第九届青年地学论坛

黄萎病（VW）被认为是棉花生产中发生最普遍、最具毁灭性的病害，及早发现棉花受VW感染对预防VW大面积扩散和发展至关重要。然而，在棉花感染大丽轮枝菌后，症状出现之前的潜伏期，实现准确检测仍具有挑战性。本研究旨在两种不同环境下进行病害接种试验，评估叶绿素荧光参数和光谱连续小波变换（CWT）特征检测棉花VW无症状期主茎叶片的可行性，利用便利的方法实现棉花VW无症状期的精准检测。通过收集接种后不同时间棉花主茎叶片的高光谱数据和叶绿素荧光参数。对高光谱数据进行CWT后，基于方差分析的结果提取所有接种天数下共同小波特征和敏感叶绿素荧光参数。再利用方差膨胀因子结合正则化回归（VIF-LASSO）方法选择最优敏感小波特征，并利用支持向量机、逻辑回归和KNN三种机器学习方法评估叶绿素荧光参数和最优小波特征检测VW无症状期叶片的精度。结果表明，VW侵染降低了棉花叶片PSII的最大量子产率(Pm')，并增加了非光化学淬灭（NPQ），并在接种24 h后，就发现叶绿素荧光参数受到显著影响。相较于原始光谱，变换后的小波特征在近红外区域（800-1350 nm）能准确捕捉由VW感染无症状期叶片的细微变化，此外与叶绿素荧光参数相比，基于VIF-LASSO算法选择的4-5个小波特征能够更为准确识别无症状感染的棉花叶片，其分类准确率超过了80%，Kappa系数都高于0.6。其中基于逻辑回归分析的检测模型平均精度高达90.62%。本研究结果证实了，VW无症状期叶片叶绿素荧光参数的变化以及利用小波特征进行准确分类的可行性，为大面积准确判断VW感染无症状期提供可靠依据。
 

小波变换；病害监测；特征提取；大丽轮枝菌