基于无人机高光谱成像的新疆南部核桃叶枯病时空动态监测与早期精准诊断研究

本研究利用无人机高光谱与高分辨率RGB影像，系统监测新疆南部核桃叶枯病（JLN）的时空动态。通过多期遥感数据（2024年6月至9月）与地面调查，筛选出MRESRI、CRI1和PRI等敏感植被指数，结合随机森林（Random Forest）算法实现病害严重度分级（总体精度86%，Kappa系数0.825）。研究发现JLN在低洼、近道路和高密度区域形成持续热点，并提出无人机高光谱技术可实现早期、精准、实时的病害监测，为核桃产业可持续管理提供技术支撑。

　　

引言

核桃叶枯病（Juglans leaf necrosis, JLN）是一种主要由高温、干旱和土壤盐分等非生物胁迫引起的生理性病害，严重影响核桃产量与品质。近年来，气候变化与农业实践改变加剧了JLN的发生，传统人工监测方法效率低、精度差。无人机遥感技术具有快速、大范围、低成本的优势，尤其高光谱成像能提供丰富的光谱信息，为病害早期识别与动态监测提供了新途径。

材料与方法

研究区域位于新疆和田地区洛浦县，属极端干旱大陆性气候。选用主栽品种‘扎343’核桃园，于2024年6月至9月开展5期无人机航拍，同步进行地面调查。使用大疆Mavic 3E获取高分辨率RGB影像（空间分辨率2.2 cm），大疆M350搭载FS-60c高光谱传感器（光谱范围400–1000 nm，光谱分辨率2.17 nm，空间分辨率11 cm）采集数据。预处理包括影像拼接、大气校正、反射率校准与噪声去除。基于17种植被指数，采用随机森林算法进行病害严重度分类，分为5个等级：健康（0级）、轻度（1级）、中度（2级）、重度（3级）和临界（4级）。模型验证采用混淆矩阵、总体精度（OA）、精确率、召回率和Cohen’s kappa系数。

结果

可见光高分辨率影像分析

高分辨率RGB影像清晰展示了JLN的动态发展过程。早期阶段（T1–T2）病害症状不明显，冠层呈健康绿色；中期（T3）叶片出现大面积干枯，反射率显著下降；后期（T4–T5）病害进一步加剧，出现新叶与枯叶共存的光谱混合现象，增加了识别难度。

高光谱影像分类结果

随机森林特征重要性分析显示，修改红边简单比率指数（MRESRI）、类胡萝卜素反射指数1（CRI1）和光化学反射指数（PRI）对JLN严重度分类贡献最大。模型总体精度达86%，Kappa系数为0.825，健康（0级）与临界（4级）类别分类精度最高，中间等级（1–3级）存在部分误分，但未出现跨级错误。

时空动态分析

JLN从零星发生快速扩展为集中热点。T1–T2期以健康与轻度为主；T3期中度与重度比例显著上升（22.76%与9%），病害在南部临近高速公路、低洼与高密度区域聚集；T4–T5期重度与临界比例进一步增加（14.01%与10.18%），部分树冠出现新叶再生现象。

等级转移分析

Sankey图揭示了病害等级间的动态转换。早期（T1→T2）以健康保持为主；中期（T3→T4）病害升级加速，大量树木从轻度、中度转为重度；后期（T4→T5）仍有持续升级趋势，但部分树木因新叶生长出现轻微回落。

讨论

植被指数在病害检测中的作用

绿度指数（如NDVI、EVI）、色素指数（如CRI1、ARI1）和光效/水分指数（如PRI、WBI）分别反映了冠层活力、色素变化与水分胁迫，多指数联合使用显著提升分类性能。与柑橘黄龙病、小麦锈病等研究一致，高光谱指数在早期生理应激检测中具有突出优势。

病害进展与时空动态

JLN在6周内从零星发生发展为大规模冠层焦枯，空间上集中于道路邻近区与低洼地带，表明微环境与人为活动是病害传播的重要驱动因素。多期监测揭示了病害发展的非线性特征，强调了早期干预的时间窗口重要性。

等级转移与管理意义

病害等级转换分析显示，中后期升级加速，提示早期管理是关键。部分树木的“回落”现象可能与树种抗性或局部环境缓冲有关，体现了宿主响应异质性。精准管理应聚焦“热点区域”，实施针对性措施。

无人机遥感技术的局限与挑战

早期病害光谱特征重叠、冠层复杂性（新叶、阴影、灰尘附着）和环境变异（光照、风力）是主要误差来源。尽管高光谱技术优势明显，但其成本与技术门槛仍限制了大范围应用。

结论

无人机高光谱遥感技术可实现JLN的早期识别、精准分级与动态监测，MRESRI、CRI1和PRI是核心敏感指数。JLN在发展过程中呈现明显的时空聚集性，低洼、近路与高密度区域为高风险区。该技术为核桃病害的精准防控与产业可持续发展提供了有效工具，未来需集成多源数据与预测模型，进一步提升监测效能。