当超市货架上饱满的脐橙闪烁着诱人的橙红色，很少有人知道这份甜蜜背后潜伏着一场持续百年的“柑橘世界大战”。黄龙病，柑橘产业的头号威胁，被称为柑橘的“癌症”，一旦感染只能砍树。该病症状最早在18世纪被发现，我国1919年首次报告此病。自2021年起，广西柑桔产区连续两年遭受木虱疫害，果园普遍感染黄龙病，导致叶片黄化和果实畸变。
面对叶片黄化、果实畸变的染病果树，传统防控如同“盲人摸象”——人工巡查工作量大效率低，常错过防治时机，而喷洒农药和砍伐病树也未能根治问题。如今，通过高光谱遥感技术，在叶片尚未泛黄时识别黄龙病，提前把握防控窗口期。这串隐藏在光谱波段里的“柑橘密码”，正在重新定义人类与病害的博弈规则。
感染了黄龙病的柑橘
当无人机搭载400~1000nm波段的高光谱相机掠过果园，每片叶子都会留下独特的光谱“指纹”。由于患病叶片的光合作用受到抑制，并且含水量降低，其在可见光波段的叶绿素反射区和O-H伸缩振动区与健康叶片之间存在显著差异。
在一些前期验证实验中，某科研团队采集了健康叶片及不同病害程度的柑橘叶片，使用可见-近红外光谱波段进行反射率测量，并重点关注450~800nm区间。经过有效数据筛选，该研究通过最小二乘支持向量机（LS-SVM）和随机森林（RF）算法建立了多种快速分类模型，发现模型的分类准确率分别在92.5%~95%、92.5%~97%。这样的高效检测手段大大提高了病害的早期识别率，为果农提供了及时防治的依据。
健康叶片和患病叶片（不同患病程度）的光谱曲线
华南一个科研团队使用了无人机载高光谱成像系统收集高光谱图像，该高光谱成像仪波长范围是450~950nm，通道数为125。经过光谱预处理和特征工程，应用了连续投影算法（SPA）来提取对柑橘患病植株分类影响最大的特征波长组合，从125个波段中锁定了10个关键波段。这些波段如同破解黄龙病的“摩尔斯电码”，高效地传达了柑橘植株病虫害的信息。
在模型构建方面，研究人员基于全波段数据，应用了BP神经网络和XgBoost算法进行分类评估，同时基于特征波段使用逻辑回归和支持向量机（SVM）算法建立分类模型。
结果显示，基于全波段的BP神经网络和XgBoost算法的分类模型分类准确率均超过95%。基于特征波段（698nm和762nm）的逻辑回归和SVM建立的模型实现了93.00%和96.00%的患病样品分类准确率。这证明了特征波长组合的有效性，为柑橘种植园的病虫害监测和精准防治提供了一定的数据和理论支撑。
华南科研团队的试验区域及样本标注：粉、红、蓝、黄、白圆圈标记分别代表不同患病程度和患病未定级的黄龙病植株，三角形标记为缺素植株；没有标记的植株为完全健康植株
中美两所高校展开合作，采用无人机搭载高光谱和多光谱成像系统，获得光谱遥感数据，快速识别感染黄龙病的柑橘植株。该团队将航拍获取的光谱数据与农田和实验室的地面验证结果相结合，显示出航拍的光谱数据能够有效地区分健康植株与感染黄龙病的植株，准确率最高可达90%。
左：美国佛罗里达的黄龙病感染区，右：研究中使用的高光谱与多光谱传感器
从古诗词中描绘的“柑橘正熟，金果盈枝”的丰收画面，到今天光谱仪中的图谱曲线，人类与作物的对话从未停止。那些舞动的光谱曲线，不仅是科技对抗病害的利剑，更承载着我们对土地最深的敬畏。或许在不远的未来，每颗柑橘都将拥有自己的“光谱身份证”——而这，正是科技赋予农业的诗意浪漫。
案例来源
1.Bai Ziqin, Zhou Changyong, The Research Progress of Citrus Huanglongbing on Pathogen Diversity and Epidemiology, Chinese Agricultural Science Bulletin, 2012,28(1):133-137.
2.QIU Hong-lin, LIU Tian-yuan, KONG Li-li, YU Xin-na, WANG Xian-da, HUANG Mei-zhen. Rapid Detection of Citrus Huanglongbing Based on Extraction of Characteristic Wavelength of Visible Spectrum and Classification Algorithm[J]. Spectroscopy and Spectral Analysis, 2024,44(6): 1518-1525.
3.Li X, Lee WS, Li M, et al. Spectral difference analysis and airborne imaging classification for citrus greening infected trees Computers and Electronics in Agriculture.. 2012 Apr;83:32-46. DOI: 10.1016/j.compag.2012.01.010.
4.DENG Xiaoling, ZENG Guoliang, ZHU Zihao, et al. Classification and feature band extraction of diseased citrus plants based on UAV hyperspectral remote sensing[J]. Journal of South China Agricultural University, 2020, 41(6): 100-108.
5.Xiuhua Li, Won Suk Lee, Minzan Li, Reza Ehsani, Ashish Ratn Mishra, Chenghai Yang, Robert L. Mangan, Spectral difference analysis and airborne imaging classification for citrus greening infected trees, Computers and Electronics in Agriculture, Volume 83,2012, Pages 32-46.
作为高光谱的供应商，我们提供全面的产品线，包括紫外-可见光-近红外和短波红外波段的高光谱相机、无人机载高光谱成像系统、便携式、高光谱实验室和显微高光谱。产品采用全国产研发的棱镜光栅分光技术和高效的装调标定技术。
凭借丰富的光谱应用经验，我们致力于为各个领域提供精准的监测解决方案。如果您对我们的高光谱产品感兴趣或想了解更多，欢迎随时联系我们！
地址：广州市天河区广汕二路602号惠诚大厦B座403
电话：020-89858550
Email：market@exponentsci.com
网址：https://www.exponentsci.com