斑病害在全球玉米产区均有爆发, 严重影响玉米产量与品质, 是一种常见的叶类疾病。 荧光光谱技术能够快速、 无损、 准确地反映作物生理信息, 动态检测其逆境响应规律。 以玉米为研究对象, 基于荧光光谱和生理参数（SPAD和Fv/Fm）融合分析, 探究玉米生理参数对不同程度斑病害的响应规律, 构建荧光光谱反演模型。 首先, 利用相关分析与峰值分析筛选荧光光谱的敏感波段, 采用多元散射校正（MSC）、 标准正态变量变换（SNV）、 多项式平滑（S-G）、 FD光谱一阶导数、 SD光谱二阶导数等5种预处理及MSC-SG-FD, MSC-FD-SG, SNV-SG-FD, SNV-SG-SD等4种建模组合方法, 以相关系数R2和均方根误差RMSE为模型效果评价指标, 确定荧光光谱反演生理参数模型的最优方法。 结果表明: 不同斑病害程度下荧光光谱特性的整体变化趋势一致, 但强度差异显著, 在波段600.000～800.000 nm内, 光谱反射率会出现明显的峰中心, 达到极值。 在波段900.000 nm之后, 反射率趋于平稳, 特征明显减少。 对于潜伏期叶片, SPAD与Fv/Fm的建模最优方法均为SNV-SG-FD, Rc为0.985 2和0.976 8, RMSEC为1.59和2.85。 对于早期发病叶片, SPAD的建模最优方法为SNV-SG-FD, Rc为0.949 7, RMSEC为3.79, Fv/Fm的建模最优方法为SNV-SG-SD, Rc为0.943 8, RMSEC为0.011 7。 模型预测性精度较高, 能够实现对早期斑病害玉米叶片SPAD和Fv/Fm的精准预测, 为玉米斑病害潜伏期与病害早期的生理信息监测提供参考依据。 研究结果可应用于大田作业, 提升田间精细化、 智能化管理水平, 为玉米高产、 优质、 优生提供理论依据与技术支撑。

在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据, 利用连续统去除法对原始光谱数据进行处理, 筛选对病害及锈病严重度敏感的波段, 构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。 研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的, 而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小, 在红光区随病情严重增强而增大。 根据大豆光谱变化特征设计了一个植被指数R500×R550/R680对大豆病害进行识别, 通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验, 结果表明指数R500×R550/R680能够较好的识别出大豆锈病与普通花叶病, 且该指数在识别大豆锈病严重度方面也有较强的能力。 研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。

通过小区和大田同步调查棉花黄萎病, 在不同生育期测定病叶光谱及其色素含量。 将病叶光谱反射率、 一阶微分及相应的特征参数与色素含量进行相关分析, 建立病叶色素含量估测模型并检验。 结果表明: 病叶叶绿素a, b及a+b含量可见光反射率、 与一阶微分光谱在蓝边、 黄边和红边处与除红边振幅(Dr)外的其他光谱特征参数间均达极显著相关。 转换叶绿素吸收反射指数(TCARI)和新建归一化植被指数(NDVI［702, 758］)对叶绿素a, b及a+b含量的估测精度最高, 相对误差均小于1.3%。 考虑到NDVI［702, 758］建立的模型更实用, 可做为病叶叶绿素a, b和a+b含量的最佳估测模型。 研究结果对高光谱信息定量估测病害棉叶色素含量, 对利用高光谱监测棉花长势及病害影响评价均具有较高的实用价值。