基于无人机遥感的甘蔗冷害耐受性化学标记物预测模型构建与应用

为解决美国甘蔗产业面临的劳动力短缺和冬季冻害评估难题，研究人员利用无人机(UAV)遥感技术结合化学标记物(如酪氨酸类荧光物质)开展甘蔗冷害耐受性预测研究。通过多算法比较(MLR/XGBoost/PLS/ANN)，建立了蔗糖产量(TRS、Cane Pol)和冻害指标(葡萄糖/果糖)的最佳预测模型(R2 达0.88)，首次实现冠层覆盖率归一化处理的次级代谢物(多酚、反乌头酸)ppm级定量预测，为精准育种和非破坏性田间监测提供新工具。

　　

在全球气候变化加剧的背景下，美国路易斯安那州作为世界最北端的甘蔗种植区，正面临冬季冻害导致的茎秆破裂、汁液劣化等严峻挑战。该地区与佛罗里达州共同承担着全美甘蔗生产重任，但传统"等待观察"的冻害评估方式效率低下，且甘蔗复杂的多倍体遗传特性使得基因标记开发困难重重。更棘手的是，当地产业还遭受劳动力短缺和极端天气事件频发的双重打击，急需开发高效、非破坏性的田间监测技术。

针对这一系列问题，美国农业部农业研究服务局的研究团队创新性地将无人机(UAV)遥感技术与化学标记物分析相结合。研究选取8个已知冷害耐受等级的甘蔗品种，在2022年生长季通过Parrot ANAFI USA无人机采集高分辨率RGB图像(地面采样距离3.5cm)，同步测定空气温度衍生的生长度日(GDD)参数。研究团队开发了包含多线性回归(MLR)、XGBoost、偏最小二乘(PLS)和人工神经网络(ANN)的算法比较体系，重点分析了蔗糖初级产物、冻害指标(葡萄糖/果糖)以及ppm级次级代谢物(酪氨酸类荧光物质、多酚、反乌头酸)的预测模型。

关键技术方法包括：(1)使用FIELDimageR包提取冠层反射率及植被指数(NGRDI/BGI/GLI等)；(2)通过遗传算法和选择性比进行变量筛选；(3)采用结构运动(SfM)软件构建正交镶嵌图；(4)近红外光谱快速测定蔗汁参数(TRS、Cane Brix等)；(5)将次级代谢物浓度归一化至冠层覆盖率以解决UAV传感器与汁液化学的空间尺度差异。

3.1 冠层反射率与产量、汁液化学参数的关系
通过主成分分析(PCA)和热图聚类发现，RGB反射率主要受空气温度(GDD)影响而非基因型差异。 coldest日(12/26/22，GDD=-17.5)的R/G/B反射率和亮度指数(BI)最高，而温暖日(1/6/23)则与BGI/NGRDI/VARI指数显著相关。值得注意的是，酪氨酸类荧光物质等冷害标记物需经冠层覆盖率归一化后，才能建立有效预测模型。

3.2 预测模型构建
在四种算法中，MLR展现出最佳性能：对蔗糖产量参数TRS(磅/吨蔗)和Cane Pol(%)的预测R²
分别达0.88和0.87，RMSECV为19.27和0.82。冻害指标葡萄糖/果糖因与RGB反射率呈负相关，预测误差相对较大。最具创新性的是，通过将次级代谢物浓度归一化至冠层像素比例，首次实现ppm级酪氨酸类荧光物质(R²
=0.85)和反乌头酸的定量预测，其中GDD和原始RGB值的选择性比显著高于衍生指数。

研究结论与意义
该研究突破性地证实了UAV遥感技术预测甘蔗冷害耐受化标记物的可行性。通过冠层覆盖率归一化处理，解决了传感器检测尺度与汁液化学分析的匹配难题，使ppm级次级代谢物的遥感定量成为可能。建立的MLR模型可直接应用于育种程序，实现：(1)无需等待冻害发生即可评估品种耐受性；(2)动态监测冻害引发的蔗糖水解(葡萄糖/果糖升高)；(3)通过酪氨酸类荧光物质等标记物早期筛选抗逆品种。

这项发表于《Industrial Crops and Products》的研究为应对极端气候提供了精准农业新范式。特别是在路易斯安那州甘蔗种植区北扩的背景下，该技术可整合卫星数据实现大田应用，对缓解劳动力短缺、降低冻害经济损失具有重要实践价值。未来通过纳入更多年份和环境数据，模型有望进一步扩展到干旱、飓风等多重逆境响应预测。