小麦白粉病光谱监测机理研究

白粉病已上升为黄淮麦区主要病害，对其发生过程监测和早期预报是预防病害、减轻危害的关键。本研究采用光谱定量分析技术、植物病理学与小麦栽培生理学相结合的方法，研究不同白粉病抗性小麦品种在不同感病等级下植株形态与碳氮组分及相关生理生化参数和反射光谱信息的时空动态规律，解析特征光谱信息-感病等级-病害形态特征-碳氮生理生化组分-抗性相关代谢酶之间的内在联系及信息传递效应，提取小麦植株碳氮素组分及相关生理生化指标的特征光谱参数及其可释性的生理物理学关系，构建基于特征光谱参数的与感病等级有关形态生理参数的定量监测模型，提炼白粉病遥感识别及早期诊断适宜指标。研究结果将为小麦病害的实时无损监测和高产优质生态安全的病虫害精确防治提供理论基础与技术途径。

白粉病为黄淮麦区主要病害，对其发生过程监测和早期预报是预防和减轻危害的关键。本研究采用光谱定量分析技术、植物病理学与小麦栽培生理学相结合的方法，明确了不同白粉病抗性小麦品种在不同感病等级下植株形态、相关生理参数和反射光谱的动态变化，解析特征光谱信息—感病等级—病害形态特征—植株生理指标之间的内在联系。植株生理参数危害指数与白粉病病害等级间相关性显著高于生理指标原始测定值（水分含量除外），病害累积指数与粒重和产量关系密切，能较好地评价籽粒灌浆期间产量损失状况。项目基于光谱分析技术，提取了小麦植株生理参数的特征光谱参数，构建基于特征光谱参数的与感病等级有关生理参数的定量监测模型，提炼白粉病遥感识别及早期诊断适宜指标。其中，利用红边区域（680~760 nm）波段差异特性，选取680、718和756 nm波段新建红边角度指数（REAI），较传统植被指数对病害胁迫下叶绿素密度的拟合精度更高，NDAI (α,β)和RAI (α,β)的R2 均高于0.77。基于微分光谱技术构建红边特征参数，LSDr_REPLE对叶片氮积累量的拟合效果显著。光谱参数MCARI和VARIgreen对病害反应敏感，估算误差较小，可作为小麦叶片层次白粉病严重度的最佳估算模型，10%作为病害识别的临界严重度。红边宽度最适宜指示白粉病发生及发展态势，拟合精度R2为0.811，相对光谱指数△MSAVI和△mND705与白粉病严重度建立的模型相关系数也较高 (R2﹥0.76)，也可较好反演冠层尺度病情严重度。围绕相关研究内容，发表论文5篇，获得奖励3项，培养研究生3名。研究结果为小麦病害的实时无损监测和高产优质生态安全的病虫害精确防治提供理论基础与技术途径。