田间条件下近红外高光谱成像技术在小麦赤霉病评估中的应用研究

本研究针对小麦赤霉病(FHB)田间检测的技术瓶颈，创新性应用近红外高光谱成像(NIR-HSI)技术，结合PLS-DA分类树模型，成功实现病害耳穗识别(R2≥0.8)，虽在区分赤霉病与全蚀病时受症状相似性限制，但为作物胁迫特异性检测提供了新思路，对精准农业病害管理具有重要实践价值。

　　

在全球粮食安全面临挑战的背景下，小麦赤霉病(Fusarium Head Blight, FHB)因其引发的产量损失和真菌毒素污染，成为威胁谷物生产的重大病害。这种由镰刀菌(Fusarium graminearum)引发的疾病不仅造成小麦穗部坏死，更会分泌脱氧雪腐镰刀菌烯醇(DON)等危害人类健康的毒素。尽管现有研究在实验室环境下通过高光谱成像(HSI)实现了FHB检测，但田间复杂环境下的应用仍存在两大关键瓶颈：一是自然光照和多重生物胁迫的干扰，二是现有模型缺乏对其他胁迫源（如全蚀病）的区分能力。

比利时瓦隆农业研究中心的VINCKE Damien团队在《Smart Agricultural Technology》发表的研究，首次将NIR-HSI(900-1700nm)技术应用于田间小麦病害监测。研究人员设计包含6个冬小麦品种的田间试验，通过人工接种F. graminearum并同步记录自然发生的全蚀病(Gaeumannomyces graminis tritici)，建立包含114幅高光谱图像的数据库。创新性采用五节点二分分类树，通过PLS-DA模型逐级识别白色标签、背景、叶片后，最终区分健康穗、FHB感染穗和全蚀病感染穗。

关键技术方法包括：1) 移动式高光谱成像系统（Specim FX17相机搭载可移动门架）；2) 基于Kennard-Stone算法的光谱库子采样；3) Savitzky-Golay一阶导数预处理；4) 田间穗标记系统（羊毛线+白色标签双重标记）；5) 基于VIP分数的特征波长筛选。试验设置涵盖7个采集时间点（2022年6月28日至7月18日），划分校准、验证和测试三组数据。

3.1 气象观测揭示接种期降雨量不足（累计7mm）可能限制F. graminearum侵染效率，这与后期田间观察到的低FHB发病率（最高2.6%）相吻合。3.2 田间胁迫评分显示全蚀病成为主导胁迫（最高27%发病率），其与FHB相似的穗部白化症状为模型特异性测试提供天然对照。

4.3 光谱特征分析发现1150-1200nm水吸收波段是区分健康穗与病穗的关键区域，健康穗因含水量高表现出显著更强的吸收峰。4.4 像素级验证显示健康/病穗分类准确率>90%，但FHB与全蚀病的区分特异性仅50%，证实近红外光谱难以捕捉两种病害的生化差异。

4.5 地块级评估中，"总体胁迫"预测表现优异（R2=0.98），但单独预测FHB时R2仅0.42，凸显模型在混合感染场景的局限性。4.6 跨日期预测表明模型有效期约1周，后期因植株自然衰老导致准确率下降。

讨论部分指出，当前技术主要依赖病害引起的生理变化（如水分流失），而非直接病原检测。虽然空间分布模式（FHB分散vs全蚀病成簇）可作为辅助判别特征，但实现精准区分仍需结合深度学习或多光谱融合技术。研究意义在于：1) 首次验证NIR-HSI田间应用的可行性；2) 建立标准化病害标记流程；3) 揭示混合感染对模型特异性的重大影响，为后续研究设立评估基准。

该成果为作物表型组学提供了新工具，虽然现阶段尚难直接应用于农艺操作，但为品种抗性评价体系开发奠定基础。作者建议未来研究可探索量子点传感器等新型检测技术，并通过整合时空特征提升模型鲁棒性。这项工作标志着作物病害监测从实验室走向田间实践的重要一步。