深度解读 | 南京农业大学—薛博文博士：高光谱如何助力稻瘟病早期识别与病情估算

讲师介绍

薛博文，南京农业大学博士，研究方向为水稻病害遥感监测。针对感病识别、病情估算、精准施药和产量估损等关键问题与行业需求开展了深入系统的研究；其中，感病作物辐射传输建模、病害监测机制解析、病害监测通用模型构建为主要研究特色，克服了现阶段病害遥感监测在理论和方法上的部分限制。在《Remote Sensing of Environment》、《Computers and Electronics in Agriculture》、《遥感学报》等国内外知名期刊上发表论文11篇（第一作者4篇），申请/授权国家发明专利2项。

第32期高光谱课堂荣幸邀请到南京农业大学钟山青年研究员—薛博文做线上讲座报告，薛博士本次报告主要介绍了在叶片尺度中，针对显征前病斑无法标记且光谱信号弱的问题，基于时序成像光谱、多端元光谱解混和空间热点分析，提出了一套基于近端成像光谱平台的无症状期病害信号纯化及可视化方法MESPOT，实现了潜在病斑的可视化及无症状期感病叶片的高精度分类。在冠层尺度，针对多物候阶段病情估算模型泛化能力差和精度低的问题，基于参数敏感性分析、混杂因子解耦和植被指数归一化，解析了物候影响对病情估算作用机制的首要因素，构建了基于改进型稻瘟病指数的高精度病情估算通用模型，使用无人机成像光谱平台实现了田块尺度稻瘟病严重度的准确绘制。

面向稻瘟病的PROSAIL模型拓展方法能够适用于其他病害遥感监测研究吗？

面向稻瘟病的PROSAIL模型拓展方法可以适用于其他病害遥感监测研究，所有受到生物或者非生物胁迫的叶片，都不是均匀混合的介质，而可以看作是在健康和受损部位之间存在一定物理界限，即病叶是由一定比例的健康和叶片和一定比例的受损叶片混合而成，这种比例就是量化的受损程度，都可以通过实测受损光谱和线性混合来拓展经典的叶片模型，在模型的可解释性和模拟能力上都会有明显提升。

试验过程中，田内没有其他病虫害的发生吗？在使用高光谱成像技术对发病田块进行制图的时候如何考虑其他病害的影响呢？

理论上一种寄主作物能够发生很多种胁迫，包括不同类型的病虫害，但这只是理论上。那在使用高光谱成像技术对发病田块进行制图的时候如何考虑其他病害的影响呢？实际上，带着这个问题去做实验，去做病害调查的时候，实践中可以发现，在田块、农场甚至是村级和县级尺度下，多数其他病害的干扰都是假想敌。如果放任农田自由发病，不打任何农药，当然可能有多种多样的病害发生，但实际生产中，作物种子浸药和田块管理防治已经抑制了绝大多数病虫害的发生。部分地区会因为品种、环境等因素常年发生一种病害及一种虫害，偶尔可能也存在药害的情况。但如果尺度持续变大，比如一景卫星影像可能覆盖不同品种和培管方式的地区，这时候就会有多种胁迫相互干扰的问题。那这个时候就需要依靠病害的光谱特异性以及时序特征对不同病害进行区分。

在最新的RSE论文中，通过消除叶绿素效应有效校正了物候影响，但是感病植被叶绿素含量本身就会发生变化，也是作物受到侵染的重要响应之一，应该和病情不是独立的，怎么理解这种消除？

这是一个旧术语没能适应新场景造成的误解或者是歧义，传统意义上的叶绿素含量就是整张叶片的叶绿素含量或者浓度。实际上在文章中，稻瘟病拓展辐射传输模型中，叶绿素和病情严重度是完全独立的两个参数，在分析中两者完全独立，但叶绿素含量的内涵有所不同。其中，叶绿素特指叶片健康区域的叶绿素浓度，而非整张病叶的叶绿素含量，前者是寄主作物的基本属性，而后者是感病作物的一种变化状态。就好比使用肌肉含量评价年轻力壮个体的健康情况，可能无法用于评价年迈体衰个体的健康情况，因为年轻人的肌肉量天然就高于年老时。同样地，对于作物病害监测也是如此，通过归一化不同物候/生育时期，或者不同栽培品种作物的基本属性，才能够以同一个病情估算模型能够一致地评价不同感病样本。