5.4手持式传感器

在另一实施方式中，农民可以在手持设备上手动收集哨兵植物的数据。例如，计算机系统可以获取由与农田相关联的农民操作的移动设备(例如，智能手机)收集的沿着农田边缘的第一簇哨兵植物的图像，移动设备以较低的频率(例如，每周一次，每两周一次)捕获该簇哨兵植物的近距离图像。附加地或替代地，计算机系统可以获取该簇哨兵植物中的单个哨兵植物的近距离图像。在该实现中，计算机系统可以经由蜂窝网络将图像上传到远程数据库，或者经由在手持设备上执行的本地或基于网络的农业应用自动上传图像。计算机系统可以直接由从这些近距离图像提取的特征中解释该簇哨兵植物和/或单个哨兵植物中的压力，以生成该簇哨兵植物和/或单个哨兵植物的健康的高分辨率、短间隔时间序列表示。

5.5基于地面的移动成像

替代地，计算机系统可以实现基于地面的移动成像，通过从安装在有人驾驶或无人驾驶交通工具上的光学传感器收集图像，提取对哨兵植物和一簇哨兵植物的健康的洞察。例如，计算机系统可以获取由光学传感器收集的一簇哨兵植物的图像，该光学传感器被配置为安装(例如，装载)到由与包括该簇哨兵植物的农田相关联的农民操作的卡车的底座中。在该示例中，农民可以沿着农田的边缘驾驶卡车，以便在卡车沿着农田的边缘移动时捕获该簇哨兵植物的图像。然后，计算机系统可以将这些图像上传到远程数据库，加时间戳和地理参考标记，并在上传时或以后获取这些图像。

5.6空中成像

在一个实施方式中，计算机系统可以获取由被配置为捕获哨兵植物的图像的空中传感器记录的一簇哨兵植物、多簇哨兵植物和/或哨兵植物作物的图像。例如，计算机系统可以获取由光学传感器收集的哨兵植物作物的图像，该光学传感器被配置为安装(例如，装载)到由与作物相关联的农学家操作的无人机上。替代地，在具有多簇哨兵植物的非哨兵植物作物中，农民可以操作无人机或派遣自主无人机来扫描哨兵植物簇所在的作物区域，以收集这些哨兵植物的图像。

在另一个实施方式中，计算机系统可以获取由被配置为捕获哨兵植物的远程图像的空中传感器(例如，长持续时间、高海拔UAV或诸如OCO-2或GOSAT的卫星)记录的一簇哨兵植物、多簇哨兵植物和/或哨兵植物作物的图像。例如，计算机系统可以获取由卫星传感器收集的图像，该卫星传感器被配置为以低频率(例如，每周一次、每两周一次、每月一次)收集哨兵植物的远程图像。在另一个示例中，计算机系统可以获取由商业卫星传感器收集的图像，该传感器被配置为以相对较高的频率(例如，每天一次，每周多次)收集哨兵植物的远程图像。

计算机系统可以实现这些数据收集方法(例如，仪器、频率、范围)的任意组合，以收集高质量数据，这些数据能够对某些植物应激源做出快速、有针对性的响应，并因此增加相同农田中附近的非哨兵植物的产量。例如，计算机系统可以获取由高分辨率光学传感器(例如，RGB相机、多光谱相机或光谱仪、热相机或IR相机)记录的高分辨率图像，该高分辨率光学传感器安装在位于作物中的第一簇哨兵植物的中心的杆上，并被配置为每天以高频率(例如，每天三次)捕获哨兵植物的高分辨率图像，并将这些图像上传到远程数据库。计算机系统可以从这些高分辨率图像中提取特征(例如，特定波长下的强度)，以解释第一簇哨兵植物处的应激源的压力。此外，计算机系统可以获取由卫星传感器记录的低分辨率图像，该卫星传感器被配置为以低频率(例如，每两周间隔一次)捕获包括多个哨兵植物簇的整个作物的低分辨率图像。计算机系统可以从这些低分辨率图像中提取特征(例如，特定波长下的强度)，以解释作物中每一簇哨兵植物处的应激源的压力。计算机系统可以基于第一簇的每日行为和作物中所有簇哨兵植物的双周行为，导出将第一簇哨兵植物处应激源的压力与作物中其他簇处应激源的的压力关联起来的模型；并在有或没有哨兵植物的区域内整体对作物的行为进行内插。

6.成像频率

计算机系统可以获取在设定间隔或一天中特定时间处捕获的哨兵植物的图像，以便增加检测信号的可能性，并且在压力在幅度上扩大或负面影响作物产量之前的早期阶段检测敏感植物和包括敏感植物的作物中这些应激源的压力。例如，计算机系统可以获取由光学传感器记录的作物中的敏感植物的图像，以监测指示植物健康的应激源的压力，一旦检测到这些压力(例如，高于阈值压力)，就提示与作物相关联的用户(例如，农民)减轻这些压力。替代地，手动监测作物的用户可能看不到或检测不到作物中应激源的压力，直到压力已经显著破坏了作物中的植物之后。因此，计算机系统可以降低压力在所有作物中扩散和跨作物扩散到其他田地的风险或可能性，并提高整体作物产量。此外，哨兵植物可以被配置为响应于相对低幅度的应激源的压力而输出相对大幅度(例如，更大强度)的信号。哨兵植物可以包括启动子，其被配置为在敏感植物最初感染或出现缺陷的几小时内激活。然后，计算机系统可以检测敏感植物中由启动子的激活生成的信号。基于信号的早期检测，计算机系统可以建议对减轻敏感植物中的压力的最小处理。

计算机系统可以以设定频率定期监测一组哨兵植物，使得哨兵植物中应激源的压力被早期检测到，同时限制与包括该组哨兵植物的农田相关联的用户(例如，农民、农学家)的成本和努力。例如，计算机系统可以：获取以设定频率(例如，每天两次、每天一次、每周一次)记录的农田中的一组哨兵植物的一批图像；基于从第一批图像中的第一图像中提取的特征，解释该组哨兵植物中应激源的压力；并且，响应于压力超过阈值压力，向与农田相关联的用户生成解决占据该组哨兵植物附近农田的植物中应激源的提示。在该示例中，如果压力下降到阈值压力以下，则计算机系统可以在第一批图像中以设定频率继续获取图像，以继续监测该组哨兵植物中应激源的压力。附加地和/或替代地，计算机系统可以生成提醒用户应激源的压力的提示。因此，计算机系统使用户能够定期监测与用户相关联的农田中的哨兵植物和/或多个哨兵植物的健康，同时最小化用户对包括哨兵植物的农田的物理走动(travel)、对哨兵植物的处理和/或对哨兵植物健康的测试。

在一个实施方式中，计算机系统实施高频率测量和低频率测量两者，以便更精确地解释和预测哨兵植物和包括哨兵植物的农田中应激源的压力。在这种实施方式中，计算机系统可以将该哨兵植物健康的高分辨率、短间隔时间序列表示与从多簇植物或包含该哨兵植物的整个田地的低频、更宽视野图像中提取的特征相结合，以预测该田地中多个植物或所有植物的健康。例如，计算机系统可以获取由固定传感器以第一频率(例如，每天两次、每天一次、每两周一次)记录的第一批图像，该固定传感器面向农田中的第一组哨兵植物。此外，计算机系统可以以小于第一频率的第二频率(例如，每周、每两周)获取由(例如，由与农田相关联的用户部署的)移动传感器记录的包括第一组哨兵植物的农田区域的第二批图像。根据这些源中的图像，计算机系统可以导出将从第一批图像中的图像提取的特征与第一组哨兵植物和农田区域两者中应激源的压力关联起来的模型。因此，计算机系统可以基于从第一批中的图像中提取的特征，以第一频率预测农田区域上的压力。计算机系统可以基于以第二频率从第二批中的图像提取的特征定期确认和/或校正模型。

7.标记哨兵植物

计算机系统可以从一个或更多个哨兵植物、一簇的一个或更多个哨兵植物和/或包括哨兵植物的农田的图像中提取特征(例如，特定波长的强度)，以解释这些哨兵植物中应激源的压力。为了提取这些特征，计算机系统可以在这些图像中区分哨兵植物和非哨兵植物。

在一个实施方式中，计算机系统可以识别农田中包括哨兵植物的位置，并从对应于这些位置的图像或图像区域中提取特征。例如，计算机系统可以获取由基于地面的移动传感器记录的农田中的多簇哨兵植物的地理参考标记图像。计算机系统可以：获取图像被捕获时基于地面的移动传感器的定位和取向；获取与农田中的多簇哨兵植物的位置相对应的一组GPS坐标；以及基于地面的移动传感器的定位和取向以及多簇哨兵植物的GPS坐标来识别图像中的多簇哨兵植物。

在另一实施方式中，计算机系统可以基于仅由哨兵植物生成的基线信号来识别哨兵植物和非哨兵植物的图像中的哨兵植物。例如，哨兵植物可以被配置为在第一波段内生成基线信号，在该波段处非哨兵植物不生成任何信号。此外，这些哨兵植物可以被配置为响应于哨兵植物处应激源的压力而生成第二波段内的信号，第二波段不同于第一波段。因此，计算机系统可以针对第一波段内的该基线信号，检查多簇哨兵植物或包括哨兵植物的作物的图像的子区域，以识别包括哨兵植物和/或多簇哨兵植物的图像的区域。

在另一实施方式中，计算机系统可以通过用被配置为隐藏非哨兵植物并突出哨兵植物的掩模覆盖图像来在作物(例如，哨兵植物和非哨兵植物)的空中图像中识别哨兵植物。例如，计算机系统可以针对包括分布在整个农田中的五簇哨兵植物的农田生成掩模，该掩模定义了包括对应于该五簇的五个透明区域的不透明层。然后，计算机系统可以：将掩模覆盖在由空中传感器捕获的作物图像上；将空像素值应用于被不透明层覆盖的作物区域；并且从对应于作物中的五簇哨兵植物的五个透明区域提取特征(例如，强度测量值)。

7.1特征提取

如图4、图5和图6所示，计算机系统可以从哨兵植物的这些图像中提取特征，以解释哨兵植物中的压力。例如，计算机系统可以：获取农田中第一组哨兵植物的第一批图像；以及基于从第一批图像中的第一图像提取的第一组特征来解释第一组哨兵植物中应激源的第一压力。更具体地，计算机系统可以：从第一图像中提取第一组特征中的第一特征，该第一特征对应于第一图像的第一像素；从第一图像中提取该组特征中的第二特征，该第二特征对应于第一图像的第二像素；并且基于第一特征和第二特征的组合来估计代表性特征；获取报告子模型，该报告子模型将从第一批中的图像中提取的特征关联到第一组哨兵植物处的第一应激源的压力；以及基于代表性特征和报告子模型解释第一组哨兵植物中第一应激源的第一压力。因此，基于从光学传感器收集的图像中提取的特征，计算机系统可以基于将特性(例如，波长的强度)关联到特定应激源(例如，昆虫、高温、真菌)和/或特定应激源的压力的报告子模型来解释一个哨兵植物或更多个哨兵植物处的应激源的压力。

8.哨兵植物分布

在一种实施方式中，特定作物的每个哨兵植物类型被配置为产生响应于一种植物应激源的信号，也就是说，一种哨兵植物类型包括被配置为产生对于一种类型的应激源的信号的一对启动子-报告子对。例如，特定作物(例如玉米)的第一哨兵植物类型包括启动子-报告子对，该启动子-报告子对被配置为输出响应真菌压力的信号；并且该特定作物的第二哨兵植物类型包括不同的启动子-报告子对，该不同的启动子-报告子对被配置为输出响应昆虫压力的信号。

在另一种实施方式中，被配置为输出对于多个不同应激源的信号的启动子-报告子对被整合到特定作物的一种哨兵植物类型中。例如，特定作物的一种哨兵植物类型包含启动子-报告子对，其被配置为产生：响应真菌压力的发光信号；响应昆虫压力的色素变化；和响应磷缺乏的红色荧光信号。因此，这种哨兵植物类型的一个植物或一簇植物可以被感测以检测多个离散压力。

在一种变型中，当种植田地时，哨兵植物可以成簇种植，而不是与非哨兵植物的种子混合。具体而言，不是在种植之前将特定应激源的哨兵植物的种子与相同或相似植物类型的非哨兵种子混合，而是可以将这些哨兵植物种子成簇地种植在田地中指定的哨兵植物种子区域中，诸如在特定的作物行中(例如，每50个作物行)或在作物行的目标段中(例如，三行宽、三米长的簇，其中在相邻簇的哨兵植物之间至少有20个作物行或20米)。因此，通过在相同田地中将与非哨兵植物相邻或被非哨兵植物包围的这些哨兵植物成簇种植，由这些哨兵植物产生的压力相关信号可以表现出与相邻非哨兵植物的高对比度，并因此对于田地中特定应激源的存在产生高信噪比。例如，通过在田地的一个小区域中种植哨兵植物的多个实例，由这些哨兵植物输出的红色荧光报告子可以更容易地与相邻非哨兵植物的非荧光背景区分开来。类似地，如果在田地中的一行中种植多株哨兵植物，则该簇哨兵植物可以产生累积信号(当昆虫压力在作物上转移时指示昆虫压力的存在)，其特征在于比该行中的单独哨兵植物具有更大信噪比，并且该簇哨兵植物也可以比该行中的单独哨兵植物产生关于移动穿过田地的昆虫压力的方向和范围的更多的空间信息。

多簇哨兵植物可以与非哨兵植物作物一起种植在田地中，其中多簇哨兵植物对于每个应激源包含至少一个哨兵植物，或者其中每个哨兵植物包括对于每个植物应激源的启动子。例如，成批的哨兵植物种子(包括至少一颗含有至少一种应激源的启动子的种子)可以与其他非哨兵植物一起在田地里成簇种植。在另一种实施方式中，多簇哨兵植物种子按启动子分组。在该实施方式中，第一簇水分压力感应种子、第二簇真菌压力感应种子和第三簇昆虫压力感应种子以离散的组种植在田地中。在这种实施方式中，其中包含相同报告子的哨兵植物种子被一起成簇种植，当相应的压力出现在田地间时，这些簇可以输出更强、更高振幅、更低噪声的信号，这些信号更容易被固定传感器、本地移动传感器或远程传感器识别。

也可以选择哨兵植物簇的位置，以便能够以更高的精度和/或更低的噪声检测某些植物应激源。在一个示例中，农学家或农民亲自在场，诸如经由安装在交通工具上的传感器或经由手持设备，从田地间收集应激源数据，可以在作物边缘附近种植多簇哨兵植物，以便农民快速接近(access)。在这个示例中，因为哨兵植物簇位于作物边缘附近，所以农民可以从这些哨兵植物收集样本，并直接测试这些样本中的植物应激源，以便验证这些哨兵植物簇中的报告子所指示的压力。在另一个示例中，哨兵植物被种植在作物的中心，以增加与作物中每种植物的接近度，因此潜在地增加感测能力或检测跨作物传播的疾病的可能性。

在又一个示例中，如果一个农民的作物与另一个农民的作物共享一个边缘，可能希望沿着共享的边缘种植一行昆虫压力哨兵植物，以便在迁移的昆虫种群进入作物时立即快速检测到它们。在另一个示例中，如果存在作物的较低海拔部分，可以在该区域种植一簇水分压力哨兵植物，以便检测该区域何时收集过量的水。簇也可以种植在作物的最高海拔部分，那里植物脱水可能很普遍。

在上面描述的实施方式中，其中哨兵植物在整个田地中成簇分布，哨兵植物可以被识别并与非哨兵植物区分开，以便提高数据收集的效率。例如，如果农民每周使用手持设备收集簇的图像，则可以在田地中放置标记，以便容易定位簇。在另一个示例中，在卫星图像被用于收集作物图像的情况下，可以获得簇的坐标位置，以便收集哨兵植物的波长测量值。

在另一种实施方式中，哨兵植物种子与非哨兵植物种子混合，并且也一起成簇种植。多簇单独哨兵植物种子可以均匀地分布在整个作物中或在优化的位置。哨兵植物种子可以与非哨兵植物种子混合，使得混合的种子中大约2％是哨兵植物种子。多簇哨兵植物可以更频繁地被分析，诸如通过无人机每天扫描多簇哨兵植物来收集空中图像。卫星可以不太频繁地收集作物整体的图像，收集多簇哨兵植物和与作物其他部分混合的单个哨兵植物两者的数据。整个作物或农田的健康状况可以由计算机系统根据哨兵植物的带时间戳和地理参考标记的图像进行预测。

在一种实施方式中，哨兵植物可以作为幼苗移植到作物中。例如，哨兵草莓植物最初可以作为幼苗移植到草莓植物的田地中。在另一个实现中，哨兵植物可以作为种子播种到作物中。例如，哨兵大豆植物可以最初作为种子播种到大豆作物中。在另一个实施方式中，哨兵植物可以嫁接(graft)到现有的多年生作物上。例如，哨兵葡萄接穗传感器(sensor)可以嫁接到葡萄培育藤(producing vine)中。

8.1变型：不育的哨兵植物

哨兵植物可以被基因改造成不育或不开花的。不育的哨兵植物可以在GMO或非GMO作物中生长，因为它们不会繁殖。一小部分田地可以种植不育的哨兵植物种子，而其余的作物可以种植标准的非哨兵植物种子。例如，种植玉米作物的农民可以种植2％-5％的作物作为基因改造的不育敏感玉米植物，而剩余的95％-98％的作物作为标准非不育玉米植物。在种植之前，不同的哨兵植物类型可以以适当的比率混合在一起，使得不育种子大约占种植的总种子的2％-5％。当作物生长时，不育植物将随机分布在整个作物中，以在作物中产生大致均匀分布的不育植物。在这个示例中，通过具有包含所有选择的启动子的一种哨兵植物类型，或者通过将启动子分离到不同的植物种子中，每种植物应激源可以在作物的每一个区域中被检测。在这种实施方式中，将所有选择的启动子整合到一个植物中可能是有利的，使得具有相同报告子的多个植物可以非常接近，因此增加了报告子产生的信号强度。

种子混合物中不育哨兵植物种子的百分比可以被操纵以优化作物产量。不育哨兵植物种子对于农民会导致减产，因为不育植物不会结果。然而，农场可以利用从哨兵植物收集的数据来提高下一茬作物的产量。例如，农民可以用100％的非不育玉米种子(“正常”玉米种子)种植玉米作物，并且可以预期十年期间的平均作物产量为88％，假设在长时间段内由于病害和其他压力可能平均损失或歉收12％的作物。为了在该时间段内提高产量，农民可以在田地里种植5％的不育哨兵玉米种子和95％的非不育非哨兵玉米种子的混合物。尽管由于施用不育哨兵玉米种子，最初可能会损失5％的产量，但这些不育哨兵植物可以实现早期检测和对各种压力的响应(这些压力先前导致作物在几年内平均产量损失10％)，从而使农民能够将病害和其他压力造成的损失减少到1％以下，从而将多年的总平均产量提高到大约94％。

在一种实施方式中，不育哨兵植物种子替代种子混合物中存在的部分和/或全部庇护种子(refuge seeds)。例如，可以混合种子混合物以包括第一百分比(例如2％至10％)的不育哨兵庇护种子和第二百分比的GMO种子，该庇护种子被配置为防止病原体和杂草对GMO种子的抗性。在这个示例中，不育哨兵植物种子可以作为庇护种子掺入种子混合物中，从而限制了由于实施不育哨兵植物而造成的任何作物产量损失。

类似地，由这些不育哨兵植物发出的应激源信号可以使农民做出快速反应，最初将平均作物损失从10％减少到5％，使得农民最初获得相同的平均产量，但是使计算机系统能够从这些部署的不育哨兵植物收集相对大量的数据。随着时间的推移，当计算机系统基于由部署的不育哨兵植物在多个季节中产生的信号从田地收集额外的应激源信息时，计算机系统可以建议不育与非不育植物的较小比率，同时继续输出解决田地间早期应激源的抢先提示，从而使农民能够减少由于在田地间结合不育植物和应激源两者而导致的产量损失，并因此随着时间的推移实现作物的更高平均产量。因此，计算机系统可以指示不育哨兵植物种子与非不育非哨兵种子在田地间种植的目标最小比例，以便实现对于长期产量保护的最小压力感测能力，同时最小化即时产量损失。

8.2非不育哨兵植物

在一种实施方式中，这些哨兵植物的种子是非不育的。在这种变型中，非不育哨兵植物种子也可以根据上述对于不育哨兵植物种子的方法和技术成簇种植，与结相同果实或相似作物类型的非哨兵植物一起种植，以保持这种作物的高信噪比和感测能力，同时限制总播种成本(例如，由于感测种子比结相同果实的非哨兵种子成本更高)。

替代地，在这种变型中，感测特性(sensing trait)可以被整合到非不育GMO植物基因组中作为GMO种子中已经存在的GMO垛栈(stack)的一部分，然后可以种植该GMO种子以产生整个哨兵植物作物。然而，在这种变型中，这些非不育哨兵植物种子可以被配置为生成表示一组胁迫的几个不同的信号，并且可以在田地间成簇种植，如上所述，其中一个簇中所有植物包含相同的一个或更多个启动子-报告子对，其被配置为产生对于特定生物或非生物应激源(或特定的一组生物和/或非生物应激源)的信号。例如，将含有相同启动子-报告子对的非不育哨兵植物种子沿着田地间一个作物行的全长种植，且两个相邻作物行中的非不育哨兵植物种子含有被配置为产生针对不同生物或非生物应激源的信号的不同启动子-报告子对；在这个示例中，包含具有不同启动子-报告子对的种子的这种行模式沿着田地的全长进行重复。在另一个示例中，含有相同启动子-报告子对的非不育哨兵植物种子被种植成直线簇，诸如：在五个连续作物行的相邻的五米长的段中，相邻簇中的非不育哨兵植物种子含有被配置为产生对于不同生物或非生物应激源的信号的不同启动子-报告子对；在这个示例中，围绕包含相同启动子-报告子对的多簇非不育哨兵植物种子的这个网格沿着田地的整个长度和宽度重复。

因此，通过将非不育哨兵植物聚集在被配置为针对相同应激源产生信号的一维或二维植物组中，作物作为一个整体可以针对田地的离散行或离散区域中的多种不同的生物和/或非生物应激源产生高振幅信号，其特征是高信噪比。如上所述，由被配置为针对相同应激源产生信号的这些行或簇的植物指示的应激源然后可以在整个田地上被内插或外推，以预测整个作物上的压力。

因此，在这种变型中，因为田地间的每种植物都表现出感测能力，可以直接监测整个作物，所以计算机系统可以基于这些植物在一段时间(例如，一天)期间产生并由固定传感器或移动的本地传感器或远程传感器检测的信号，为作物整体生成生物和/或非生物应激源的压力图。通过随时间重复这一过程来为田地开发新的压力图，计算机系统可以随时间监测整个田地的应激源，并提供数据和/或建议来主动减轻这些应激源。计算机系统还可以实施该过程，以在田地上进行应激源处理之后更新田地的压力图，从而使田地操作者能够直接评估该应激源处理的功效，并在将来为田地做出更明智的处理决策。此外，一旦基于这些解释的压力将特定处理应用于田地，计算机系统可以继续测量和检测由哨兵植物生成的信号，并因此基于从这些信号解释的新压力评估特定处理的功效。

8.3植物嫁接

在一种实施方式中，可以将哨兵植物嫁接到现有植物上，而不是将哨兵植物作为种子种植(诸如行栽作物)。嫁接可能对多年生作物和其他高价值作物有用，诸如杏树或葡萄藤。哨兵植物的接穗或多叶部分可以嫁接到期望植物的一部分，例如树干的中间部分。例如，哨兵葡萄藤的接穗可以被嫁接到成熟葡萄的树干中，使得成熟葡萄藤的接穗部分可以实现感测技术，提供成熟葡萄藤的健康表示。由于将哨兵植物嫁接到现有植物中最初是更耗时的过程，因此嫁接方法对于多年生作物可能是有用的，这些作物不需要每年重新种植。这些植物在每个季节结束时都会被修剪，但是当下一个季节叶子盛开时，感测能力仍然存在。因此，嫁接只需要一次施用就能在植物的生命中维持。

传感器(sensor)在这些多年生或高价值作物中的位置也可以优化，类似于行栽作物。多个嫁接可以应用于一个植物，以在每个嫁接的植物中包括每个选择的启动子和报告子。可选地，可以基于某些植物应激源出现在不同作物区域的可能性，为不同作物区域的植物选择特定的报告子嫁接。当嫁接施用于生长的植物时，为了便于施用，将传感器定位在作物边缘附近可能是有益的。

8.4受控环境农业应用

在一种变型中，哨兵植物可以在诸如温室(例如玻璃屋顶或植物农场)或另一种封闭的生长结构的受控环境中生长。可以定期监测生长在受控环境中的哨兵植物，以检测哨兵植物处应激源的压力。在一种实施方式中，哨兵植物可以经由垂直耕作在封闭的生长结构中生长。

生长在这些受控环境中的哨兵植物可以被移栽到其他地方(例如商业农田)以用作哨兵植物。替代地，可以监测生长在受控环境中的哨兵植物，以检测受控环境中特定受控环境条件(例如，气候、区域、其他植物的存在)下的一种或更多种应激源的压力。计算机系统可以解释温室环境中这些哨兵植物中的压力，并基于哨兵植物中的压力提取对类似环境条件下(例如，在农田中)的植物的洞察。

由于温室环境的面积较小，计算机系统可以比位于农田中的哨兵植物更频繁地监测受控环境中的哨兵植物。因此，计算机系统可以提取这些生长在受控环境中的哨兵植物的进一步洞察。例如，通过解释温室中哨兵植物中特定应激源的每日压力，计算机系统可以更精确地收敛于将从哨兵植物的采集图像中提取的特征与特定应激源的压力关联的模型。然后，计算机系统可以更好地对农田中特定应激源的压力进行建模，该农田包括相同类型的哨兵植物和/或包括被与农田相关联的用户移栽后的这些哨兵植物。

9.输出

计算机系统可以：获取哨兵植物的图像(例如光谱)；在这些哨兵植物中提取指示应激源的和对应于这些应激源的压力的特征；将这些哨兵植物中特定应激源的压力内插或外推至相同农田(和附近田地)中的其他植物(例如，敏感植物和非哨兵植物)；并且然后为这些作物生成实时提示或处理决策，以便随着时间的推移提高作物处理和维护的效率，并保持或增加农田的产量。

在一个实施方式中，计算机系统：提取描绘一簇哨兵植物的图像的区域中特定化合物的波长测量值；并将这些波长测量值转换成该簇哨兵植物中特定的一个或更多个应激源的压力(例如，存在、幅度)。例如，如果计算机系统在图像的该区域中检测到与真菌病害相关联的化合物的特定波长，则计算机系统可以获取将感兴趣的化合物的波长与真菌应激源关联的模型，然后将图像该区域中的该波长的强度传递到模型中，以估计该簇哨兵植物中的真菌压力(例如，以“百分比”形式的压力)。基于特定哨兵植物的真菌压力，计算机系统可以生成该簇哨兵植物周围或附近的非哨兵植物的真菌压力的预测。

在前述示例中，为了生成将波长强度与应激源的压力关联的模型，农民可以从哨兵植物的叶子或土壤中收集样本来检测植物应激源。可以对样品进行测试，以确定叶子上存在的应激源的具体类型和压力，同时可以从收集的图像中测量植物中与病害相关联的化合物的波长。然后，可以基于这些经验数据(例如，通过计算机系统)生成描述感兴趣的化合物的检测波长和压力幅度之间的关系的模型。随后，计算机系统可以基于从一簇哨兵植物的图像中提取的特征，而不是基于农民收集的物理样本，自动(和自主地)预测整个作物的压力。替代地，该模型可以在将哨兵植物部署到农田之前基于实验室数据生成，并且可以在随后的生长季节期间与部署的哨兵植物相关联。

在具有多个簇的哨兵植物或哨兵植物分布在整个作物间的作物中，计算机系统可以获取在地面和空中两者收集的图像，以输出作物的压力图。压力图可以显示特定病害和应激源的位置，并且可以被更新或组合以显示特定压力随时间的扩散或消除。该图可以显示作物中没有哨兵植物的区域的内插压力数据。在一个实施方式中，图像可以每天从位于一簇哨兵植物中心的杆上的相机收集多次。此外，包括其他哨兵植物簇的整个作物的卫星图像可以每两周收集一次。基于其余簇中病害化合物的双周波长测量值，每天从单个簇收集的数据可以用来对其他簇的行为进行建模。簇之间的作物区域或“非哨兵”区域也可以通过插值(例如，经由机器学习算法)来建模。为了确认应激源的存在并解释该应激源的压力，农民可以收集哨兵植物本身的或哨兵植物周围土壤的样本。

例如，计算机系统可以获取来自远程数据库的一批图像，第一批图像加时间戳和地理参考标记，并且以每小时一幅图像的频率经由无线网络从位于农田中第一簇哨兵植物中心的杆上的设备上传到远程数据库；获取包括一组多簇哨兵植物的农田的卫星图像，该卫星图像每两周收集一次；基于将从一批图像中提取的特征关联到应激源和应激源压力的模型，解释第一簇中应激源的压力；基于模型和来自远程数据库的一批图像和卫星图像，内插农田中一组多簇的和所有植物(例如，不育和非不育植物)的压力；生成包括以下项的压力图：农田中的压力位置、压力的幅度、哨兵植物簇的位置、指示图生成时间的第一时间戳和指示图表示的时间的第二时间戳；基于压力图生成对于该农田的提示或处理建议；并且，将压力图和相应的提示或处理建议传递给农田的操作者。

在基于植物中特定化合物的测量波长生成压力图之后，计算机系统可以提示农田的操作者采取某些行动来对抗植物应激源。在一个实施方式中，农民可以在大豆田的边缘种植一行昆虫哨兵植物种子，用于监测该农民的作物和相邻作物之间的边界。每天，安装在一行哨兵植物中的杆上的光学设备可以捕获哨兵植物的图像。根据这些图像，计算机系统可以测量与昆虫相关病害相关联的化合物的波长，并在一行哨兵植物所在的图的边缘上显示特定的昆虫压力幅度。基于昆虫压力幅度和收集图像的时间，计算机系统可以显示作物周围区域的预测的当前昆虫压力幅度，并提示农民做出某些决策，诸如：是否根据压力幅度读数用杀虫剂处理作物以防虫害；作物的哪些区域需要处理虫害；和作物不同区域的处理程度。在初始处理后，随着更多的图像被收集和更多的数据变得可用，计算机系统可以更新压力图，并提示农民利用该新信息实施更新的处理计划，并对未来的昆虫相关病害做出改进的处理决策。输出压力图为农民提供了一种在作物发病时对病害或胁迫发出警报的方法，并获取响应于某些处理可能发生或响应于不施加处理可能发生的情况的预测。随着时间的推移，由于更多的数据被收集，并且基于由田地间的哨兵植物输出的信号所指示的应激源将各种处理应用于作物，计算机系统可以开发模型来预测植物和植物应激源对某些处理的响应，诸如：响应于应用于田地的特定幅度的处理，由哨兵植物对已知应激源输出的信号的幅度变化。

计算机系统可以为这些作物生成实时提示或处理决策，以便随着时间的推移提高作物处理和维护的效率，并保持或增加农田的产量。例如，响应于将一组哨兵植物中的特定应激源的压力解释为高于阈值压力，计算机系统可以生成解决该组哨兵植物附近植物中的特定应激源的提示。更具体地说，计算机系统可以：在为哨兵植物定义的一组动作中，分离与特定应激源相关联的第一动作；以及向与农田相关联的用户的计算设备发送在农田中执行第一动作来减轻特定应激源的通知。因此，计算机系统可以向用户(例如，农学家、农民、田地所有者)更新关于植物健康的信息和/或建议减轻植物中应激源的压力的处理。

9.1压力模型

在一个变型中，如图1所示，计算机系统可以导出压力模型，该压力模型将第一组哨兵植物(例如，一个哨兵植物、一簇哨兵植物)处的特定应激源的压力与第二组哨兵植物处的特定应激源的压力关联起来。通过开发该压力模型，计算机系统可以通过将单组哨兵植物中的哨兵植物中的压力与农田中的其他组哨兵植物相关联来最小化特定区域(例如，农田)中所有哨兵植物的数据收集。

例如，计算机系统可以：获取由固定传感器(例如，安装在农田中心的梁(beam)上的相机)以第一频率记录的第一批图像，该固定传感器面向农田中第一组哨兵植物；获取农田中第二组哨兵植物的第二图像，该第二图像由移动传感器(例如，与农田相关联的用户的移动设备的相机)在第一时间段期间记录；基于从在第一批图像中的在第一时间段期间捕获的第一图像中提取的第一组特征，解释在第一时间段期间第一组哨兵植物中应激源的第一压力；以及基于从第二图像中提取的第二组特征，解释第一时间段期间第二组哨兵植物中应激源的第二压力。基于在第一组哨兵植物处解释的第一压力和在第二组哨兵植物处解释的第二压力，计算机系统可以导出将第一组哨兵植物处的应激源的压力与第二组哨兵植物处的应激源的压力相关联的压力模型。

一旦计算机系统导出压力模型，计算机系统就可以继续获取来自第一批的图像，以基于该模型解释第一组哨兵植物处和第二组哨兵植物处的压力。例如，在第二时间段期间，计算机系统可以：基于从在第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释第一组哨兵植物中的应激源的第三压力；以及基于第三压力和模型来预测第二时间段期间第二组哨兵植物中应激源的第四压力。因此，计算机系统可以基于来自第一批的第一组哨兵植物的图像来预测第二组哨兵植物处的压力，而无需获取第二组哨兵植物的附加图像。可选地，计算机系统可以以小于第一频率的第二频率继续收集第二组哨兵植物的图像，以确保压力模型的精度并随着时间更新压力模型。此外，计算机系统可以收集其他组哨兵植物的图像，并开发额外的压力模型，该压力模型将在特定区域上的这些其他组哨兵植物中的哨兵植物中的压力与农田中的第一组哨兵植物关联，从而能够基于从第一组哨兵植物的图像中提取的信息来预测在农田上的该组哨兵植物中特定应激源的压力。

基于第二组哨兵植物处的该预测的第四压力，计算机系统可以生成提示或者向与农田相关联的用户发送通知。例如，响应于第二组哨兵植物中的第四压力超过阈值压力，计算机系统可以生成解决农田中第二组哨兵植物附近的植物中的应激源的提示。

9.2梯度模型

在一个变型中，如图2和图3所示，计算机系统可以导出梯度模型，该梯度模型将第一组哨兵植物(例如，一个哨兵植物，一簇哨兵植物)处的特定应激源的压力与包括第一组哨兵植物的农田的子区域处的压力(例如，农田中的压力梯度)相关联。通过开发该梯度模型，计算机系统可以通过将特定区域中的压力梯度(例如，跨特定区域的哨兵植物中的压力)与农田中的单组哨兵植物相关联，来最小化特定区域(例如，农田)中所有哨兵植物的数据收集。此外，计算机系统可以基于梯度模型校正在第一组哨兵植物处解释的压力的偏差。

例如，计算机系统可以：获取由固定传感器(例如，安装在农田中的杆上的相机)以第一频率记录的第一批图像，该固定传感器面向农田中的第一组哨兵植物；获取包括第一组哨兵植物的农田的区域的第二图像，第二图像由移动传感器(例如，空中传感器、无人机、卫星)在第一时间段期间记录；基于从第一批图像中的在第一时间段期间捕获的第一图像中提取的第一组特征，解释在第一时间段期间第一组哨兵植物中的应激源的第一压力；基于从第二图像提取的第二组特征，解释在第一时间段期间农田的区域中的哨兵植物中应激源的第一压力梯度；以及基于应激源的第一压力和第一压力梯度导出梯度模型，该梯度模型将在第一组哨兵植物处的应激源的压力与在农田的区域中应激源的压力梯度相关联。

在导出梯度模型后，计算机系统可以基于第一组哨兵植物处的应激源的第一压力和梯度模型来校正第一压力梯度。此外，计算机系统可以基于从第一批中的图像中提取的特征来预测特定应激源的压力梯度。例如，计算机系统可以：基于从第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释第二时间段期间第一组哨兵植物中应激源的第二压力；以及基于第二压力和模型来预测在第二时间段期间农田的区域中的应激源的第二压力梯度。

根据这种压力梯度，计算机系统可以监测农田的不同子区域处的压力。如果计算机系统预测在农田的特定子区域处的特定应激源的高压力，则计算机系统可以标记该子区域，并向与农田相关联的用户生成解决该子区域中特定应激源的提示。例如，计算机系统可以响应于第二压力梯度预测农田的子区域中的第三压力并且该第三压力超过阈值压力，生成解决占据农田子区域附近的农田的植物中应激源的提示。此外，基于压力梯度，计算机系统可以生成压力图。计算机系统可以在给用户的提示中包括该压力图。

此外，计算机系统可以通过解释来自农田中额外组的哨兵植物的压力来改进梯度模型。在一个实施方式中，整个农田是哨兵植物(例如，没有非哨兵植物)。在该实施方式中，计算机系统基于从由移动传感器记录的第二图像中提取的特征来解释第一压力梯度。计算机系统可以将对于哨兵植物的整个农田的低分辨率压力梯度数据与对于第一组哨兵植物的高分辨率压力数据相结合，以开发用于预测整个农田的压力梯度的更精确的梯度模型。

在另一种实施方式中，其中在非哨兵植物的农田内种植多簇哨兵植物，计算机系统可以基于从由移动传感器记录的第二图像的区域、包括第一组哨兵植物和(至少)第二组哨兵植物的区域提取的特征来解释第一压力梯度。在该实施方式中，计算机系统可以基于第一图像解释第一组哨兵植物处的特定应激源的压力，并且基于第二图像解释第一组哨兵植物处的特定应激源的第二压力。然后，计算机系统可以：基于从第二图像中提取的第二压力和第一压力梯度两者，导出将第一组哨兵植物处的特定应激源的压力与农田中的第一应激源的压力梯度相关联的梯度模型；以及基于第一压力和该模型校正农田中特定应激源的第一压力梯度。

9.3年度模型

计算机系统可以利用对应于特定农田或作物的数据来开发用于建模特定农田中应激源的压力的年度模型。例如，在第一个季节期间，对于特定作物，计算机系统可以提取对以下方面的洞察：水在特定作物上的移动；跨作物的日照(例如，每日、每周、每月、季节性)；以及其他应激源(诸如昆虫、真菌和营养缺乏)的压力时间。计算机系统可以将这些洞察中的每一个输入到年度模型中，用于预测下一个季节开始时和贯穿下一个季节的作物状况。然后，在下一个季节开始时，计算机系统可以基于该模型预测作物的初始状况。此外，计算机系统可以基于这些预测的初始状况，诸如要种植的种子混合物的类型和/或要铺设的土壤的不同混合物，向与作物相关联的用户建议耕作实践。随着季节继续，系统可以相应地更新年度模型。

此外，基于年度模型，计算机系统可以预测和/或建议最适合该农田的农产品和/或处理。例如，计算机系统可以基于年度模型来预测特定时间农田中植物的应激源的第一压力。基于预测的第一压力，用户可以在季节开始时对这些植物应用新的处理，以便减轻该预测的第一压力。稍后，计算机系统可以基于由农田中的传感器记录的数据来解释在特定时间农田中的植物中的第二压力。如果第二压力小于预测的第一压力，则计算机系统可以相应地更新年度模型和/或在将来建议新的处理来处理应激源的压力。

10.单个哨兵植物

在一个变型中，计算机系统可以从(例如，在温室中在非哨兵植物作物中的)单个哨兵植物中提取洞察，以：监测农田中植物中应激源的压力；开发用于预测植物随时间的行为的模型；开发用于预测植物对哨兵植物处存在的各种应激源的反应的模型；开发用于根据测量值解释哨兵植物处应激源的压力的模型；测试针对单个哨兵植物处存在的各种应激源的处理效果；和/或开发植物对这些处理的反应模型。

例如，单个哨兵植物或单簇哨兵植物可以在非哨兵植物作物中生长。该单个哨兵植物(或单簇哨兵植物)可以为了哨兵植物处应激源的存在被监测。例如，计算机系统可以获取由传感器(例如，智能手机)记录的数据(例如，图像)，并基于从该数据中提取的特征来解释哨兵植物处特定应激源的第一压力。基于在单个哨兵植物处解释的第一压力，计算机系统可以提取对靠近单个哨兵植物的植物和/或在非哨兵植物作物内的植物的洞察。此外，计算机系统可以基于解释的第一压力对作物中植物建议特定处理。在用户应用特定处理时，计算机系统可以解释第二压力以确认特定处理的功效。

在另一个示例中，哨兵植物可以在温室中生长。计算机系统可以获取由温室中的光学传感器记录的数据(例如，高光谱图像)，以提取指示植物健康的第一组测量值(例如，波长的强度)。用户(例如，与温室相关联的用户)可以从哨兵植物中收集样本，以确认哨兵植物的健康和/或哨兵植物处任何应激源的存在。在该示例中，如果用户将哨兵植物解释为健康的，并且基于所收集的样本解释哨兵植物处不存在特定应激源的压力，则计算机系统可以将第一组测量值关联到没有表现出特定应激源的压力的健康植物，并且将该信息存储到模型中。随后，用户可以使哨兵植物经受特定应激源(例如，干旱)的压力。计算机系统可以再次获取由温室中的光学传感器记录的数据，以提取对应于哨兵植物的第二组测量值(例如，波长的强度)。然后，计算机系统可以将哨兵植物的第二组测量值与用户在哨兵植物处引入的特定应激源的压力关联，并将该信息存储到模型中。因此，随着时间的推移，计算机系统可以开发将从温室中的光学传感器记录的数据中提取的测量值与哨兵植物处特定应激源的压力关联的模型。

在又一个示例中，计算机系统可以提取关于随时间的植物处理功效的洞察。例如，哨兵植物可以在植物以(例如，经由垂直耕作)垂直垛排列的温室中生长。计算机系统可以从由温室中的传感器记录的数据(例如图像)中提取测量值，以提取对植物健康的洞察。计算机系统可以基于从由传感器在第一时间处记录的数据中提取的第一组测量值来解释哨兵植物处特定应激源的第一压力。计算机系统然后可以将第一压力通知给与温室相关联的用户。然后，用户可以对温室中靠近哨兵植物的植物施加特定处理，以减轻第一压力。随后，计算机系统可以基于从由传感器在第二时间处(例如，在施加特定处理后24小时)记录的数据中提取的第二组测量值来解释哨兵植物处特定应激源的第二压力。基于第一压力和第二压力，计算机系统可以导出表示响应于特定处理的施加，特定应激源随时间的压力的模型。因此，计算机系统可以导出用于预测植物对各种处理和/或农业技术的反应的模型。

本文描述的计算机系统和方法可以至少部分地体现和/或实施为被配置为接收存储计算机可读指令的计算机可读介质的机器。指令可以由与应用、小程序、主机、服务器、网络、网站、通信服务、通信接口、用户计算机或移动设备的硬件/固件/软件元素、腕带、智能电话或它们的任何合适的组合集成的计算机可执行部件来执行。实施例的其他计算机系统和方法可以至少部分地体现和/或实施为被配置为接收存储计算机可读指令的计算机可读介质的机器。指令可以由通过与上述类型的装置和网络集成的计算机可执行部件集成的计算机可执行部件执行。可以将计算机可读介质存储在任何合适的计算机可读介质上，诸如RAM、ROM、闪存、EEPROM、光学设备(CD或DVD)、硬盘驱动器、软盘驱动器或任何合适的设备。计算机可执行部件可以是处理器，但是任何合适的专用硬件设备都可以(替代地或另外)执行指令。

如本领域技术人员将从先前的详细描述以及从附图和权利要求书中认识到的，可以在不脱离如所附权利要求书中限定的本发明的范围的情况下，对本发明的实施例进行修改和改变。

Claims (20)

1.一种用于解释植物中压力的方法，包括：

获取由固定传感器以第一频率记录的第一批图像，所述固定传感器面向农田中的第一组哨兵植物；

获取所述农田中第二组哨兵植物的第二图像，所述第二图像由移动传感器在第一时间段期间记录；

基于从所述第一批图像中的在所述第一时间段期间捕获的第一图像中提取的第一组特征，解释所述第一时间段期间所述第一组哨兵植物中应激源的第一压力；

基于从所述第二图像中提取的第二组特征，解释所述第一时间段期间所述第二组哨兵植物中所述应激源的第二压力；

基于所述第一压力和所述第二压力导出压力模型，所述压力模型将所述第一组哨兵植物处的所述应激源的压力与所述第二组哨兵植物处的所述应激源的压力相关联；

基于从所述第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释所述第二时间段期间所述第一组哨兵植物中所述应激源的第三压力；

基于所述第三压力和所述压力模型，预测所述第二时间段期间所述第二组哨兵植物中所述应激源的第四压力；和

响应于所述第二组哨兵植物中的所述第四压力超过阈值压力，生成解决所述农田中所述第二组哨兵植物附近的植物中的所述应激源的提示。

2.根据权利要求1所述的方法，还包括：

获取在所述第一时间段期间由空中传感器记录的所述农田的第四图像；

基于从所述第四图像的区域中提取的第四组特征，解释所述第一时间段期间所述农田中的第一压力梯度，所述第四图像的所述区域包括所述农田中的所述第一组哨兵植物、所述第二组哨兵植物和第三组哨兵植物；和

基于所述第一压力和所述第二压力，校正所述第一时间段期间所述农田中的所述第一压力梯度。

3.根据权利要求1所述的方法，还包括：

获取所述农田中第三组哨兵植物的第四图像，所述第四图像由所述移动传感器在所述第一时间段期间记录；

基于从所述第四图像中提取的第四组特征，解释所述第一时间段期间所述第三组哨兵植物中所述应激源的第四压力；

基于所述第一压力、所述第二压力和所述第四压力，解释所述第一时间段期间所述农田中的第一压力梯度；

基于所述第一压力、所述第二压力和所述第三压力，导出梯度模型，所述梯度模型将所述第一组哨兵植物处所述应激源的压力、所述第二组哨兵植物处所述应激源的压力和所述第三组哨兵植物处所述应激源的压力相关联；和

基于所述第一组哨兵植物中的所述第三压力以及所述梯度模型，解释所述第二时间段期间所述农田中的第二压力梯度。

4.根据权利要求1所述的方法，其中，生成解决所述农田中所述第二组哨兵植物附近的植物中的所述应激源的提示还包括：

分离对于哨兵植物定义的一组动作中的第一动作，所述第一动作与所述应激源相关联；和

向与所述农田相关联的用户的计算设备发送在所述农田中执行所述第一动作来减轻所述应激源的通知。

5.根据权利要求1所述的方法：

其中获取由所述固定传感器记录的所述第一批图像包括获取由安装在固定梁上的相机记录的所述第一批图像，所述固定梁位于所述农田内所述第一组哨兵植物的中心；和

其中获取由所述移动传感器记录的第二批图像包括获取由与所述农田相关联的用户的移动设备的相机记录的所述第二批图像。

6.根据权利要求1所述的方法：

其中获取所述农田中所述第一组哨兵植物的所述第一批图像包括获取包括布置在所述农田的中心附近的第一簇哨兵植物的所述第一组哨兵植物的所述第一批图像；和

其中获取所述农田中所述第二组哨兵植物的所述第二图像包括获取包括沿着所述农田的边缘排列成行的第二簇哨兵植物的所述第二组哨兵植物的所述第二图像。

7.根据权利要求1所述的方法，其中，获取所述第一组哨兵植物的所述第一批图像包括获取由面向所述第一组哨兵植物的所述固定传感器记录的所述第一批图像，所述第一组哨兵植物包括形成一组启动子-报告子对的一组启动子和一组报告子，所述一组启动子-报告子对被配置为发出在哨兵植物处的一组应激源的压力的信号，所述一组启动子-报告子对包含被配置为发出所述第一组哨兵植物处的所述应激源的压力的信号的第一启动子-报告子对。

8.根据权利要求1所述的方法：

其中，获取由面向所述农田中所述第一组哨兵植物的所述固定传感器记录的所述第一批图像包括：获取由面向温室环境中所述第一组哨兵植物的所述固定传感器记录的所述第一批图像；和

其中，获取由所述移动传感器记录的所述农田中的所述第二组哨兵植物的所述第二图像包括：获取所述第二组哨兵植物的所述第二图像，所述第二组哨兵植物在所述温室环境内以垂直堆叠层排列。

9.一种用于解释植物中压力的方法，包括：

获取由固定传感器以第一频率记录的第一批图像，所述固定传感器面向农田中的第一组哨兵植物；

获取包括所述第一组哨兵植物的所述农田的区域的第二图像，所述第二图像由移动传感器在第一时间段期间记录；

基于从所述第一批图像中的在所述第一时间段期间捕获的第一图像中提取的第一组特征，解释所述第一时间段期间所述第一组哨兵植物中应激源的第一压力；

基于从所述第二图像中提取的第二组特征，解释在所述第一时间段期间所述农田的所述区域中的哨兵植物中所述应激源的第一压力梯度；

基于所述应激源的所述第一压力以及所述第一压力梯度，导出梯度模型，所述梯度模型将所述第一组哨兵植物处所述应激源的压力与所述农田的所述区域中所述应激源的压力梯度相关联；

基于从所述第一批图像中的在第二时间段期间捕获的第三图像中提取的第三组特征，解释所述第二时间段期间所述第一组哨兵植物中所述应激源的第二压力；

基于所述第二压力和所述梯度模型，预测所述第二时间段期间所述农田的所述区域中所述应激源的第二压力梯度；和

响应于所述第二压力梯度来预测所述农田的子区域中的第三压力并且所述第三压力超过阈值压力，生成解决占据所述农田的所述子区域附近的所述农田的植物中的所述应激源的提示。

10.根据权利要求9所述的方法：

其中，获取包括所述第一组哨兵植物的所述农田的所述区域的所述第二图像包括：获取包括所述第一组哨兵植物和第二组哨兵植物的所述农田的所述区域的所述第二图像；

所述方法还包括：

获取由第二固定传感器以所述第一频率记录的第二批图像，所述第二固定传感器面向所述农田中的所述第二组哨兵植物；和

基于从所述第二批图像中的在所述第一时间段期间捕获的第四图像中提取的第四组特征，解释所述第一时间段期间所述第二组哨兵植物中所述应激源的第三压力；和

其中，基于所述应激源的所述第一压力以及所述第一压力梯度导出将所述第一组哨兵植物处所述应激源的压力和所述农田的所述区域中所述应激源的压力梯度相关联的梯度模型包括：导出将所述第一组哨兵植物处所述应激源的压力、所述第二组哨兵植物处所述应激源的压力和所述第一压力梯度相关联的梯度模型。

11.根据权利要求9所述的方法：

其中，获取由面向所述农田中所述第一组哨兵植物的所述固定传感器记录的所述第一批图像包括：获取由面向哨兵植物种群中的所述第一组哨兵植物的所述固定传感器记录的所述第一批图像；

其中，获取包括所述第一组哨兵植物的所述农田的所述区域的所述第二图像包括：获取所述哨兵植物种群的所述第二图像，所述第二图像包括一组像素，所述一组像素中的每个像素对应于所述哨兵植物种群中的一组哨兵植物；和

其中，基于从所述第二图像中提取的所述第二组特征来解释所述农田的所述区域中哨兵植物中的所述应激源的所述第一压力梯度包括：

基于所述第二组特征中的特征组来解释所述哨兵植物种群中的一组压力，每个特征组是从所述一组像素中的像素中提取的；和

基于所述一组压力中的每个压力，生成所述哨兵植物种群中的所述应激源的第一压力梯度。

12.根据权利要求9所述的方法：

其中，获取所述农田中的所述第一组哨兵植物的所述第一批图像包括获取所述农田中的所述第一组哨兵植物的一批图像，所述第一组哨兵植物中的哨兵植物包括与植物脱水相关联的第一启动子和与红色荧光相关联的第一报告子，所述第一启动子和所述第一报告子形成第一启动子-报告子对，所述第一启动子-报告子对被配置为发出在所述第一组哨兵植物中的哨兵植物处的植物脱水的信号；

其中，基于从所述第一图像中提取的所述第一组特征来解释所述第一组哨兵植物中所述应激源的所述第一压力包括：基于从所述第一图像中提取的第一组红色荧光测量值，解释所述第一组哨兵植物中植物脱水的第一压力；

其中，基于从所述第二图像中提取的所述第二组特征来解释所述农田的所述区域中的哨兵植物中所述应激源的所述第一压力梯度包括：基于从所述第二图像中提取的第二组红色荧光测量值，解释所述农田的所述区域中的哨兵植物中的植物脱水的第一压力梯度；

其中，基于从所述第三图像中提取的所述第三组特征来解释所述第一组哨兵植物中所述应激源的所述第二压力包括：基于从所述第三图像中提取的第三组红色荧光测量值，解释所述第一组哨兵植物中植物脱水的第二压力；

其中，基于所述第二压力和所述梯度模型来预测所述农田的所述区域中所述应激源的所述第二压力梯度包括：基于所述第二压力和所述梯度模型来预测所述农田的所述区域中植物脱水的第二压力梯度；和

其中，响应于所述第二压力梯度超过阈值压力梯度，生成解决占据所述农田的所述区域附近的所述农田的植物中所述应激源的提示包括：响应于植物脱水的所述第二压力梯度超过植物脱水的阈值压力梯度，生成将占据所述农田的所述区域附近的所述农田的植物灌溉到对应于所述第二压力梯度的程度的提示。

13.根据权利要求9所述的方法：

其中，获取所述第一批图像包括获取由第一光谱仪捕获的第一批光谱图像；

所述方法还包括：获取报告子模型，所述报告子模型将从光谱图像中提取的太阳诱导荧光测量值与哨兵植物的应激源的压力关联起来；和

其中，解释所述第一组哨兵植物中的所述第一压力包括：基于从所述第一图像中提取的第一太阳诱导荧光测量值来解释所述应激源的所述第一压力。

14.根据权利要求9所述的方法，其中，基于从所述第一图像中提取的所述第一组特征来解释所述第一组哨兵植物中的第一应激源的所述第一压力包括：

从所述第一图像中提取所述第一组特征中的第一特征，所述第一特征对应于所述第一图像的第一像素；

从所述第一图像中提取所述一组特征中的第二特征，所述第二特征对应于所述第一图像的第二像素；

基于所述第一特征和所述第二特征的组合来估计代表性特征；

获取报告子模型，所述报告子模型将从所述第一批中的图像中提取的特征与所述第一组哨兵植物处的所述第一应激源的压力关联起来；和

基于所述代表性特征和所述报告子模型，解释所述第一组哨兵植物中所述第一应激源的所述第一压力。

15.根据权利要求14所述的方法：

其中，从所述第一图像中提取所述第一特征包括：从所述第一组哨兵植物的第一光谱图像中提取第一波长的第一强度；

其中，从所述第一图像中提取所述第二特征包括从所述第一光谱图像中提取所述第一波长的第二强度；

其中，估计所述代表性特征包括：估计所述第一波长处的所述第一强度和所述第二强度的第一平均强度；

其中，获取将从所述第一批中的图像中提取的特征与所述第一组哨兵植物处的所述第一应激源的压力关联起来的报告子模型包括：获取将从所述第一批的光谱图像中提取的所述第一波长的平均强度与所述第一组哨兵植物处的所述第一应激源的压力关联起来的所述报告子模型；和

其中，基于所述代表性特征和所述报告子模型来解释所述第一组哨兵植物中所述第一应激源的所述第一压力包括：基于所述第一平均强度和所述报告子模型来解释所述第一组哨兵植物中所述第一应激源的所述第一压力。

16.一种用于解释植物中压力的方法，包括：

获取农田中第一组哨兵植物的第一批图像，所述第一批由固定传感器以第一频率记录；

获取在第一时间段期间由空中传感器记录的所述农田的第二图像；

基于从所述第一批图像中的在所述第一时间段期间捕获的第一图像中提取的第一组特征，解释所述第一时间段期间所述第一组哨兵植物中的一组应激源中的第一应激源的第一压力；

基于从包括所述第一组哨兵植物的第二图像的区域中提取的第二组特征，解释所述第一时间段期间所述第一组哨兵植物中所述第一应激源的第二压力；

基于从所述第二图像的区域中提取的第三组特征，解释所述第一时间段期间所述农田中所述第一应激源的第一压力梯度；

基于所述第二压力和所述第一压力梯度，导出将所述第一组哨兵植物处的所述第一应激源的压力与所述农田中的所述第一应激源的压力梯度相关联的模型；和

基于所述第一压力和所述模型，校正所述第一时间段期间所述农田中的所述第一应激源的所述第一压力梯度。

17.根据权利要求16所述的方法，还包括：

基于从所述第一批图像中的在所述第一时间段之后的第二时间段期间捕获的第三图像中提取的第四组特征，解释在所述第二时间段期间所述第一组哨兵植物中的所述第一应激源的第三压力；

基于所述第三压力和所述模型，预测所述第二时间段期间所述农田中的所述第一应激源的第二压力梯度；和

响应于所述第二压力梯度超过阈值压力梯度，生成解决所述农田中的植物中的所述应激源的提示。

18.根据权利要求16所述的方法：

其中，获取由所述固定传感器记录的所述第一批图像包括获取由安装在位于所述农田内的固定梁上的相机记录的所述第一批图像；和

其中，获取由所述空中传感器记录的所述农田的所述第二图像包括获取由卫星记录的所述农田的所述第二图像。

19.根据权利要求16所述的方法，还包括：

获取所述农田中第二组哨兵植物的第二批图像，所述第二批以小于所述第一频率的第二频率记录；

基于从所述第二批图像中的在所述第一时间段期间捕获的第三图像中提取的第四组特征，解释所述第一时间段期间所述第二组哨兵植物中的所述一组应激源中的第二应激源的第三压力；

基于从所述第二图像的区域中提取的第五组特征，解释所述第一时间段期间所述第二组哨兵植物中的所述第二应激源的第四压力；

基于从所述第二图像的区域中提取的第六组特征，解释在所述第一时间段期间所述农田中的所述第二应激源的第二压力梯度；

基于所述第四压力和所述第二压力梯度，导出将所述第二组哨兵植物处的所述第二应激源的压力与所述农田中所述第二应激源的压力梯度相关联的模型；

基于所述第三压力和所述模型，校正所述第一时间段期间所述农田中的所述第二应激源的所述第二压力梯度；和

基于所述第一应激源的所述第一压力梯度和所述第二应激源的所述第二压力梯度的组合生成压力图。

20.根据权利要求19所述的方法：

其中，获取所述第一组哨兵植物的所述第一批图像包括：获取布置在所述农田中的第一簇哨兵植物的所述第一批图像，所述第一簇哨兵植物中的哨兵植物被配置为经由色素变化来发出存在真菌应激源的信号；

其中，获取所述第二组哨兵植物的所述第二批图像包括：获取沿着所述农田的边缘排列成一行的第二簇哨兵植物的所述第二批图像，所述第二簇哨兵植物中的哨兵植物被配置为经由发光来发出存在昆虫应激源的信号；

其中，解释所述第一组哨兵植物中所述第一应激源的所述第一压力包括：基于在所述第一图像中检测到的哨兵植物的色素变化来解释所述第一簇哨兵植物中所述真菌应激源的所述第一压力；和

其中，解释所述第二组哨兵植物中所述第二应激源的所述第三压力包括：基于在所述第三图像中检测到的所述第二簇哨兵植物中的哨兵植物的发光来解释所述第二组哨兵植物中的所述昆虫应激源的所述第三压力。

Images