“水稻叶瘟指数”如何助力水稻叶瘟病精准检测？

水稻是全球三分之一人口的主粮，更是中国超过65%居民餐桌上的重要支柱。然而，一种名为“水稻叶瘟病”的真菌病害却在全球85个国家肆虐，每年导致10%–30%的水稻产量损失，严重时甚至颗粒无收。传统检测叶瘟病的方式主要依赖人工田间调查和实验室生化方法，效率低且耗时费力，难以满足现代农业高效、非破坏性监测的需求。那么怎样才能快速、非侵入式地捕捉水稻叶瘟病的“蛛丝马迹”，实现稻田的精准管理呢？

沈阳农业大学冯帅和陈春玲等通过无人机高光谱遥感技术开发了一种新型植被指数“水稻叶瘟指数”（RBI），为解决这一难题提供了解决方案。相关研究发表于《农业科学与工程前沿》（英文）（DOI: 10.15302/J-FASE-2024576）。

与现有通用植被指数不同，RBI并非简单沿用传统公式，而是通过分析病害对水稻叶片光谱特性的独特影响，筛选出敏感波段组合而成。研究团队利用无人机搭载高光谱传感器，在辽宁海城的稻田中采集了400–1000纳米范围内的光谱数据，并结合方差分析（ANOVA）和Relief-F算法，锁定了778纳米、722纳米和664纳米三个关键波段。这些波段分别对应病害引起的叶绿素含量下降、细胞结构破坏及冠层形态变化，使得RBI能够精准区分健康和染病植株。

为了验证RBI的实用性，研究团队将其与常用植被指数进行了对比。结果显示，RBI与病害严重程度的相关系数绝对值高达0.98，远超其他指数。在分类模型中，RBI的表现同样亮眼：基于K近邻算法的检测总体准确率达95.0%，随机森林模型下更提升至95.1%。尤其值得一提的是，RBI在不同病害等级间几乎无重叠，仅健康与轻度感染存在微小交叉。这种高灵敏度和稳定性，使得RBI不仅能判断“是否染病”，还能准确量化“病害有多重”。

技术的突破离不开应用场景的适配。传统高光谱检测多局限于实验室环境，操作复杂且难以推广到田间。而本研究通过无人机在100米高空悬停采集数据，结合辐射校正和区域校正技术，大幅降低了环境光的干扰，确保了数据的可靠性。此外，团队将光谱分辨率插值至1纳米，并划分了250个兴趣区域，覆盖从健康到重度感染的5个病害等级，为模型训练提供了扎实的数据基础。这种“高空采集+地面验证”的模式，既保留了作物的完整性，又实现了大规模田块的快速扫描。

这一成果为水稻叶瘟病的早期发现和分级管理提供了高效的手段，有助于减少农药滥用和产量损失。文章强调，RBI的开发是农业遥感从“健康监测”迈向“病害特异性诊断”的关键进展。未来，这一方法或可拓展至小麦、玉米等作物，推动智慧农业的发展。