柑橘黃龍?。℉uanglongbing, HLB or Citrus Greening）是一類由韌皮部寄生的革蘭氏陰性菌韌皮部桿菌Candidatus Liberibacter asiaticus （CLas）引起的柑橘類植物病害，嚴(yán)重影響柑橘類水果的品質(zhì)和產(chǎn)量，每年在全 球范圍內(nèi)造成數(shù)十億美元的經(jīng)濟(jì)損失。根據(jù)2015年我國農(nóng)業(yè)部的統(tǒng)計(jì)數(shù)據(jù)顯示：我國發(fā)生黃龍病的柑橘面積已經(jīng)超過了150萬畝。從2021年開始，廣西柑桔產(chǎn)區(qū)從南至北連續(xù)兩年爆發(fā)木虱，全區(qū)果園均已感染程度不一的柑桔黃龍病。由于黃龍病發(fā)病當(dāng)年就可造成柑橘品質(zhì)和產(chǎn)量雙下降，三年內(nèi)橘樹整株死亡，是全 球柑橘生產(chǎn)的頭號(hào)殺手，而且沒有有效的治 療手段，被稱為柑橘“癌癥”。

科學(xué)家為黃龍病防止進(jìn)行了大量的研究工作。Z 新的研究已經(jīng)證明黃龍病是一種由病原菌介導(dǎo)的免疫疾?。∕a，2022，Nature communications），但目前仍沒有找到具有推廣價(jià)值的治療方法。因此，科學(xué)家對(duì)黃龍病的研究主要集中在如何對(duì)其進(jìn)行早期防 治。易科泰生態(tài)技術(shù)有限公司利用國際先進(jìn)植物病害快速檢測(cè)相關(guān)研究儀器技術(shù)與Z 新的科研成果，推出易科泰柑橘黃龍病無損快速檢測(cè)技術(shù)方案：

1）果園/田間高通量黃龍病檢測(cè)技術(shù)方案：采用SpectraScan近地遙感與EcoDrone無人機(jī)遙感技術(shù)，可選配手持式/便攜式葉綠素?zé)晒狻⒏吖庾V測(cè)量及光合儀等

2）柑橘葉片黃龍病檢測(cè)技術(shù)方案：綜合運(yùn)用高光譜成像檢測(cè)技術(shù)、葉綠素?zé)晒獬上窦夹g(shù)與多光譜熒光成像技術(shù)實(shí)現(xiàn)可視化快速檢測(cè)，對(duì)病害發(fā)生階段和損傷程度進(jìn)行評(píng)估?？蛇x配RGB可見光成像、紅外熱成像分析等功能單元，對(duì)黃龍病發(fā)病情況與生理表型影響進(jìn)行全面研究。

3）柑橘果實(shí)黃龍病檢測(cè)與品質(zhì)評(píng)估技術(shù)方案：采用PhenoTron?-HSI果實(shí)品質(zhì)高光譜無損檢測(cè)技術(shù)，結(jié)合葉綠素?zé)晒獬上窦夹g(shù)，對(duì)果實(shí)黃龍病進(jìn)行檢測(cè)并可對(duì)果實(shí)品質(zhì)進(jìn)行評(píng)估。

以上方案均使用國際一 流的儀器技術(shù)。用戶可根據(jù)研究需要靈活組配，還可搭配葉面積儀、植物生理生態(tài)原位監(jiān)測(cè)系統(tǒng)等常規(guī)儀器。各個(gè)方案在各種植物、作物脅迫（包括病害脅迫）研究中均有大量的文獻(xiàn)與研究成果。感興趣的老師請(qǐng)與我們聯(lián)系索取相應(yīng)研究文獻(xiàn)。

下面介紹綜合運(yùn)用這一技術(shù)方案在柑橘黃龍病快速檢測(cè)與評(píng)估中的Z 新研究成果與應(yīng)用案例：

一、果園/大田：通過光譜成像分析識(shí)別感染黃龍病的柑橘植株

病害會(huì)造成作物葉片、果實(shí)色素及結(jié)構(gòu)的變化，從而造成染病植株的反射光譜異于健康植株。因此，利用機(jī)載平臺(tái)（無人機(jī)或有人機(jī)）、近地遙感平臺(tái)掛載的高光譜/多光譜成像傳感器對(duì)農(nóng)田、果園進(jìn)行快速大面積光譜成像分析，是目前Z 成熟的大田作物病害識(shí)別技術(shù)之一。中國農(nóng)大與美國佛羅里達(dá)大學(xué)合作，使用高光譜和多光譜成像傳感器，通過航拍測(cè)量實(shí)現(xiàn)對(duì)感染黃龍病的柑橘植株快速識(shí)別。

左：美國佛羅里達(dá)的黃龍病感染區(qū)；中：感染黃龍病的柑橘果實(shí)與葉片；右：研究中使用的高光譜與多光譜傳感器

航拍光譜數(shù)據(jù)結(jié)合田間與室內(nèi)的地面驗(yàn)證數(shù)據(jù)，表明航拍光譜數(shù)據(jù)能夠有效區(qū)分健康植株與感染黃龍病的植株，準(zhǔn)確率Z 高可達(dá)90%。從而證明航拍與近地遙感高光譜成像技術(shù)用于防 治黃龍病有非常好的發(fā)展前景。

左：健康植株與感染黃龍病植株的光譜曲線；右：健康植株與感染黃龍病植株的分布圖

左：PhenoTron-HSI高光譜成像分析系統(tǒng)；右：SpectraScan近地遙感平臺(tái)

二、葉片黃龍病室內(nèi)準(zhǔn)確識(shí)別與病理表型研究

1. 葉綠素?zé)晒獬上窦夹g(shù)

葉綠素?zé)晒獬上窦夹g(shù)從問世以來就是植物脅迫識(shí)別與研究的Z重要技術(shù)之一。浙江大學(xué)使用FluorCam葉綠素?zé)晒獬上裣到y(tǒng)發(fā)現(xiàn)了柑橘黃龍病的光合指紋。研究者通過對(duì)健康葉片、感染黃龍病葉片和養(yǎng)分缺乏葉片進(jìn)行葉綠素?zé)晒獬上穹治觯_定了黃龍病獨(dú) 一無二的熒光標(biāo)志，結(jié)合葉綠素?zé)晒鈪?shù)與成像圖，對(duì)葉片黃龍病取得了Z 佳識(shí)別分類效果，準(zhǔn)確率達(dá)到97%。后續(xù)，浙江大學(xué)又進(jìn)行了一系列工作研究黃龍病葉片熒光特性與冷熱季節(jié)變換的關(guān)系。

左：不同特征選擇法獲得的葉綠素?zé)晒獬上駡D；右：實(shí)際測(cè)量中的FluorCam葉綠素?zé)晒獬上裣到y(tǒng)與柑橘葉片樣品

不同季節(jié)健康葉片與感染黃龍病葉片的熒光參數(shù)變化

福建農(nóng)林大學(xué)同樣使用FluorCam葉綠素?zé)晒獬上裣到y(tǒng)發(fā)現(xiàn)葉綠素?zé)晒鈪?shù)能夠精確地反演出由于黃龍病感染造成的淀粉、蔗糖、葡萄糖和果糖含量變化。利用葉綠素?zé)晒鈪?shù)構(gòu)建的隨機(jī)森林模型對(duì)柑橘黃龍病診斷的總體識(shí)別正確率為 97.50%。采用葉綠素?zé)晒獬上窦夹g(shù)構(gòu)建了柑橘黃龍病快速診斷模型，能夠?qū)崿F(xiàn)柑橘黃龍病快速無損檢測(cè)，可為柑橘黃龍病的早期預(yù)警提供新方法。

淀粉、蔗糖、葡萄糖和果糖與葉綠素?zé)晒庵g的Pearson相關(guān)系數(shù)

2. 高光譜成像技術(shù)

實(shí)驗(yàn)室高光譜成像儀器除了用于航拍數(shù)據(jù)的驗(yàn)證，也廣泛用于病害的室內(nèi)檢測(cè)與研究。西南大學(xué)利用Specim高光譜成像系統(tǒng)對(duì)葉片黃龍病的特征光譜曲線進(jìn)行測(cè)量與分析。通過對(duì)獲得光譜曲線進(jìn)行分析處理，對(duì)比PCR分析結(jié)果，對(duì)黃龍病的識(shí)別率Z 高達(dá)到92.5%。這一研究結(jié)果也證明在癥狀發(fā)生之前通過早期無損檢測(cè)發(fā)現(xiàn)黃龍病是可行的。

左：研究中使用的高光譜成像儀器；右：健康葉片與感染黃龍病葉片的特征光譜曲線

3. 多光譜熒光成像技術(shù)

多光譜熒光成像技術(shù)是另一種廣泛用于植物病害研究的無損成像技術(shù)。病害會(huì)造成植物合成大量次生代謝物如多酚、黃酮等。這一方面是由于植物初級(jí)代謝受到抑 制和干擾，另一方面這些次生代謝產(chǎn)物也是植物應(yīng)對(duì)脅迫尤其是病害防御機(jī)制的重要組成部分。多光譜熒光成像技術(shù)通過檢測(cè)次生代謝物的特異藍(lán)綠熒光來識(shí)別病害的發(fā)生并評(píng)估病害對(duì)次生代謝的影響。這一技術(shù)近年來逐漸成熟，在歐洲廣泛用于各種蔬菜病害研究。

左：細(xì)菌性甘薯莖腐病感染煙草的FluorCam葉綠素?zé)晒馀c多光譜熒光成像圖；右：感染白 粉病的西葫蘆葉片：（a）RGB成像；（b）熱成像；（c）多光譜熒光F440成像；（d）多光譜熒光F520/F680成像

在歐洲Z 新的研究工作中，多光譜熒光成像經(jīng)常與葉綠素?zé)晒獬上瘛⒏吖庾V/多光譜成像、紅外熱成像等其他表型分析技術(shù)結(jié)合，開展了更深入的作物病害檢測(cè)和表型研究工作。

德國萊布尼茨蔬菜和觀賞植物研究所IGZ致力于通過這些成像分析技術(shù)發(fā)展一種能夠高通量快速檢測(cè)生物脅迫的方法。他們使用了一種模式植物-病原體系統(tǒng)生菜-立枯絲核菌（Rhizoctonia solani），希望通過這幾種技術(shù)獲得的數(shù)據(jù)能夠快速將受到生物脅迫和未受到脅迫的植株區(qū)分開。

生菜-立枯絲核菌的多光譜NDVI成像圖與熱成像圖

通過數(shù)據(jù)分析Z 終發(fā)現(xiàn)葉綠素?zé)晒鈪?shù)：PSIIZ 大量子產(chǎn)額Fv/Fm和熒光衰減比率Rfd的區(qū)分效果Z 好，誤差≤0.052。研究者希望通過進(jìn)一步工作，將這一發(fā)現(xiàn)應(yīng)用于園藝和農(nóng)業(yè)生產(chǎn)實(shí)踐。同樣，這些無損成像技術(shù)結(jié)合而成的病理表型分析技術(shù)也將為黃龍病檢測(cè)提供有力的工作。

FluorCam多光譜熒光成像系統(tǒng)測(cè)量的各項(xiàng)表型參數(shù)及分析數(shù)據(jù)結(jié)果

三、柑橘果實(shí)病害無損檢測(cè)與品質(zhì)評(píng)估

果實(shí)會(huì)由于病害、失水等各種因素造成的組織衰老、水分損失，乃至腐敗變質(zhì)。葉綠素?zé)晒獬上窦夹g(shù)已經(jīng)廣泛用于檢測(cè)這一過程的果實(shí)品質(zhì)變化。而在黃龍病檢測(cè)中，由于柑橘果實(shí)感染黃龍病后的特征變化就是果實(shí)變綠，因此應(yīng)用葉綠素?zé)晒獬上窦夹g(shù)對(duì)柑橘果實(shí)進(jìn)行檢測(cè)會(huì)非常有效。

水果蔬菜不同溫濕度儲(chǔ)存條件下葉綠素?zé)晒獬上穹治?，左圖：西紅柿、辣椒；右圖：蘋果、獼猴桃

高光譜成像技術(shù)同樣用于了柑橘病害檢測(cè)。華東理工大學(xué)使用Specim高光譜成像系統(tǒng)對(duì)柑橘黑斑病進(jìn)行了檢測(cè)。在發(fā)病早期即取得了Z 高93.8%的準(zhǔn)確率，并確定了黑斑病果實(shí)與健康果實(shí)各自的特征波段。

上：不同癥狀的黑斑病柑橘樣品；下：對(duì)應(yīng)的反射光譜曲線

同時(shí)，高光譜成技術(shù)還可以對(duì)果實(shí)營養(yǎng)進(jìn)行無損分析。易科泰光譜成像實(shí)驗(yàn)室技術(shù)人員，使用PhenoTron?-HSI果實(shí)品質(zhì)高光譜無損檢測(cè)技術(shù)（400-1700nm），分別對(duì)產(chǎn)自甘肅莊浪（GZ）、陜西宜川（SY）、山東平度（SP）三個(gè)不同產(chǎn)地的2021年秋季采摘的紅富士蘋果進(jìn)行光譜成像分析，并分別選取三種樣品表面及剖面各10個(gè)區(qū)域?qū)崪y(cè)糖度，建立預(yù)測(cè)模型評(píng)估糖度分布。這一技術(shù)將會(huì)助力柑橘黃龍病的防 治與研究工作

不同產(chǎn)地紅富士蘋果表面及剖面糖度分布（易科泰光譜成像實(shí)驗(yàn)室供圖）

參考文獻(xiàn)：

1.Ma WX, et al. 2022. Citrus Huanglongbing is a pathogen-triggered immune disease that can be mitigated with antioxidants and gibberellin. Nature Communications, 13: 529

2.Li XH, et al. 2012. Spectral difference analysis and airborne imaging classi?cation for citrus greening infected tree. Computers and Electronics in Agriculture 83: 32-46

3.Cen H, et al. 2017. Chlorophyll Fluorescence Imaging Uncovers Photosynthetic Fingerprint of Citrus Huanglongbing. Front. Plant Sci. 8:1509 doi: 10.3389/fpls.2017.01509

4.Weng H, et al. 2020. Characterization and detection of leaf photosynthetic response to citrus Huanglongbing from cool to hot seasons in two orchards. Transactions of the ASABE 63(2): 501-512

5.翁海勇，何城城，許金釵等. 2020. 葉綠素?zé)晒獬上窦夹g(shù)下的柑橘黃龍病快速診斷. 農(nóng)業(yè)工程學(xué)報(bào)，36(12)：196-203

6.Wang KJ, et al. 2019. Detection of Huanglongbing (citrus greening) based on hyperspectral image analysis and PCR. Frontiers of Agricultural Science and Engineering 6(2): 172–180

7.Pérez-Bueno M L, et al. 2016. Temporal and Spatial Resolution of Activated Plant Defense Responses in Leaves of Nicotiana benthamiana Infected with Dickeya dadantii. Front Plant Sci. 6: 1209

8.Pineda M, et al. 2017. Use of multicolour fluorescence imaging for diagnosis of bacterial and fungal infection on zucchini by implementing machine learning. Functional Plant Biology, https://doi.org/10.1071/FP16164

9.Sandmann M, et al. 2017. The use of features from fluorescence, thermography and NDVI imaging to detect biotic stress in lettuce. Plant Disease, doi: 10.1094/PDIS-10-17-1536-RE

10.Yoo, et al.2014. Chlorophyll a Fluorescence Imaging Technique for Fresh Quality Assessment of Tomato and Pepper Fruits Stored Under Different Conditions. Journal of Advances In Agriculture 3(3): 188-197

11.Yoo, et al.2014. Chlorophyll fluorescence imaging analysis for fresh quality assessment of apple and kiwi fruits preserved under different storage conditions. International Journal of Advanced Information Science and Technology 3(9): .61-69

12.Xie CQ, et al.2021. Detection of citrus black spot symptoms using spectral reflectance. Postharvest Biology and Technology 180: 111627

北京易科泰生態(tài)技術(shù)公司提供植物病害表型研究全面技術(shù)方案：

• FluorCam葉綠素?zé)晒?多光譜熒光技術(shù)

• SpectraPen/PolyPen、Specim高光譜測(cè)量技術(shù)

• Thermo-RGB紅外熱成像技術(shù)

• PlantScreen植物高通量表型成像分析平臺(tái)

• EcoDrone無人機(jī)遙感技術(shù)方案

• SpectraScan近地遙感技術(shù)

• PhenoTron?-HSI果實(shí)品質(zhì)高光譜無損檢測(cè)技術(shù)