近日，beat365中文官方网站“绿洲现代农业精准技术研究与规模化应用”创新团队张泽副教授联合中国科学院空天信息创新研究院在棉花黄萎病早期诊断研究中取得新进展，研究成果以“Method for early diagnosis of verticillium wilt in cotton based on chlorophyll fluorescence and hyperspectral technology”（基于叶绿素荧光和高光谱技术的棉花黄萎病早期诊断方法）为主题发表在农林科学领域TOP期刊《Computers and Electronics in Agriculture 》（中科院一区，IF:8.3）

黄萎病（VW）是棉花生长发育过程中发生最普遍、最具毁灭性的病害之一。出现明显症状时，VW病菌已经大量定殖在植株体内，造成不可逆的损伤，严重影响作物的产量及品质。因此在VW占领植物木质部，并在未现症之前（表述为无症状期）检测到VW，将有利于预防和控制VW的发生、发展。研究小组通过在两种不同环境下进行的VW无症状检测试验，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和叶绿素荧光参数。其结果表明基于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%。本研究还通过拍摄大丽花黄萎病菌叶片截面的电子显微结构，进一步阐明了黄萎病菌对叶片内部结构的破坏，直观地表现了病原菌对叶片内部结构的影响，并为敏感小波特征的选择提供理论支持。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。

图 基于叶绿素荧光和高光谱技术的棉花黄萎病早期诊断方法

本文的第一作者为beat365中文官方网站博士研究生杨秘，通讯作者为beat365中文官方网站张泽副教授和中国科学院空天信息研究院黄长平研究员。团队一直致力于棉花表型监测与智慧管理的研究与应用工作，该研究得到了国家自然科学基金、自治区“天山英才”项目和第八师重点领域创新团队等项目的资助。

( 通讯：王赠霖 )