《Smart Agricultural Technology》：Physiological profiling of
Botrytis induced responses in faba bean using proximal hyperspectral data: An assessment of in-season disease severity and post-harvest grain quality
编辑推荐：
中文翻译（摘要部分）：
灰霉病（Botrytis）导致蚕豆产量相关性状、籽粒大小和种皮红度（CIE a）降低。灰霉病增加了籽粒蛋白质含量（GPC）和种皮黄度（CIE b）。窄波段植被指数（VIs）在田间条件下对灰霉病严重度进行分类，总体精度（OA）达0.86，
中文翻译（摘要部分）：
灰霉病（Botrytis）导致蚕豆产量相关性状、籽粒大小和种皮红度（CIE a）降低。灰霉病增加了籽粒蛋白质含量（GPC）和种皮黄度（CIE b）。窄波段植被指数（VIs）在田间条件下对灰霉病严重度进行分类，总体精度（OA）达0.86，Kappa系数（κ）为0.69。机器学习（ML）模型展现出在收获前对受病害影响的籽粒进行分类的潜力。
论文解读文章
一、研究背景与问题
蚕豆（Vicia faba L.）是全球重要的豆类作物，其籽粒含有24%–40%的蛋白质和50%–68%的碳水化合物，是经济实惠的植物蛋白来源。蚕豆在全球种植面积约250万至300万公顷，其中澳大利亚种植约20万公顷，占该国豆类产量的10%–15%。蚕豆籽粒的市场分级主要依据产量、籽粒重量等农艺性状，以及籽粒大小和颜色等品质性状。随着植物基蛋白需求增长，籽粒蛋白质含量已成为豆类作物的重要品质指标。
灰霉病（Botrytis grey mould）是全球蚕豆生产面临的主要真菌病害威胁，在感病品种上可造成高达90%的产量损失。在澳大利亚，灰霉病每年造成约140万澳元的产量损失，外加540万澳元的管理成本。灰霉病在湿度超过75%、温度10–20°C的条件下快速传播，尤其在蚕豆生殖生长早期（开花后至结荚期）危害最为严重，此时植株已完成约85%的生物量和氮素积累。病害侵染植株所有地上部分，从茎基部水浸状灰褐色病斑开始，可向上扩展并环割茎秆，导致枝条腐烂折断。当病害在荚果中期侵入豆荚时，会缩短籽粒灌浆期，导致籽粒皱缩、颜色变暗，并通过抑制贮藏蛋白基因表达而降低籽粒重量和营养价值。
传统的季节内病害评估依赖劳动密集型的目视检查，往往难以早期发现感染或量化已有病害影响，导致显著的产量和品质降级。高光谱遥感技术能够捕获多个连续窄波段的反射率数据，通过植被指数（VIs）识别叶片色素、水分含量和结构完整性的细微变化，为非侵入性检测胁迫响应提供了可能。然而，目前专门针对豆类作物尤其是蚕豆的胁迫影响评估方法仍存在明显空白。现有研究多停留在二元（健康vs.感病）病害检测和常规产量损失预测层面，缺乏将季节内光谱特征与收获后籽粒品质降级相关联的系统方法。
二、研究内容与主要结论
本研究在澳大利亚维多利亚州霍舍姆智慧农场开展，于2021和2022两个生长季对蚕豆灰霉病感染进行多日期监测。研究选取四个具有不同灰霉病抗性背景的蚕豆品种：PBA Bendoc（感病S）、PBA Samira（中感MS）、PBA Amberley（中抗至中感MRMS）和PBA Farah（感病S）。2022年生长季降雨量（465 mm）显著高于2021年（301.2 mm），导致2022年病害压力整体更高。
研究人员采用三步机器学习（ML）分类方法，利用蚕豆冠层高光谱反射率衍生的窄波段植被指数（VIs），实现灰霉病严重度的分级分类。研究的主要目标是：1）识别灰霉病严重度与九项蚕豆籽粒性状之间的关系；2）利用窄波段VIs和ML模型对三种灰霉病严重度等级进行分类；3）比较ML分类性能与训练有素人员的目视评估在评估灰霉病对蚕豆籽粒性状影响方面的效果。
研究得出以下主要结论：灰霉病显著降低了产量相关性状、籽粒大小和种皮红度，同时增加了籽粒蛋白质含量和种皮黄度。窄波段植被指数结合ML模型在田间条件下对灰霉病严重度分类达到0.86的总体精度和0.69的Kappa系数。研究还发现，品种是影响籽粒性状的最显著因素，而杀菌剂处理效应仅在农艺性状（产量、收获指数、籽粒数、单粒重和籽粒大小指数）上表现显著。相关性分析显示，收获指数和单粒重与病害严重度（DS）呈强负相关（r = -0.73至-0.86），而籽粒蛋白质含量与病害严重度在某些品种上呈正相关（r = 0.65）。
三、主要关键技术方法
本研究采用的主要技术方法包括：1）利用点式光谱仪（SVC HR-1024i，350–2500 nm）在正午晴空条件下采集蚕豆冠层高光谱反射率数据，并以标准白板（Spectralon）进行辐射定标；2）在400–1000 nm光谱区域计算67个窄波段植被指数（VIs），并通过方差膨胀因子（VIF）分析去除共线性指数（VIF > 5）；3）采用三步机器学习分类策略，分别使用判别线性分析（DLD）、朴素贝叶斯（NB）和K近邻（K-NN）算法，配合5折交叉验证和贝叶斯优化进行特征选择与超参数调优；4）使用随机森林（RF）模型评估各植被指数对病害检测的贡献度；5）通过留一年验证（LOYO）和留一品种验证（LOVO）检验模型的跨季节和跨品种泛化能力；6）采用线性混合效应模型和主成分分析（PCA）分析处理间籽粒性状差异。
四、研究结果
4.1 病害年度发生情况
2022年病害严重度显著高于2021年，尤其在未施用杀菌剂的处理中。2022年温暖湿润的气候条件（从9月下旬至12月降雨频繁且最高气温急剧上升）创造了有利于病害发展的环境。值得注意的是，2022年杀菌剂处理中部分观测的病害评分甚至高于2021年未施用杀菌剂处理的病害评分，进一步凸显了2022年更炎热湿润季节中强烈的病害压力。
4.2 处理对蚕豆籽粒性状的影响
线性混合效应模型分析显示，品种是影响九项籽粒性状的最显著因素。杀菌剂处理效应仅在农艺性状上表现显著，包括产量、收获指数、籽粒数、单粒重和籽粒大小指数。品种与处理之间几乎不存在显著交互作用，仅蛋白质（p = 0.04）和种皮黄度（p = 0.05）表现出一定的交互效应。相关性分析表明，收获指数和单粒重与病害严重度在所有品种中均呈显著强负相关（r = -0.73至-0.86）。籽粒蛋白质含量与病害严重度在PBA Amberley品种上呈中等正相关（r = 0.65），表明病害越严重，籽粒蛋白质含量越高。
4.3 基于病害严重度等级的籽粒性状主成分分析
主成分分析显示，高灰霉病等级与其他两个等级之间存在明显分离，而无灰霉病与低灰霉病等级之间存在部分重叠。第一主成分（PC 1）解释了总变异的55.7%，第二主成分（PC 2）解释了17.0%。这表明高灰霉病感染对籽粒性状产生显著影响，而低感染阶段在籽粒性状上的表现较难区分。
4.4 机器学习分类性能
三步ML分类方法在区分无灰霉病与所有灰霉病感染样本时表现最佳，总体精度达0.86，Kappa系数为0.69。与标准的直接多类分类方法（SVM、RF、DLD、NB、K-NN及One-vs-Rest策略）相比，三步方法在分类精度上具有优势，尤其是在区分光谱特征高度重叠的无灰霉病与低灰霉病类别时。留一年验证和留一品种验证结果进一步表明，所选植被指数追踪的是品种和季节独立的生理响应，而非特定品种或特定季节的伪影。
4.5 基于模型的病害严重度分类与目视评估的比较
在未见的测试集上，模型预测的病害严重度等级与目视评分之间的对应关系表明，窄波段植被指数能够有效检测蚕豆灰霉病严重度。基于模型分类的籽粒性状差异分析与基于目视评分的分析结果总体一致，验证了高光谱遥感作为传统目视评估替代方法的可行性。
五、讨论与结论
本研究表明，窄波段植被指数结合三步机器学习分类方法能够有效检测和分级蚕豆灰霉病严重度，并将季节内光谱特征与收获后籽粒品质降级相关联。研究中筛选出的特定结构和色素基窄波段VIs能够追踪并生理学解释田间条件下病害的季节内进展过程。品种间相关性分析的差异反映了不同抗性背景品种对病害响应的多样性，其中中抗至中感品种PBA Amberley在病害胁迫下表现出相对较轻的产量和品质损失。
研究结论部分指出，灰霉病对蚕豆籽粒产量和品质产生显著影响，具体表现为降低产量相关性状、籽粒大小和种皮红度，同时增加籽粒蛋白质含量和种皮黄度。窄波段植被指数结合机器学习模型在田间条件下能够以0.86的总体精度和0.69的Kappa系数分类灰霉病严重度，展现出在收获前对受病害影响籽粒进行分类的潜力。这一方法为大规模农业生产中及时评估病害影响和预测籽粒品质提供了实用途径，弥补了豆类作物特别是蚕豆在遥感病害评估领域的方法空白。
