近日，農(nóng)學院智慧農(nóng)業(yè)創(chuàng)新團隊聯(lián)合美國加利福尼亞大學戴維斯分校（University of California, Davis）和澳大利亞墨爾本大學（The University of Melbourne）團隊在國際頂級遙感期刊Remote Sensing of Environment發(fā)表了題為“Visualizing the pre-visual: Rice blast infection signals revealed”的Short Communication論文，報道了團隊在無癥狀期稻瘟病信號探測及潛在病斑遙感監(jiān)測方面的重要進展。

 

　　稻瘟病（由稻瘟病菌Magnaporthe oryzae引起）是威脅全球水稻生產(chǎn)的最具破壞性的真菌病害。稻瘟病暴發(fā)每年可致使全球10%-30%水稻產(chǎn)量損失，對全球糧食安全造成巨大危害。目前主要依靠植保人員通過田間調查對稻葉瘟發(fā)病情況進行統(tǒng)計，不僅費時費力，而且在一定程度上會影響病情監(jiān)測的及時性和準確性。雖然近年來國內(nèi)外學者在基于成像光譜技術的葉片病斑識別及病情嚴重度估算方面取得了一些進展，但大部分研究側重于病斑顯現(xiàn)后的發(fā)病階段，仍然存在無癥狀期病害信號探測難、早期監(jiān)測精度低等問題，聚焦病害特異光譜響應并實現(xiàn)感病信號有效分離的研究明顯缺乏。因此，運用先進遙感技術提取稻瘟病早期階段的微弱光譜信號，并對潛在病斑進行可視化，對于解析病菌侵染引起的光譜響應規(guī)律，揭示病菌侵染信號的時空傳播動態(tài)特征至關重要。

 

　　該研究針對無癥狀期稻瘟病光譜信號微弱、病斑擴散速度快等問題，提出了一套基于近端成像光譜平臺的無癥狀期病害信號純化及可視化方法MESPOT。該方法將稻瘟病菌侵染程度的加深視為葉片感病組織光譜信號豐度逐漸升高的過程，基于時序近端成像光譜數(shù)據(jù)和多端元光譜解混方法，成功捕捉到無癥狀期的微弱病害光譜信號，進一步借助于空間熱點分析方法，率先實現(xiàn)了潛在病斑的可視化及無癥狀期感病葉片的高精度分類。研究結果表明，運用MESPOT可在病斑顯癥前3天準確識別出葉片表面潛在病斑，基于其他稻瘟病敏感參數(shù)提取的潛在病斑與可見病斑對齊度較低；MESPOT顯著提升了無癥狀期感病葉片分類精度（93%），遠優(yōu)于基于RGB圖像的人工識別精度（78%）。在不考慮病害侵染所致葉內(nèi)理化參數(shù)復雜變異的情況下，通過對感病信號的光譜純化與空間聚合，首次實現(xiàn)了稻瘟病無癥狀期潛在病斑的可視化。本研究創(chuàng)新性提出的潛在病斑可視化方法，與前人基于RGB或多光譜影像的病斑識別方法存在本質區(qū)別，是病斑溯源與早期識別方面的技術突破，對于作物病害早期監(jiān)測預警、抗病表型高通量解析與抗病品種選育具有重要價值。

 

　　該研究由南京農(nóng)業(yè)大學國家信息農(nóng)業(yè)工程技術中心聯(lián)合加利福尼亞大學戴維斯分校、墨爾本大學團隊完成，農(nóng)學院2023屆博士畢業(yè)生、加利福尼亞大學戴維斯分校博士后田龍為論文第一作者，我校程濤教授、朱艷教授為共同通訊作者。國際合作者包括加利福尼亞大學戴維斯分校著名植被遙感專家Susan L. Ustin、Yufang Jin，墨爾本大學定量遙感實驗室主任Pablo J.Zarco Tejada教授。智慧農(nóng)業(yè)創(chuàng)新團隊在國家自然科學基金等項目、現(xiàn)代作物生產(chǎn)省部共建協(xié)同創(chuàng)新中心等平臺的資助下，瞄準作物病蟲害高時效高精度監(jiān)測預警難題，持續(xù)開展了多年溫室與田間試驗，近五年連續(xù)在Remote Sensing of Environment上發(fā)表多項稻葉瘟光譜監(jiān)測機理與方法方面的創(chuàng)新成果，對于作物病蟲害天空地一體化監(jiān)測預警與作物綠色智慧生產(chǎn)具有重要價值。

 

　　論文鏈接：

 

　　https://doi.org/10.1016/j.rse.2025.114905

 

　　2023年多尺度稻瘟病遙感監(jiān)測論文鏈接：

 

　　https://doi.org/10.1016/j.rse.2022.113384

 

　　2021年葉片尺度稻葉瘟非成像光譜早期監(jiān)測論文鏈接：

 

　　https://doi.org/10.1016/j.rse.2021.112350