近日，農(nóng)學(xué)院智慧農(nóng)業(yè)創(chuàng)新團(tuán)隊(duì)聯(lián)合澳大利亞墨爾本大學(xué)（The University of Melbourne）團(tuán)隊(duì)在國(guó)際頂級(jí)遙感期刊Remote Sensing of Environment發(fā)表了題為“Mitigating the phenological influence on spectroscopic quantification of rice blast disease severity with extended PROSAIL simulations”的研究論文，報(bào)道了團(tuán)隊(duì)在稻瘟病嚴(yán)重度光譜監(jiān)測(cè)機(jī)理與方法方面的重要進(jìn)展。

稻瘟?。?/span>Rice blast, RB）是一種極具毀滅性的真菌病害，可在全球范圍內(nèi)造成嚴(yán)重的水稻減產(chǎn)。目前，病害調(diào)查主要依賴(lài)人工巡田和隨機(jī)抽樣，其時(shí)效性與準(zhǔn)確性均存在一定局限。近年來(lái)，國(guó)內(nèi)外研究已證實(shí)了遙感技術(shù)在病情嚴(yán)重度估算中的應(yīng)用潛力。然而，水稻物候變化所引起的光譜變異與病害侵染導(dǎo)致的光譜響應(yīng)高度混雜，這種物候異質(zhì)性對(duì)病害敏感光譜特征的穩(wěn)健性產(chǎn)生顯著影響，進(jìn)而導(dǎo)致明顯的病情估算偏差?，F(xiàn)有方法多針對(duì)不同生育時(shí)期分別建模，病情估算模型的精度和通用性嚴(yán)重不足。因此，亟需厘清物候異質(zhì)性對(duì)病情嚴(yán)重度估算的影響機(jī)制，并通過(guò)削弱其干擾提升病害監(jiān)測(cè)精度。

為解決這一關(guān)鍵問(wèn)題，本研究提出了一種新穎的思路：通過(guò)擴(kuò)展經(jīng)典植被輻射傳輸模型，實(shí)現(xiàn)對(duì)感病水稻光譜的定量模擬，以突破傳統(tǒng)研究方法中感病數(shù)據(jù)稀缺與定量解析困難的瓶頸。本研究基于光譜混合分析與病斑光學(xué)測(cè)量，將病情嚴(yán)重度引入葉片輻射傳輸模型PROSPECT，構(gòu)建了針對(duì)稻瘟病的PROSPECT拓展模型(PROSPECT-RBE)。該模型重構(gòu)的病葉反射光譜最多可將誤差降低36.3%，顯著提高了用于病害監(jiān)測(cè)的關(guān)鍵光譜區(qū)間反射率模擬精度。在此基礎(chǔ)上，通過(guò)耦合PROSPECT-RBE與冠層輻射傳輸模型SAIL，實(shí)現(xiàn)了感病水稻冠層尺度的反射率模擬，基于參數(shù)化設(shè)計(jì)將物候異質(zhì)性分解為具體植被理化參數(shù)的數(shù)值變化。進(jìn)一步的敏感性分析與混雜因子解耦結(jié)果表明，葉綠素含量是導(dǎo)致不同物候階段病情估算模型不一致的首要因素，也是解釋物候異質(zhì)性影響的關(guān)鍵變量。據(jù)此，研究篩選出最優(yōu)的葉綠素敏感植被指數(shù)，對(duì)RIBI_nir（本團(tuán)隊(duì)前期提出的稻瘟病指數(shù)）進(jìn)行歸一化校正，構(gòu)建了改進(jìn)型指數(shù)nRIBI_nir，顯著提升了病情指數(shù)估算精度：決定系數(shù)（R2）由0.67提升至0.79，相對(duì)均方根誤差（rRMSE）降低9%；在營(yíng)養(yǎng)生長(zhǎng)階段的早期感染樣本中，R2提升幅度高達(dá)0.51。此外，nRIBI_nir有效克服了原有模型對(duì)重度感病區(qū)域的病情嚴(yán)重度低估問(wèn)題，顯著提高了稻瘟病病情制圖精度。值得注意的是，針對(duì)無(wú)人機(jī)與衛(wèi)星傳感器波段進(jìn)行適配調(diào)整后的nRIBI_nir，在病情指數(shù)估算中仍表現(xiàn)出優(yōu)異性能。研究結(jié)果表明，面向病害擴(kuò)展的植被輻射傳輸模型不僅為混雜效應(yīng)影響機(jī)制解析提供了可靠工具，也為高精度病害遙感監(jiān)測(cè)奠定了理論基礎(chǔ)。nRIBI_nir所展現(xiàn)出的敏感性和通用性，使其在抗病育種、病害動(dòng)態(tài)追蹤及多尺度農(nóng)藥精確管理等應(yīng)用場(chǎng)景中具有重要價(jià)值。

圖1 面向稻瘟病侵染的葉片及冠層輻射傳輸拓展及模型評(píng)價(jià)技術(shù)流程圖

圖2 稻瘟病指數(shù)歸一化前（RIBI_nir）后（nRIBI_nir）在模擬（A-B、E-F）和實(shí)測(cè)數(shù)據(jù)集（C-D、G-H）中的病情估算效果

圖3 稻瘟病指數(shù)歸一化前（A、D）后（B、E）的病情制圖結(jié)果對(duì)比，（C、F）分別為研究區(qū)的試驗(yàn)處理示意圖和無(wú)人機(jī)正射影像

該研究由南京農(nóng)業(yè)大學(xué)國(guó)家信息農(nóng)業(yè)工程技術(shù)中心聯(lián)合墨爾本大學(xué)研究團(tuán)隊(duì)完成，農(nóng)學(xué)院2021級(jí)博士生薛博文為論文第一作者，我校程濤教授為通訊作者。國(guó)際合作者包括西班牙國(guó)家研究委員會(huì)（CSIC）可持續(xù)農(nóng)業(yè)研究所（IAS）定量遙感實(shí)驗(yàn)室主任、墨爾本大學(xué)教授Pablo J. Zarco-Tejada教授，以及墨爾本大學(xué)HyperSens實(shí)驗(yàn)室研究員Tomas Poblete博士。智慧農(nóng)業(yè)創(chuàng)新團(tuán)隊(duì)在國(guó)家自然科學(xué)基金等項(xiàng)目、現(xiàn)代作物生產(chǎn)省部共建協(xié)同創(chuàng)新中心等平臺(tái)的資助下，瞄準(zhǔn)作物病害智能感知和農(nóng)藥精確管理的重大需求，解決作物病害多尺度精確識(shí)別與定量估算的關(guān)鍵技術(shù)難題，開(kāi)展了近十年的病害觀(guān)測(cè)試驗(yàn)，近五年連續(xù)在Remote Sensing of Environment、Computers and Electronics in Agriculture等國(guó)際知名期刊上發(fā)表多項(xiàng)稻瘟病遙感監(jiān)測(cè)方面的創(chuàng)新成果，對(duì)于構(gòu)建天空地一體化作物病害監(jiān)測(cè)體系與推動(dòng)糧食綠色智慧生產(chǎn)具有重要價(jià)值。

論文鏈接：

https://doi.org/10.1016/j.rse.2025.115063