《International Journal of Applied Earth Observation and Geoinformation》：Early detection of rice bacterial leaf blight disease using canopy hyperspectral data and machine learning
编辑推荐：
研究人员在可控田间条件下考察了水稻冠层受Xanthomonas oryzae pv. oryzae (Xoo)侵染引起的细菌性叶枯病(BLB)光谱特征变异，评估了一阶微分(FD)、二阶微分(SD)、连续统去除(CR)与连续小波变换(CWT)等光谱变换对识别BL
研究人员在可控田间条件下考察了水稻冠层受Xanthomonas oryzae pv. oryzae (Xoo)侵染引起的细菌性叶枯病(BLB)光谱特征变异，评估了一阶微分(FD)、二阶微分(SD)、连续统去除(CR)与连续小波变换(CWT)等光谱变换对识别BLB敏感波段的作用，并建立基于层次聚类的超光谱特征降维流程。以感病品种IR24为材料，于茎伸长期和孕穗期获取350–2500 nm冠层反射率及相对叶绿素含量(SPAD)、叶面积指数(LAI)等生物物理生化参数。研究人员采用阈值可分离性检验筛选Top 5%特征，经层次聚类与方差膨胀因子(VIF)过滤冗余，最终以支持向量机(SVM)、随机森林(RF)与极端梯度提升(XGBoost)构建分类模型。结果表明，BLB感染致可见光与短波红外(SWIR)反射率升高、近红外(NIR)降低；SVM模型在年轻稻株冠层早诊中总体精度达64.4%、F1分数72.7%、召回率97.8%，优于RF与XGBoost；1076 nm一阶微分特征贡献最大。该研究证实冠层高光谱传感可在发病前抽穗期捕获早期病害光谱变化，为水稻病害早期监测向无人机/卫星尺度扩展提供实证。
研究背景与立项依据
水稻细菌性叶枯病(BLB)由Xanthomonas oryzae pv. oryzae (Xoo)引起，在热带集约化稻区可造成60%–75%产量损失，化学与农艺防控在侵染初期最有效，因此无症状与早期症状阶段的早期检测至关重要。既往高光谱遥感对BLB的评价多停留在叶片尺度（苗期至孕穗期）或以抽穗后冠层为主， vegetational生长前期冠层尺度（茎伸长至孕穗前）的BLB光谱机理与可分辨性长期缺位；同时已有研究多仅用SPAD间接代指严重度，未系统联用生物物理生化参数与多类光谱变换，亦缺乏SVM、RF、XGBoost在小样本非成像冠层高光谱下的比较。研究人员据此在IRRI泽格勒试验站开展田间接种试验，填补“抽穗前年轻稻冠层BLB早诊”这一空白，成果发表于《International Journal of Applied Earth Observation and Geoinformation》。
主要关键技术方法
研究人员选用感病品种IR24于菲律宾IRRI Zeigler Experiment Station (ZES) 2023湿季播种，设健康对照与叶剪接种Xoo处理，在Field A（茎伸长+孕穗）与Field B（仅茎伸长）以0.5 m×0.5 m样方采集180个茎伸长样本与90个孕穗独立测试样本。冠层反射率由FieldSpec 4 Hi-Res地物光谱仪在350–2500 nm获取，剔除大气水吸收段后保留1671波段，经Savitzky–Golay平滑；同步测SPAD、LAI、株高、地上鲜/干生物量、含水量及C/H/N/S元素。光谱经FD、SD、CR、Mexican Hat小波CWT(scale 3–8)变换；以阈值法选Top 5%可分离特征→Ward层次聚类（Spearman距离，阈0.7）→VIF>10迭代剔除；以SVM/RF/XGBoost建模，贝叶斯优化调参，五折交叉验证训练，孕穗集独立测试，并设独立标准化对照域偏移。
研究结果
3.1 健康与病株生物物理生化参数统计检验
茎伸长期病株SPAD（p<0.001）、LAI（p<0.01）、地上鲜生物量AGFB（p<0.05）显著低于健康株，株高、干生物量、含水量、C/H/N/S无显著差异；说明BLB早期以叶绿素降解与冠层结构稀疏化为主信号。
3.2 原始冠层光谱变异
病株可见光与SWIR反射率升高、NIR降低；可见光区相对变化率更突出，病株组内标准差大于健康株，印证色素与结构协同扰动。
3.3 原始与变换光谱显著性检验
原始谱显著带集中于350–709 nm与2031–2035 nm；CR在可见光–NIR揭示更多一致显著带，FD/SD/CWT解锁NIR与SWIR隐含吸收特征。
3.4 可分离性评估
阈值分类Top 5%（1002特征）OA>60%，高频敏感区位于蓝、红及CR后958–998 nm NIR；蓝光边（如394 nm FD、415 nm CWT4）分离力突出。
3.5 特征降维与模型性能
1002→聚类153→VIF剩89→取前40入池。同尺度标准化下SVM(20特征)测试OA 63.3%、F1 72.7%、召回97.8%居首；SVM(10特征)OA 64.4%；RF与XGBoost测试OA≤58.9%。最高贡献特征为1076 nm FD（分离OA 72%）。高召回伴随特异性偏低（健康株被误判病株多），反映早诊以漏检成本为代价。
3.6 辅助域偏移研究
训练/测试独立标准化使RF(15特征)测试OA升至70.0%、特异性75.6%，但F1降至68.2%；说明生育期转移带来分布偏移，独立标准化缓解全局差异却弱化病征识别，早诊场景不宜单凭OA取舍。
讨论与结论翻译
研究人员指出，BLB作为维管病害致叶绿素降解、LAI与鲜生物量下降，蓝光边（~394 nm FD、~415 nm CWT4）与红边（738 nm SD）、NIR（1076 nm FD、954 nm SD）及CR后958–998 nm为最敏感区；SWIR变化虽未获元素/水分测量显著支撑，但波段本身具水分与生化吸收物理意义。CR增强NIR吸收轮廓、FD抑噪并锐化邻带斜率，故SVM特征集中FD占6/20。层次聚类前置+VIF后置在保留波长级可解释性下平衡了冗余与多重共线性。SVM同尺度下高召回源于边界机理性对小样本高维谱稳健，RF对独立标准化更鲁棒；早诊应优先召回而非OA。研究结论：抽穗前年轻水稻冠层高光谱可捕获BLB轻度（严重度<15%）感染的光谱位移，多变换联合+SVM流程优于RF/XGBoost，为稻田早期病害监测向无人机/航空/卫星尺度迁移提供可解释特征基线与方法学范式。
