综述：植物诊断与传感技术的进展

这篇综述系统总结了植物传感技术的最新进展，涵盖反射光谱（FT-IR）、拉曼光谱（SERS）、纳米传感器（SWNTs/CDs）等技术在农业生产力提升、早期病害检测及资源优化中的应用，强调多模态数据与机器学习（ML）整合对精准农业的变革潜力。

　　

1 引言：植物诊断的生理特征与植物化学物质

植物健康受养分、水分、光照及生物/非生物胁迫显著影响。传统遥感技术（如无人机多光谱成像）可实现大规模冠层监测，而手持式传感器能精准测量叶片级参数（光合速率、气孔导度等）。关键靶点包括调控生理过程的植物激素（如生长素、脱落酸ABA）和次级代谢物（如类胡萝卜素、花青素），其微摩尔级浓度检测依赖拉曼光谱或纳米传感器。

2 基于光反射的植物诊断

健康叶片在可见光区（400–750 nm）因叶绿素吸收呈现低反射率，近红外区（750–1300 nm）因内部结构散射而高反射。植被指数（如NDVI）结合机器学习（SVM、随机森林）可区分胁迫类型，例如马铃薯晚疫病分类准确率达97%。多光谱LiDAR进一步整合形态与生化数据，提升诊断维度。

3 叶片荧光成像与天然荧光团

叶绿素荧光（690/740 nm）反映光合效率，参数F_v/F_m低于0.8提示胁迫损伤。UV激发的蓝绿荧光（440/520 nm）源自细胞壁羟基肉桂酸，其强度比（F440/F690）可评估叶片衰老。花青素含量可通过528/625 nm激发荧光对数比定量，助力营养胁迫早期预警。

4 基于FT-IR的生物分子与结构组分检测

FT-IR通过分子键振动（如O─H 3350 cm^?1）分析碳水化合物、木质素等。便携式ATR-FT-IR探头实现活体监测，如白菜干旱期水分与抗氧化剂动态变化。相比破坏性检测（LC-MS），其非侵入性适合高通量表型分析。

5 拉曼光谱在植物代谢物检测中的应用

拉曼光谱通过指纹峰（如硝酸盐1046 cm^?1）实现非破坏性诊断。表面增强拉曼（SERS）借助金/银纳米颗粒提升灵敏度，可检测纳摩尔级病原体标志物（如柑橘黄龙病）。高速成像技术克服传统点扫描局限，推动田间应用。

6 低浓度植物化学物质的特异性检测

单壁碳纳米管（SWNTs）近红外荧光探针通过DNA冠相（CoPhMoRe）选择性识别H₂O₂、水杨酸（SA）等，穿透细胞壁定位至叶绿体。碳点（CDs）则通过荧光淬灭监测Cu²⁺/Fe³⁺，但需规避叶绿素自发荧光干扰。

7 未来展望

挑战包括纳米传感器田间稳定性、多模态数据整合及阳光干扰（如夜间无人机主动遥感）。可穿戴式传感器（如COF-丝素蛋白微针）和卫星荧光建模将推动全球尺度植物健康监测，结合深度学习实现症状前预测。

全文贯穿技术革新与农业需求融合，为可持续农业提供从分子到生态系统的解决方案。