清晨六點(diǎn)，廣東黃埔的稻田籠罩在薄霧中。種植負(fù)責(zé)人蹲在田埂上，指尖捏著一片卷曲發(fā)黃的稻葉，眉頭緊鎖——又是稻縱卷葉螟。這種僅有指甲蓋大小的害蟲(chóng)，每年能讓他的收成減少三成。過(guò)去，他們只能憑經(jīng)驗(yàn)噴灑農(nóng)藥，但蟲(chóng)害總是“春風(fēng)吹又生”，農(nóng)藥成本卻像滾雪球般攀升。

而此刻，一架搭載銀色方盒的無(wú)人機(jī)掠過(guò)稻田上空。這個(gè)不起眼的“方盒”，正是無(wú)人機(jī)載高光譜成像系統(tǒng)。它像一雙透視眼，能透過(guò)葉片表層，捕捉到害蟲(chóng)啃食后葉肉細(xì)胞變化的細(xì)微光譜變化。不久，種植負(fù)責(zé)人收到一張“蟲(chóng)害熱力圖”，圖中紅色區(qū)域精準(zhǔn)標(biāo)注了蟲(chóng)害區(qū)域。只需按圖施藥，農(nóng)藥用量比往年減少了，蟲(chóng)害卻銷(xiāo)聲匿跡。

水稻害蟲(chóng)發(fā)生空間分布：(A)水稻拔節(jié)期（9月28日）和(B)抽穗期（10月25日）

科研團(tuán)隊(duì)將這臺(tái)無(wú)人機(jī)高光譜比作“農(nóng)作物的CT掃描”：無(wú)人機(jī)如同移動(dòng)的掃描儀，可完成全景成像；AI算法則像經(jīng)驗(yàn)豐富的“放射科醫(yī)生”，從數(shù)萬(wàn)條光譜曲線中揪出蟲(chóng)害信號(hào)。當(dāng)?shù)究v卷葉螟幼蟲(chóng)啃食葉片時(shí)，葉綠素結(jié)構(gòu)被破壞，在可見(jiàn)光-紅邊波段范圍內(nèi)，蟲(chóng)害葉片的反射率普遍不同于健康葉片——這種肉眼無(wú)法察覺(jué)的“光譜指紋”，正是蟲(chóng)害預(yù)警的關(guān)鍵。

遭受稻縱卷葉螟的水稻和健康水稻葉片的光譜曲線

走進(jìn)上海農(nóng)科院的實(shí)驗(yàn)室，研究團(tuán)隊(duì)正對(duì)著高光譜影像“破譯”蟲(chóng)害密碼。團(tuán)隊(duì)發(fā)現(xiàn)，受害葉片在690nm波段的反射率差異顯著；而在南京，另一團(tuán)隊(duì)也發(fā)現(xiàn)水稻葉片受蟲(chóng)侵害的程度越嚴(yán)重，620~710nm這一波段范圍內(nèi)的反射率越高，720~760nm波段的反射率越低，不同蟲(chóng)害等級(jí)間的差異在孕穗期和灌漿期最為明顯。

水稻主要生育期受不同等級(jí)蟲(chóng)害影響葉片的原始光譜反射率

在廣州，一研究團(tuán)隊(duì)使用無(wú)人機(jī)高光譜成像系統(tǒng)（光譜范圍400-1000nm，光譜分辨率3nm，圖像分辨率高達(dá)4.5cm（100米飛行高度）），對(duì)兩個(gè)試驗(yàn)田進(jìn)行檢測(cè)，在水稻拔節(jié)期（9月28日）和抽穗期（10月25日）分別采集光譜數(shù)據(jù)。

數(shù)據(jù)經(jīng)過(guò)ENVI軟件拼接、ArcGIS地理配準(zhǔn)，并結(jié)合高光譜數(shù)據(jù)與人工智能算法（XGBoost模型），研究團(tuán)隊(duì)成功提取了受害水稻的光譜特征，并繪制了害蟲(chóng)分布圖，為精準(zhǔn)施藥提供了科學(xué)依據(jù)。

廣州科研團(tuán)隊(duì)的技術(shù)流程

2024年，作物高光譜對(duì)比試驗(yàn)研討會(huì)在安徽召開(kāi)，由氣象探測(cè)中心組織，中國(guó)農(nóng)業(yè)大學(xué)和中國(guó)林科院等11家高校和科研院所共同探討高光譜遙感技術(shù)在作物病蟲(chóng)害監(jiān)測(cè)中的應(yīng)用。同年，氣象探測(cè)中心選取7個(gè)農(nóng)試站開(kāi)展農(nóng)作物的災(zāi)害識(shí)別對(duì)比試驗(yàn)，基于高光譜技術(shù)精準(zhǔn)監(jiān)測(cè)作物的長(zhǎng)勢(shì)和品質(zhì)。

高光譜技術(shù)正在推動(dòng)農(nóng)業(yè)從“大水漫灌”轉(zhuǎn)向“精準(zhǔn)滴灌”。這種技術(shù)不僅能精準(zhǔn)識(shí)別病蟲(chóng)害，還提高了農(nóng)藥利用率，減少了殘留，實(shí)現(xiàn)更低的環(huán)境影響。通過(guò)科學(xué)施藥，農(nóng)民不僅維護(hù)了作物安全，更提升了經(jīng)濟(jì)效益，推動(dòng)了農(nóng)業(yè)的可持續(xù)發(fā)展。

案例來(lái)源：

1. Feng, S.; Jiang, S.; Huang, X.; Zhang, L.; Gan, Y.; Wang, L.; Zhou, C. Detection of Rice Leaf Folder in Paddy Fields Based on Unmanned Aerial Vehicle-Based Hyperspectral Images. Agronomy 2024, 14, 2660.

2. 田明璐,班松濤,袁濤,等. 基于高光譜成像技術(shù)的水稻葉片稻縱卷葉螟蟲(chóng)害信息提?。跩］. 上海農(nóng)業(yè)學(xué)報(bào)，2022，38（1）：90-94.

3. 黃璐,包云軒,郭銘淇,等.稻縱卷葉螟危害下水稻葉片光譜特征及產(chǎn)量估測(cè)[J].中國(guó)農(nóng)業(yè)氣象,2023,44(2):154-164

4. 深耕農(nóng)業(yè)氣象觀測(cè)現(xiàn)代化技術(shù)——高光譜技術(shù)為農(nóng)作物“做健康體檢”