使用高光谱检测研究花黄龙和叶绿素含量之间的关联
Shiqing Dou1,2, Minglan Li1,2, Xiangqian Qi3
1College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541006, China.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
早期检测花 Huanglongbing (HLB) 是可能使用高光谱成像来估计叶子的叶绿素含量 (LCC). 这种方法揭示了HLB感染的叶子的光谱差异,为疾病管理提供了可靠的指标.
科学领域:
- 农业遥感 农业遥感
- 植物病理学 植物病理学
- 频谱学是一种光谱学.
背景情况:
- 黄龙 (HLB) 是一种破坏性类疾病,影响着全球农业.
- HLB显著改变树叶的光谱反射率和叶绿素含量.
- 早期检测对于有效的HLB管理和可持续果生产至关重要.
研究的目的:
- 为了研究光谱特征和叶子叶绿素含量 (LCC) 之间的定量关系,用于早期检测HLB.
- 为了确定与Mianju普通品种的HLB感染相关的特征光谱带.
- 评估机器学习模型,以使用超光谱数据准确估计LCC.
主要方法:
- 获取和分析来自健康和HLB感染类树叶的高光谱数据.
- 应用最小绝对收缩和选择操作员 (LASSO) 方法进行特征带选择.
- 使用的光谱指数和部分最小方程回归 (PLSR) 用于LCC估计.
主要成果:
- 受HLB感染的叶子显示出明显的光谱反射变化,包括"红边的蓝移".
- 感染叶子的特征光谱带主要位于近红外区域.
- 拉索-PLSR模型在健康的 (Rv2 = 0.956) 和感染HLB的叶子 (Rv2 = 0.816) 中实现了对LCC的高预测准确度.
结论:
- 基于高光谱的LCC估计为早期HLB检测提供了可靠的间接指标.
- 该研究建立了超光谱数据和叶绿素含量之间的系统量化.
- 这种方法在类植物疾病管理中具有重要的实际应用潜力.
更多相关视频
09:03Field-Deployable Candidatus Liberibacter asiaticus Detection Using Recombinase Polymerase Amplification Combined with CRISPR-Cas12a
Published on: December 23, 2022
3.1K
11:30Automating Citrus Budwood Processing for Downstream Pathogen Detection Through Instrument Engineering
Published on: April 21, 2023
1.1K
