近日，山东省果树研究所智慧果业与经济信息创新团队联合山东农业大学智能园艺装备团队，在农业类领域国际权威期刊《Smart Agricultural Technology》（IF=5.7；JCR1区；中科院2区TOP）发表了题为“Time-series hyperspectral sensing decodes physiological dynamics and latent-stage detection of Tetranychus urticae infestation in strawberry plants”的研究论文，该研究提出了一种基于时间序列高光谱传感技术的草莓虫害早期诊断方法。通过持续监测草莓叶片在二斑叶螨（Tetranychus urticae）侵染下的生理变化，实现了从病害潜伏期到显性症状前的精准检测。
研究背景：
草莓作为全球重要的经济作物，其香气浓郁，果实柔软多汁且酸甜适口，并富含多种维生素、有机酸以及钙、磷、铁等矿物质，被广泛种植。但二斑叶螨等害虫的侵害严重影响了草莓的产量和质量。传统的病虫害检测方法往往无法在草莓出现明显症状之前发现害虫侵染，这导致了作物健康状况的延误响应，增加了农民的管理负担。
研究亮点：
高灵敏度早期诊断。通过多算法协同分析框架，结合Savitzky-Golay滤波、导数变换和形态学约束等方法，研究大大提高了病害检测的灵敏度。研究还表明，在显性症状出现之前，叶片的水分失衡和叶绿素降解可以通过高光谱技术准确捕捉，信噪比提高超过15 dB。
健康叶片基线构建。研究团队通过对草莓健康叶片的高光谱数据进行连续7天的监测，构建了一个稳定的健康叶片光谱基线，并运用统计学方法定义了95%的置信区间。这一基线为后续的病害检测提供了可靠的参考，避免了传统静态基线的不足。
波段特征确定。在确定了健康叶片的光谱基线后，研究团队进一步分析了在二斑叶螨侵染过程中，草莓叶片的光谱波段变化。研究发现，随着病害的进展，780-795 nm波段发生了显著的右移，预示着水分失衡；676-745 nm波段的扩展则反映了叶绿素降解和细胞壁损伤的过程。这些波段特征的变化为病害的早期诊断提供了重要的光谱标记。
成果与展望：
该研究不仅实现了在病害显性症状出现前通过高光谱数据进行精准检测，还提升了信噪比15 dB以上，显著增强了草莓早期病害诊断的灵敏度。该技术为精准农业中的病害监测和早期预警系统提供了新的解决方案，有助于实现实时监控和数据分析，并推动了从“症状治疗”向“潜伏期干预”的农业管理模式转型。
未来，研究团队计划将该技术与物联网平台结合，进一步提升病害监测的实时性和准确性，为农业生产提供更加智能化的管理手段。同时，通过建立多品种光谱基准库、开发动态环境补偿机制，该技术有望广泛应用于多种农作物的精准病虫害防控。（撰写：李颖芳 核稿：沈广宁）
文章链接：
了解更多详情，请访问：
https://www.sciencedirect.com/science/article/pii/S2772375525004241?ref=pdf_download&fr=RR-2&rr=9642f6b44e3af7d3
