叶子颜色图案受叶龄和环境压力等因素的影响，可作为农业植物健康的指标。VIS-NIR-SWIR传感器虽然可以有效地以高分辨率测量这些模式，但仅限于评估一般植物健康和植物色素含量，而不是特定的代谢或信号缺陷。

植物激素，尤其是脱落酸(ABA)，是了解植物对胁迫反应的关键。尽管光谱技术在无创监测植物健康方面取得了进步，但由于叶角和表面结构等因素，数据解释仍然面临挑战。

2023年6月，PlantPhenomics发表了一篇题为“Classificationofplantendogenousstatesusing机器学习衍生的农业指数。”

该研究采用特征工程和机器学习方法，利用VIS-NIR-SWIR叶片反射率来诊断植物健康，重点关注与应激激素相关的生理变化脱落酸a>(ABA)。

结果表明，ABA2过表达和缺陷突变体在干旱胁迫下表现出独特的叶片反射模式。使用Savitzky-Golay滤波器平滑并清除异常值的反射率数据表明，aba2突变体表现出独特的光谱特征，特别是在干旱条件下，反射率降低在某些波长范围内。

叶子反射光谱的log2转换比率突出了干旱胁迫的早期指标，与水分流失但可能与ABA水平有关。为了进行特征选择和分类，我们对NRI进行了从头筛选，以确定与干旱和ABA水平相关的特征。

在包含特定波长范围的NRI中观察到最高的F得分值，表明ABA在干旱引起的光谱变化中发挥着重要作用。使用这些NRI构建的分类器可以有效地区分基因型和治疗组，并且SVM分类器表现出高性能和鲁棒性。

该研究还探讨了选定的NRI与水和叶绿素含量的关系。虽然一些NRI显示与传统农业指数相关，但大多数与这些生化结果无关。

PLS回归根据原始光谱数据预测了水和叶绿素含量，但所选波长与顶级NRI中的波长不同，这表明除了有据可查的干旱影响之外还有其他生理变化。

最后，研究扩展到生菜中与干旱相关的NRI筛选，证实了该方法对不同物种的适用性。

该研究最后强调了拟南芥突变体在识别与激素和生理变化相关的光谱变化方面的潜力，为植物胁迫诊断和理解提供了更有效的方法。