水稻作為一種常見的糧食作物，在中國有著悠久的種植歷史，種植地在南北方皆有分布。為了在有限的耕地上養(yǎng)活日益增長的人口，科學家們一直在不斷探索，減少病害，提高稻米產量。
稻瘟病被稱為“水稻癌癥”，廣泛分布于世界各稻區(qū)，而且有可能發(fā)病于水稻的各生育期，是一種毀滅性的真菌病害，全球每年因稻瘟病造成的產量損失達數千萬噸，威脅著全球的糧食安全。
江蘇省農業(yè)生產條件得天獨厚,素有“魚米之鄉(xiāng)”的美譽，作為我國水稻種植大省，早在古代就流傳著“蘇湖熟，天下足”的諺語，現如今也是我國南方最大的粳稻生產省份。
來自南京農業(yè)大學的一組研究團隊，在2018-2021年在江蘇省對稻瘟病的檢測展開了相關研究。
稻瘟?。≧B，由稻瘟病原菌引起）是全球水稻生產中最具破壞性的疾病，其可造成重大產量損失，并日益威脅著全球糧食安全，且這一問題在<2公頃的亞洲小農系統(tǒng)中更加嚴重。
據統(tǒng)計，稻瘟病侵染每年引起的水稻產量損失能夠養(yǎng)活全球6000萬人。因此，用通用指標準確檢測稻瘟病的發(fā)生對于早期病害預防和蔓延控制至關重要，但迄今尚未得到解決，且改善這種病害的早期預警在大多數亞洲小農戶田塊的可行性和準確性仍未得到充分實現。現有的檢測RB發(fā)生的方法主要依賴于經驗豐富的專業(yè)人員的目視檢查，這需要較高的時間和勞動成本。
最近，已證明反射光譜在揭示多空間尺度上由病原體侵染引起的復雜生理和光譜變化方面，以及在早期階段檢測癥狀方面具有巨大潛力，然而，是否可以開發(fā)一種多空間尺度上RB檢測的通用方法仍然知之甚少，利用衛(wèi)星圖像揭示小農戶田塊稻瘟病擴散潛在熱點的研究報道有限。且現存的病害檢測模型大多忽略了空間相關性，在表征病原體侵染的時間動態(tài)方面缺少合理性。
基于此，在本研究中，來自南京農業(yè)大學的一組研究團隊在2018-2021年以中國東部的江蘇省3個地點（以水稻和冬小麥輪作種植為特征的農業(yè)平原地區(qū)）為例，進行了7個實驗，開展室內接種侵染試驗、田間自然侵染試驗、及實地調查測量，使用ASD FieldSpec 4 Hi-Res光譜儀測量感染及健康樣品葉片和冠層的光譜反射率?；趯崪y的高光譜數據和哨兵-2圖像數據，結合線性判別分析（LDA）、簡單線性回歸及熱點分析，確定兩年（2018年和2019年）中單波段對健康和感染葉片的可分性、構建稻瘟病敏感植被指數（RIBI）、建立回歸模型以評估RIBI在不同尺度對稻瘟病發(fā)生的識別精度和對病情指數（DI）的估算能力、及進行RB的時空動態(tài)監(jiān)測。
研究區(qū)和采樣位置；彩色方塊表示采樣點的位置；彩色圓點表示現場采樣點
本研究方法流程圖
水稻葉片(A)和冠層(B)反射率對病原菌侵染的響應。
(A)表示接種后不同天數收集的健康葉片和RB感染葉片的平均反射率（DAIs），(B)在400-2400nm范圍內顯示水稻近冠層反射率
【結果】
在近地冠層尺度上RIBI（A：RIBInir，B：RIBIred）與DI之間的關系散點圖
(A) 基于哨兵-2A數據的健康水稻和具有不同病害指數（DI）的感染植株的冠層光譜特征。
(B)DI與RIBInir（來自哨兵-2A的664.6 nm、782.8 nm和1614 nm波段）的關系散點圖。
2020年不同天數（DOY）受侵染（橙色）和健康（綠色）水稻植株之間的RIBInir（a，c）和NDVI（b，d）的雨云圖，位于兩個地點（第一行：Tangcao，第二行：Taiping）。
基于哨兵-2A衛(wèi)星圖像檢測到的小農戶田塊潛在的RB擴散趨勢的熱點圖
【結論】
本研究構建了兩種RIBI，即RIBInir =（R753-R1102）/（R665+R1102）和RIBIred =（R753-R1102）/（R665+R1102），用于健康和受感染葉片的分類和疾病指數的冠層尺度量化。葉片尺度測量結果表明，在2018年、2019年及2020年田間條件下，RIBInir和RIBIred在溫室條件下對感染和健康樣本分類的總體準確性較高(2018：RIBInir: 81.41%;RIBIred:84.62%，2019：RIBInir:81.30%;RIBIred:90.37%，2020：RIBInir:86.36%;RIBIred:89.39%)。RIBIred對兩年內RB發(fā)生和RB感染發(fā)作的檢測具有較高的敏感性和特異性。
此外，在多尺度評估了DI-RIBInir關系。與傳統(tǒng)的VIs（近地：R2<0.47，衛(wèi)星：R2<0.54）相比，所提出的RIBInir與地面光譜（R2=0.73）和哨兵-2A圖像（R2=0.78）的DI的相關性更顯著，更強的DI-RIBInir關系歸因于使用了兩個近紅外（NIR）波段，這有助于增強由病原體侵染誘導的NIR區(qū)域的獨特光譜響應，與廣泛研究的可見區(qū)域相反。多時間分析結果表明，衛(wèi)星衍生的RIBInir（R2=0.78）與DI的相關性始終強于傳統(tǒng)VIs（R2<0.54），并成功捕獲RB侵染和恢復的時間動態(tài)。另外，RIBInir和熱點分析的結合成功地捕捉到了小農戶田塊潛在的稻瘟病擴散的田內熱點。
總之，本研究擴展了葉片對RB的光譜響應，為星載探測RB的發(fā)生提供了有希望的結果。且這些結果支持使用RIBInir和公開可獲得的衛(wèi)星圖像來跟蹤區(qū)域病原體侵染情況，并促進亞洲小農農場關于病害控制和干預的決策，為量化野外病害發(fā)生和檢測潛在熱點提供新的機遇。
請點擊下方鏈接，閱讀原文：
https://mp.weixin.qq.com/s/jIEecRUHM9ch01bHfKkHkw