研究背景

甜瓜（Cucumis melo）因其丰富的营养价值和美味深受消费者喜爱，但灰霉病（Botrytis cinerea）的侵害严重威胁着甜瓜的产量和品质。灰霉病不仅具有广泛的寄主范围，还能迅速传播，使得防治工作极具挑战性。传统检测方法往往依赖于肉眼观察或实验室分析，难以在症状出现前精准识别感染。而非侵入式成像技术，如高光谱成像（HSR）、叶绿素荧光（Chl-FI）、蓝绿荧光（BGF）和热成像，正在精准农业领域展现出强大的应用潜力。

研究过程

本研究创新性地结合RGB 相机、热像仪、Chl-F、BGF 和 HSR，旨在：

✅ 评估 B. cinerea 感染对甜瓜叶片生理的影响；

✅ 追踪 症状的时空演变规律；

✅ 识别 症状出现前的关键成像参数。

图 1. (A) 接种后不同天数（dpi）甜瓜叶片上灰霉病感染引起的症状发展。在 1 dpi 图像中，彩色圆圈代表感兴趣的区域：CI（深蓝色）和 CH（浅蓝色）分别对应于模拟对照植物中的接种区域和健康区域；而 BcI（深红色）和 BcH（浅红色）分别对应于 B. cinerea 感染植物的接种区域和健康区域。（B）B. cinerea 接种叶片中真菌引起的病变大小的演变。图表显示病变大小平均值 ± 标准误差；n = 104。小写字母表示根据单因素方差分析，病变 0.001。

图 2. 图 1 中选定的四个 ROI 中光系统 II (ΦPSII) 的有效量子产率 (A) 和 (C) 非光化学猝灭 (NPQ)。图表显示 ΦPSII 和 NPQ 的平均值 ± 标准误差；n = 32。使用双向方差分析比较不同处理随时间的变化。p < 0.05 时差异被认为显著。小写字母表示相同 dpi 下不同处理之间的差异；而大写字母表示相同处理随时间的变化。在症状出现之前和之后（分别为接种后 1 天和 3 天或 dpi），来自 B. cinerea 感染植物及其相应对照的整片叶子的 (B) ΦPSII 和 (D) NPQ 图像。代表性测量值以假彩色标度显示。

图 3. 图 1 中四个选定的感兴趣区域中的 (A) 芸苔属植物气候应激指数 (CSIB) 和 (C) 光化学反射指数 (PRI)。图表显示 CSIB 和 PRI 平均值 ± 标准误差；n = 104。使用双向方差分析比较不同处理随时间的变化。p < 0.05 时差异被认为显著。小写字母表示相同 dpi 下不同处理之间的差异，而大写字母表示同一处理随时间的变化差异。在症状出现之前和之后，感染 B. cinerea 的植物及其相应对照的整片叶子的 (B) CSIB 和 (D) PRI 图像。代表性测量值以假色标显示。

图 4. (A) 在图 1 中描述的选定感兴趣区域中测量的归一化差异植被指数 (NDVI)。图表显示 NDVI 平均值 ± 标准误差；n = 104。使用双向方差分析比较不同时间的处理。p < 0.05 时差异被认为是显著的。小写字母表示相同 dpi 下不同处理之间的差异，而大写字母表示同一处理内随时间变化的差异。(B) 代表性 NDVI 曲线沿一条 70 像素线（相当于 10 毫米）显示，该线横跨 CI 和 (C) BcI 区域并以接种物为中心。每个垂直轴都提供了 NDVI 刻度；水平灰线之间的 NDVI 差异为 0.125 个单位。还为每个面板提供了接种后相应天数 (dpi) 的接种区域 NDVI 图像和应用于它们的假色标。

其中，高光谱成像 (HSR) 是研究中的关键技术之一。本研究采用 Pika L 高光谱成像仪（Resonon，美国蒙大拿州博兹曼），记录了400–1000 nm 光谱范围内的数据。Pika L 具有光谱采样率 2.1 nm，光谱分辨率 3.7 nm，能够为每片叶子构建包含 281 张图像（900 × 857 像素）的数据立方体，精准捕捉植物在感染初期的生理变化。这一多传感器成像技术的应用，极大提升了对病害早期检测的准确性。

症状扩散的时空演变：精准追踪感染进程

在 1-4 天（dpi）内，研究团队利用成像技术监测病害进展，并结合软件分析病变面积，量化病原体对甜瓜的影响。结果显示：

2 dpi 前，真菌活动主要集中在感染核心区域，光合作用性能显著下降。

3 dpi 后，病变组织开始向外呈环状扩散，并伴随叶片温度变化和次生代谢的剧烈波动。

在分析众多成像参数后，研究发现以下植被指数（VI）在病害早期检测中表现尤为突出：

✅ PRI（光合反射指数） —— 反映光合活性和胁迫响应

✅ NDVI（归一化植被指数） —— 评估植物健康状况

✅ CSIB（叶片化学组成指数） —— 识别代谢异常

这些指标在症状肉眼可见之前就能精准反映植物的生理异常，为精准农业提供重要的早期预警手段。通过整合非侵入式成像技术，研究成果不仅推动了植物病害早期检测技术的发展，也为甜瓜灰霉病的精准防治提供了新的思路。

研究结果

本研究表明，多传感器融合成像技术在植物健康监测领域具有巨大的潜力。相比传统方法，这些技术能够更快速、更高效地检测病害，有助于精准干预，提高农业生产力。未来，我们期待这些技术在更多作物病害管理中得到应用，为智慧农业赋能，让农作物在病害威胁下依然能够健康生长！