高光谱成像技术在苹果与葡萄白化叶部病害光谱鉴别与病原结构识别中的应用研究

《Plants》：Comparative Organellar Genomics of Pellidae: Insights into Codon Usage, Nucleotide Diversity, and Structural Evolution Wiktoria Czochór, Kamil Koczwara, Natan Pupek, Piotr Górski, Joanna Szablińska, Jakub Sawicki and Monika Szczecińska

为探究高光谱成像（HSI）技术在区分具有相似“白化”症状的叶部病害（如白粉病、霜霉病和白化苹果黑星病）方面的潜力，研究人员在受控条件下，利用叶面和微观组织两个尺度的高光谱成像系统，比较了苹果和葡萄叶上由不同病原体引起的病害症状。研究发现，尽管症状在人眼看来相似，但高光谱传感器可检测到其光谱特征的显著差异，且微观尺度下差异更明显。该研究为基于光谱信息的植物病害精准检测与鉴别提供了重要的理论依据和技术参考。

　　

想象一下，在果园中，苹果和葡萄的叶片上出现了一片片白色的斑块。对于种植者和植保专家来说，这可能是由白粉病、霜霉病或黑星病等多种不同病原体引起的。尽管它们在人眼看来都是“白色”的症状，但背后的“元凶”各不相同，防治策略也大相径庭。传统的目视诊断不仅依赖经验，且易受主观影响，难以精确区分这些外观相似的病害。那么，有没有一种更科学、更精准的“火眼金睛”，能够透过表象，识别出不同病害独特的光谱“指纹”呢？这正是发表于《Plants》上的这项研究所要解决的核心问题。

植物病害，特别是由专性寄生菌引起的白化症状病害，是农业生产中的重大威胁。然而，这些症状主要由病原体自身的无色（透明）结构（如菌丝、分生孢子、孢子囊等）形成，而非寄主组织坏死，这给基于症状颜色的传统视觉或普通成像诊断带来了巨大挑战。高光谱成像（Hyperspectral Imaging, HSI）技术能够捕捉物体在数百个连续窄波段下的反射光谱，为探测物体细微的物理和化学特性差异提供了可能。先前研究已证明HSI能有效检测和区分具有不同颜色症状的病害，但对于光谱特征可能高度相似的白化病害，其鉴别能力尚不明确。因此，本研究旨在探究在受控条件下，利用HSI（400-1000 nm）是否能够有效区分葡萄霜霉病、苹果/葡萄白粉病以及苹果白化黑星病这三种外观相似的白化叶部病害，并深入分析影响鉴别效果的关键因素，如寄主植物种类、叶片正反面、症状强度及病原体结构完整性等。

为开展此项研究，作者团队主要运用了以下几个关键技术方法：

1. 1.
   受控条件下的病原接种与症状培养：使用苹果品种‘Cripps Pink’和葡萄品种‘Mueller-Thurgau’的盆栽植株，在生长室或温室中培养。分别接种相应的病原体：苹果白化黑星病菌（Venturia inaequalis 非黑色素突变体SW01）、苹果白粉病菌（Podosphaera leucotricha）、葡萄白粉病菌（Erysiphe necator）和葡萄霜霉病菌（Plasmopara viticola），并在特定湿度条件下诱导典型症状产生。
2. 2.
   多尺度高光谱图像采集：搭建了两套高光谱成像系统。在叶片尺度（宏观），使用推扫式高光谱线扫描相机，工作距离0.3-0.4米，空间分辨率约0.11-0.13 mm/像素，获取整叶症状的光谱信息。在组织尺度（微观），将高光谱相机安装在体视显微镜上，工作距离100毫米，放大倍数3.6倍，空间分辨率达6.3 μm/像素，用于获取单个病害症状部位的高分辨率光谱数据。
3. 3.
   高光谱数据处理与分析：对获取的原始反射率数据进行预处理（如反射率转换、萨维茨基-戈莱滤波平滑）。核心分析方法包括计算差异光谱（R_症状? R_健康）和光谱比率（R_症状/R_健康），以消除寄主本底差异；计算多种光谱植被指数，如归一化差异植被指数（NDVI）、平均亮度、近红外半程增量、归一化差异水分指数（NDWI₉₇₀）等，量化病害对叶片光谱特性的影响；采用光谱角制图（Spectral Angle Mapper, SAM）算法进行监督分类，通过比较像素光谱与预先建立的病害光谱库参考光谱之间的角度相似性，来评估和可视化不同病害症状的光谱可分性。

研究结果

1. 白化病害在叶片与组织尺度的光谱特征

研究表明，白粉病、霜霉病和白化黑星病均导致叶片在400-1000 nm全波段范围内的反射率显著增加。通过差异光谱和光谱比率分析发现，尽管三种病害的光谱响应模式相似，但仍存在统计学上的显著差异。例如，霜霉病在近红外（NIR）波段引起的反射率增加尤为强烈，而白粉病和黑星病则在绿光波段（520-570 nm）造成更明显的反射率下降（低谷）。所有病害对光谱特征的影响在组织尺度（微观）均比在叶片尺度（宏观）更为显著。计算的光谱植被指数（如NDVI、平均亮度、近红外半程增量）也证实了病害间的差异，其中白化黑星病在增加平均亮度的同时，对近红外与可见光反射率之差的降低作用最强。

2. 基于SAM的白化病害症状分类

利用SAM算法，将针对一种病害建立的光谱库应用于其他病害症状的分类时，效果显著下降。例如，用苹果白化黑星病的光谱库无法识别葡萄霜霉病，用葡萄霜霉病的光谱库难以检测稀疏的苹果白粉病症状。这表明白化病害间虽相似，但光谱特征存在显著差异，且这种差异是特异性的。然而，在组织尺度上，所有病害的光谱库都能较好地识别出密集的病害症状，表明更高空间分辨率提升了对病原体结构细节的捕捉能力，从而改善了病害间的光谱可分性。

3. 不同寄主上白粉病的光谱比较

即使是同一种病害（白粉病），发生在不同寄主（苹果 vs. 葡萄）上，其光谱特征也存在显著差异。这种差异主要源于健康叶片本身光谱特性的不同（例如葡萄叶在近红外的反射率普遍高于苹果叶）。SAM分类结果显示，使用来自另一种寄主植物的白粉病光谱库进行分类时，效果不佳，会出现误将稀疏病斑判为健康或将健康组织判为病斑的情况。

4. 病害强度对光谱特征的影响

病害强度（即单位叶面积上病原体生物量）显著影响光谱特征。从稀疏到密集的症状，反射率的增加幅度随之增大，对NDVI、平均亮度等指数的影响也更明显。SAM分类能够区分同一病害不同强度的症状区域，表明高光谱成像有潜力用于量化病害严重程度。

5. 叶片正反面（叶面）对病害光谱特征的影响——以葡萄霜霉病为例

由于葡萄霜霉病菌（P. viticola）主要通过气孔（主要分布在叶背）伸出孢子囊梗，研究表明，病害症状在叶背和叶正面（存在退化气孔时）出现时，其光谱特征受叶面本身光谱差异的影响很大。健康组织在叶正面的近红外反射率和NDVI值通常更高。病原结构的存在虽然都会增加反射率，但在叶背增加全波段，在叶正面主要增加可见光波段反射率。

6. 光学焦距与病原体结构完整性对光谱特征的影响

在组织尺度成像时，对焦平面（叶表面 vs. 突出叶面的孢子囊）会影响获取的光谱，尤其是健康组织的光谱。更重要的是，机械损伤（如挤压）会破坏霜霉病的孢子囊梗结构，导致其光谱特征发生改变，变得介于健康组织和完整病原结构之间，从而干扰病害的准确检测和分类。

7. 健康与感病叶片的NDWI图像

通过计算归一化差异水分指数（NDWI₉₇₀）发现，苹果白化黑星病病斑会导致叶片水分含量局部显著降低，霜霉病有轻微降低趋势，而白粉病则无明显影响。这表明，除症状本身的光谱外，病害对寄主生理状态（如水分）的影响可作为区分相似白化病害的补充信息。

研究结论与意义

本研究系统论证了高光谱成像技术在受控条件下区分外观相似的植物白化叶部病害方面的可行性与局限性。主要结论如下：

1. 1.
   光谱可区分性：尽管白粉病、霜霉病和白化黑星病在人眼看来均为白色症状，但它们在400-1000 nm光谱范围内具有显著不同的光谱“指纹”，高光谱成像能够实现对这些病害的光谱分离。这证实了“并非所有白色都一样”的技术洞察。
2. 2.
   尺度优势：在组织尺度（微观、高空间分辨率）下，病害症状的光谱差异比在叶片尺度下更为明显，有利于更精细地区分病原体结构。
3. 3.
   影响因素复杂：病害的光谱特征受到多种因素的显著影响，包括寄主植物种类、叶片正反面、病害强度（病原生物量）以及病原体结构的完整性。这些因素导致针对特定条件建立的光谱库或模型难以直接推广到其他寄主、品种或环境条件。
4. 4.
   鉴别辅助信息：除了症状本身的光谱，病害对寄主生理代谢的影响（如白化黑星病引起的叶片水分含量局部降低）可以作为重要的辅助鉴别指标。
5. 5.
   技术局限性：在微观尺度下，成像系统的对焦问题和样本处理过程中可能造成的病原结构机械损伤，会显著影响光谱信息的准确性和病害评估效果。

本研究的意义在于，它不仅展示了高光谱成像作为一种强大工具在植物病害精准诊断中的潜力，更重要的是，它深入剖析了在实际应用中将光谱信息转化为可靠诊断结果所必须考虑的生物和物理复杂性。研究结果提示，未来开发基于高光谱的病害自动监测系统时，需要构建针对特定寄主-病原体系、并考虑叶片方位和症状发育阶段的精细化光谱库或模型。同时，结合反映寄主生理状态的光谱指数（如水分指数），有望进一步提高对相似病害的鉴别准确率。这项研究为迈向更智能、更精准的植物健康管理提供了重要的理论基础和实践指引。