《Smart Agricultural Technology》：Temporal reflectance and absorbance spectral signatures of ToBRFV-infected tomato leaves: a PLS-DA modeling comparison over a 1–7-day post-inoculation period
编辑推荐：
：番茄棕色皱果病毒（Tomato brown rugose fruit virus，ToBRFV）是番茄作物中一种重要的新兴病毒病原体，其早期检测对于病害管理和减少经济损失至关重要。本研究比较了反射光谱与吸收光谱结合偏最小二乘判别分析（Partial Leas
：番茄棕色皱果病毒（Tomato brown rugose fruit virus，ToBRFV）是番茄作物中一种重要的新兴病毒病原体，其早期检测对于病害管理和减少经济损失至关重要。本研究比较了反射光谱与吸收光谱结合偏最小二乘判别分析（Partial Least Squares Discriminant Analysis，PLS-DA）模型，在接种后1至7天期间早期检测番茄叶片病毒感染的效果。研究人员对27株接种ToBRFV的番茄植株进行了纵向监测，在接种后第1至第7天连续采集叶片反射和吸收光谱数据，并评估了标准正态变量（Standard Normal Variate，SNV）、Savitzky–Golay（SG）滤波及其组合三种预处理策略对模型性能的影响。结果表明，反射光谱在区分病毒感染阶段方面优于吸收光谱。SNV预处理显著提升了光谱质量，当与反射数据结合时实现了完美的分类性能（F1分数＝1.000）。红边（700–750 nm）和近红外（750–1100 nm）区域被确定为监测时序病害进展最具信息量的光谱域。研究发现，反射光谱与SNV预处理及PLS-DA模型的集成，为精准农业中的早期植物胁迫检测提供了一种快速、无损且可靠的框架。
论文解读
一、研究背景与问题
全球人口增长、资源约束和气候变化对可持续粮食安全构成了前所未有的挑战。生物胁迫，尤其是植物病毒病害，是导致全球农业产量下降的重要因素之一。番茄作为全球最重要和消费最广泛的作物之一，特别容易受到多种病原体尤其是植物病毒的侵害。番茄棕色皱果病毒（Tomato brown rugose fruit virus，ToBRFV）是近年来出现的重要病毒病原体之一，可导致叶片卷曲、光合有效面积减少、植株矮化和严重产量损失。传统病毒检测方法主要依赖视觉症状检查或分子检测手段如酶联免疫吸附测定（ELISA）和聚合酶链反应（PCR），这些方法虽然准确但耗时、成本高且依赖先进实验室设施，难以适用于田间规模应用。此外，早期感染往往缺乏可见症状，延误了病害管理时机并增加了经济损失。因此，开发快速、无损且可靠的早期病毒胁迫检测方法成为精准农业领域的优先研究方向。
二、研究内容与意义
本研究系统比较了反射光谱与吸收光谱结合偏最小二乘判别分析（PLS-DA）模型在番茄叶片病毒感染早期检测中的性能，时间跨度为接种后1至7天。研究还考察了不同预处理方法对模型性能的影响，并识别了区分不同病害进展阶段的关键光谱区域。该研究的核心意义在于：通过系统比较两种光谱模式和多预处理策略，为植物病毒早期检测提供了方法学依据；揭示了红边和近红外区域在监测时序病害进展中的关键作用；为精准农业中开发快速、无损、可靠的作物健康监测工具奠定了基础。
三、主要技术方法
研究人员使用便携式光谱仪（PS-100，Apogee Instruments Inc.）在400–1100 nm光谱范围内采集番茄叶片的可见-近红外（Vis–NIR）反射和吸收光谱。实验采用27株接种ToBRFV的番茄植株（品种Moneymaker），在接种后第1至第7天连续进行纵向光谱测量，每株采集3片叶，每叶3个测量点，每点3次连续扫描取平均，每日获得81条光谱。光谱预处理采用Savitzky–Golay（SG）滤波、标准正态变量（SNV）及其组合三种策略。模型构建采用PLS-DA，并通过回归系数进行特征波长选择。模型验证采用重复数据划分和交叉验证确定最优潜变量数，并设置外部验证集评估模型泛化能力。
四、研究结果
4.1 番茄叶片光谱初步分析
平均吸收光谱显示，在400–1100 nm范围内，接种后1至7天期间叶片存在明显的结构和生理变化。可见光区域（400–700 nm）中，叶绿素吸收峰（约680 nm）附近不同采样日间差异明显，后期样品吸收高于早期样品。红边区域（700–750 nm）表现出最显著的光谱变化，位置和斜率在不同日期间清晰可辨。近红外区域（750–1100 nm）呈现非线性变化模式，中期（第2–3天）吸收相对增加，后期（第6–7天）逐渐下降，表明存在多阶段生理响应。平均反射光谱同样显示明显生理变化，第6天反射率异常升高表明叶绿素含量大幅减少和严重胁迫发生。近红外区域表现出显著的反射率非线性演变模式，第6天反射率急剧下降后第7天部分恢复，提示胁迫进展或叶片衰老相关的多阶段不连续响应。
4.2 PLS-DA模型性能
反射光谱在所有预处理条件下均一致优于吸收光谱。原始数据条件下，反射光谱模型F1分数达0.9894，特异性为0.9980，优于吸收光谱模型的F1＝0.9383。SNV预处理对模型性能提升最为显著，反射数据结合SNV实现完美分类，所有指标（精确率、召回率、特异性和F1分数）均达1.000。SG滤波单独应用在吸收数据上反而降低性能（F1＝0.8967），表明平滑可能去除与感染相关的细微光谱变化。SNV+SG组合未进一步改善结果。混淆矩阵分析显示，大多数分类错误发生在相邻天数之间，特别是第4–5天和第5–6天，反映了光谱变化的渐进性。第6天在吸收光谱中表现出最高不确定性和分类误差，而第7天在所有模型中始终是最稳定且分离良好的类别。外部验证集结果表明模型泛化性能不如内部指标所示完美，图7中外部验证点分布于分类阈值两侧，说明模型对新数据的泛化能力有限。
五、讨论与结论总结
讨论部分指出，光谱类型和预处理策略对模型判别能力起决定性作用。反射光谱比吸收光谱提供了更清晰、更稳定的生理胁迫相关信息表征，这可能归因于反射测量对叶片结构和水分相关变化具有更高的敏感性。SNV预处理通过消除散射效应和样品物理异质性，显著增强了感染相关光谱特征的可见性。红边和近红外区域的非线性和时间依赖性变化在塑造类别可分性方面发挥关键作用，其中近红外区域贡献最为显著。中间天数的误分类模式反映了植物在感染早期阶段生理响应的渐进性和连续性。
研究结论表明，将反射光谱与SNV预处理及PLS-DA模型相结合，是在受控温室条件下追踪病害进展阶段的一种有前景的无损方法。由于本研究未设健康或模拟接种对照组，尚不能确定感染植物与同日健康对照可区分的最早时间点。确定症状前检测时间点、在田间条件下测试该方法以及使用完全独立的验证批次，是未来研究的重要方向，也是该方法被视为田间作物健康评估有效工具前的必要条件。
