1. 引言
由生物营养型病原体引起的植物病害，如白粉病（PM）和霜霉病（DM），常在叶片上形成白色症状，造成严重的经济损失。高光谱成像（HSI）技术已被证明能够检测和识别具有不同症状的各种病害。然而，对于由不同病原体引起的外观相似的白色症状，HSI是否具备区分能力尚不明确。本研究旨在探究HSI在受控条件下，区分葡萄霜霉病、苹果/葡萄白粉病以及苹果白色疮痂病（由苹果黑星病菌的非黑化突变体引起）的潜力。研究的核心是比较病斑组织与同一叶片健康组织的光谱差异，而非跨叶片平均的病害特异性光谱，以消除叶片、植物、基因型和物种间在物理结构和化学成分上的显著差异。
2. 材料与方法
2.1. 植物材料
使用苹果（品种‘Cripps Pink’）和葡萄（品种‘Mueller-Thurgau’）的幼苗或植株，在受控生长室或温室中培养。这两个品种分别对相应的病害具有中高度感病性。
2.2. 病原体与接种
使用四种病原体：引起葡萄霜霉病的 Plasmopara viticola 、引起苹果白粉病的 Podosphaera leucotricha 、引起葡萄白粉病的 Erysiphe necator 以及引起苹果白色疮痂病的 Venturia inaequalis 非黑化突变体SW01。通过喷洒孢子悬浮液或抖落孢子的方式进行接种，并在特定湿度条件下诱导发病。
2.3. 高光谱成像采集
研究在两个尺度上进行成像：
• 叶片尺度（宏观） ：使用推扫式高光谱线扫描仪（400-1000 nm），工作距离0.30-0.40 m，空间分辨率约0.12 mm/像素。叶片被固定在黑色网格上以获得平整表面。
• 组织尺度（微观） ：将相同的高光谱扫描仪安装在立体显微镜上，工作距离100 mm，放大倍数3.6倍，空间分辨率达6.3 µm/像素，可用于观察单个病斑细节。
数据采集前进行仪器预热，并拍摄白色参考板、暗电流及目标图像，以计算反射率。
2.4. 高光谱数据处理
原始数据在ENVI/IDL软件中进行预处理，转换为反射率图像，并应用Savitzky–Golay滤波器平滑光谱。
• 差异光谱与反射率比值 ：为消除植物本底差异，计算了“病斑-健康”的差异光谱（Rsymptom − Rhealthy ）和反射率比值（Rsymptom /Rhealthy ）。
• 光谱植被指数 ：计算了包括归一化差异植被指数（NDVI）、光合反射指数（PRI）、三角绿度指数（TGI）、红边拐点（REIP）以及归一化差异水分指数（NDWI970 = (R900 − R970 )/(R900 + R970 )）在内的多种指数。本文还引入了“平均亮度”和“近红外半增量”两个指标来量化白色症状导致的整体反射率增加及可见光与近红外区增加的差异。
• 光谱角制图分类 ：使用光谱角制图（SAM）算法进行监督分类。该算法计算图像每个像素光谱与光谱库中参考光谱之间的“光谱角”，角度越小相似度越高，从而将像素归类到预定义的类别（如健康组织、不同密度的病斑）。
3. 结果
3.1. 白色病害在叶片与组织尺度的光谱特征
健康苹果叶与葡萄叶的光谱，以及叶片正面与反面的光谱均存在显著差异。所有三种白色病害（DM, PM, WS）均在400-1000 nm范围内显著增加了叶片反射率，且在组织尺度上的增加效应更为明显。尽管相似，不同病害的光谱特征存在显著差异。例如，霜霉病在近红外区的反射率增加尤为强烈；而白粉病和疮痂病则在绿光波段（520–570 nm）造成更明显的反射率“凹陷”，其中疮痂病对光谱差异和比值的影响最大。计算的光谱指数（如NDVI、平均亮度）也证实了这些差异，白色疮痂病增加平均亮度、降低近红外半增量的效应强于白粉病。
3.2. 基于SAM的白色病害分类
SAM分类结果表明，使用病害自身的光谱库能很好地区分稀疏和稠密的病斑。然而，将一个病害的光谱库应用于其他病害时，分类效果显著下降。例如，苹果白粉病的光谱库无法有效识别葡萄霜霉病的健康组织。这表明白色病害的光谱特征相似但有显著区别，且难以在不同植物物种间直接通用。在组织尺度上，所有光谱库都能识别稠密病斑，但对稀疏病斑和健康组织的检测效果较差。
3.3. 不同植物物种上白粉病的比较
苹果和葡萄上白粉病的光谱特征存在差异。二者健康叶片的光谱本就不同，且白粉病对可见光区反射率的增加效应在苹果上比在葡萄上更明显。使用另一物种的白粉病光谱库进行分类时，结果不佳，凸显了寄主植物本身对病害光谱特征的强烈影响。
3.4. 病害强度的影响
病害强度（单位叶面积的病原生物量）显著影响光谱特征。从稀疏到稠密的病斑，其反射率增加效应逐渐增强，对NDVI、平均亮度等指数的影响也越大。SAM分类能够区分不同强度的病斑，表明近感测可用于量化病原生物量。
3.5. 叶片正反面对病害光谱特征的影响——以葡萄霜霉病为例
Plasmopara viticola 可在叶片正面（具有退化气孔）和反面形成孢囊梗。研究表明，健康组织的近红外反射率和NDVI在叶片正面更高。孢囊梗的存在会增加反面在整个光谱范围内的反射率，但仅增加正面在可见光区的反射率。病斑和下方健康组织的光谱在正反面间均存在差异。
3.6. 光学焦点与病原结构完整性对光谱特征的影响
在组织尺度上，对焦平面（叶片表面 vs. 病原孢子囊）会影响获取的光谱，尤其是在可见光区，但对叶片正面与反面的光谱差异影响相对较小。机械损伤（挤压）会破坏 P. viticola 的孢囊梗和孢子囊，使其光谱特征介于健康组织与完整孢子囊之间，无法再被有效区分，突出了病原结构完整性对准确评估的重要性。
3.7. 叶片水分模式
在叶片尺度，通过NDWI970 评估水分空间模式发现，白色苹果疮痂病斑与叶片水分含量的局部显著降低相关；霜霉病轻微降低了染病组织的水分含量；而白粉病则无明显影响。这提供了通过感知病害对寄主代谢的影响来辅助区分相似症状的额外信息。970水分空间模式。">
4. 讨论
白色病害症状增加了叶片在整个400-1000 nm范围内的反射率。HSI能够区分受植物物种、病害强度和叶片正反面影响的病害特异性光谱特征。然而，植物物种间、叶片正反面间的光谱差异很大，这限制了光谱特征或参考光谱在不同作物物种间的通用性。计算“病斑-健康”的差异光谱和比值可以消除部分寄主本底影响。本研究引入的平均亮度和近红外半增量等指数有助于量化白色症状的影响。SAM分类证实了PM、DM和WS光谱的相似性与差异性，并表明使用多个参考光谱（对应不同发病阶段）可以提高分类效果。病害强度直接影响光谱特征，不存在适用于特定病害所有阶段的唯一“光谱指纹”。叶片正反面的光谱差异大于成像尺度（叶片vs.组织）带来的差异。孢子囊的对焦水平影响较小，但病原结构的机械损伤会严重干扰光谱评估。通过NDWI970 感知的病害对叶片水分模式的影响，为区分症状相似的病害提供了有价值的补充信息。症状的尺寸和形状多変，其纹理信息对区分白色病害帮助有限，但在微观尺度识别 P. viticola 的孢囊梗是例外。
5. 结论
在标准化实验条件下，高光谱传感器能够获取适合区分透明病原体结构的白色症状光谱特征，并能展示病害强度的差异。人眼仅感知三个宽波段（R、G、B），而高光谱传感器可检测数百个窄波段，因此技术传感器可以区分人眼看来相同的“白色”。由于叶片的光谱特征因植物物种、叶片正反面及叶片平面内的位置而异，参考光谱在不同数据集间的迁移转化困难，这限制了对表征植物-病原体互作的病害光谱特征进行普遍化概括。地表病原结构对叶片光谱特征的影响取决于成像尺度，并限制了不同应用平台间光谱信息的转化。在叶片尺度，对焦水平的影响较小，但在组织尺度可能因表面粗糙度或较大病原结构（如孢囊梗）的存在而成为问题。样本处理损伤病斑后的反射光谱表明，病原体结构和症状的完整性对于有效评估植物健康状态远比想象中重要。不同病害的症状可能非常相似，但它们对寄主代谢的影响可能不同（如白色疮痂病和霜霉病对叶片水分空间分布的影响相反）。感知病害诱导的代谢变化，提供了支持区分原发病斑的宝贵附加信息。同样，通过添加NDWI970 评估的叶片水分信息（在记录系统可用且合理的情况下），可以避免将较浅的叶脉误分类为白色病害症状。
打赏
