基于无人机窄带高光谱指数与辐射传输模型反演作物功能性状的小麦白粉病检测研究

本研究针对小麦白粉病（WPM）导致的作物功能性状（CFT）变化及光谱响应机制不清的问题，通过无人机高光谱数据结合辐射传输模型（RTM）和随机森林（RF）算法，揭示了CFT与窄带高光谱指数（NHI）在WPM严重度估计中的协同作用。结果表明，引入CFT显著提升了模型精度（R2=0.92），并发现不同感染阶段敏感特征存在显著差异，为病害精准监测提供了新思路。

　　

小麦白粉病（WPM）是全球小麦生产中最具破坏性的真菌病害之一，每年造成10%-30%的产量损失。传统田间调查方法效率低下，而无人机（UAV）遥感技术虽已成为病害监测的主流手段，但受限于WPM自下而上的侵染特性，冠层光谱信息易受背景干扰，且病害引起的作物功能性状（CFT）变化与光谱响应的关系尚未明确，制约了监测精度的提升。

针对这一科学问题，中国农业科学院植物保护研究所的研究团队创新性地将辐射传输模型（RTM）与机器学习相结合，通过无人机高光谱数据反演了8项关键CFT（包括叶结构参数N、叶面积指数LAI、叶绿素a+b含量Cab等），系统分析了CFT与55个窄带高光谱指数（NHI）在WPM不同侵染阶段的响应规律。研究发现：随着病害加重，Cab、LAI等6项CFT呈下降趋势，而平均叶角（Deg）和Car/Cab比值则显著上升；CFT的引入使病害严重度估计模型R²提升至0.92，较单一NHI模型精度提高6%。研究还首次揭示了特征重要性随病害发展的动态变化规律——轻度感染阶段以冠层结构特征（如OSAVI、LAI）为主，而重度感染阶段则转为光合作用（PRI515）和色素含量（NPQI）相关特征主导。该成果发表于《International Journal of Applied Earth Observation and Geoinformation》，为作物病害的机理研究和精准防控提供了新范式。

关键技术方法包括：1）基于PROSAIL辐射传输模型生成90,000组模拟数据集；2）采用随机森林（RF）算法构建CFT反演混合模型；3）通过最大相关最小冗余（MRMR）算法筛选55个NHI中的关键特征；4）利用三年田间试验数据（2022-2024年，覆盖0-85%病害梯度）进行模型验证。

【研究结果】

1. CFT与冠层光谱变化关系：通过PROSAIL模型模拟证实，Cab、Car的下降导致可见光区反射率上升，而N和LAI的降低则引起全波段反射率下降，与Deg的变化趋势相反。

2. 混合模型反演性能：相较于传统RF模型，混合模型将LAI、Cab等CFT的反演R²提升3%-10%，RMSE降低20%-65%，其中类胡萝卜素（Car）与病害严重度的相关性最强（|r|=0.50）。

3. 多特征融合优势：NHI+CFT融合模型将病害严重度估计R²提升至0.92，显著优于单一特征模型（NHI模型R²=0.86，CFT模型R²=0.74）。

4. 时空分布验证：基于2024年两期数据的空间制图显示，病害呈由接种中心向外扩散的模式，且存在沿西南风向传播的趋势。

【结论与意义】
该研究首次系统阐明了WPM侵染过程中CFT与光谱响应的耦合机制，创新性地提出"轻度感染看结构、重度感染看色素"的病害监测策略。通过RTM-RF混合模型实现了难以直接测量的CFT（如Ant、Deg）的高精度反演，突破了传统光谱分析仅依赖表观特征的局限。空间分析结果进一步揭示了环境因素（如风向）对病害传播的影响，为区域性病害预警提供了技术支撑。未来研究可结合气象数据与孢子扩散模型，构建更完善的WPM发生预测体系。这一成果不仅推动了植物表型组学与遥感技术的交叉创新，也为智慧农业中的病害精准管理提供了理论依据和实践工具。