易科泰柑橘黄龙病无损快速检测技术方案

柑橘黄龙病（Huanglongbing, HLB or Citrus Greening）是一类由韧皮部寄生的革兰氏阴性菌韧皮部杆菌Candidatus Liberibacter asiaticus （CLas）引起的柑橘类植物病害，严重影响柑橘类水果的品质和产量，每年在全球范围内造成数十亿美元的经济损失。根据2015年我国农业部的统计数据显示：我国发生黄龙病的柑橘面积已经超过了150万亩。从2021年开始，广西柑桔产区从南至北连续两年爆发木虱，全区果园均已感染程度不一的柑桔黄龙病。由于黄龙病发病当年就可造成柑橘品质和产量双下降，三年内橘树整株死亡，是全球柑橘生产的头号杀手，而且没有有效的治疗手段，被称为柑橘“癌症”。

科学家为黄龙病防止进行了大量的研究工作。最新的研究已经证明黄龙病是一种由病原菌介导的免疫疾病（Ma，2022，Nature communications），但目前仍没有找到具有推广价值的治疗方法。因此，科学家对黄龙病的研究主要集中在如何对其进行早期防治。

易科泰生态技术有限公司利用国际先进植物病害快速检测相关研究仪器技术与最新的科研成果，推出易科泰柑橘黄龙病无损快速检测技术方案：

1）果园/田间高通量黄龙病检测技术方案：采用SpectraScan近地遥感与EcoDrone无人机遥感技术，可选配手持式/便携式叶绿素荧光、高光谱测量及光合仪等

2）柑橘叶片黄龙病检测技术方案：综合运用高光谱成像检测技术、叶绿素荧光成像技术与多光谱荧光成像技术实现可视化快速检测，对病害发生阶段和损伤程度进行评估。可选配RGB可见光成像、红外热成像分析等功能单元，对黄龙病发病情况与生理表型影响进行全面研究。

3）柑橘果实黄龙病检测与品质评估技术方案：采用PhenoTron®-HSI果实品质高光谱无损检测技术，结合叶绿素荧光成像技术，对果实黄龙病进行检测并可对果实品质进行评估。

以上方案均使用国际一流的仪器技术。用户可根据研究需要灵活组配，还可搭配叶面积仪、植物生理生态原位监测系统等常规仪器。各个方案在各种植物、作物胁迫（包括病害胁迫）研究中均有大量的文献与研究成果。感兴趣的老师请与我们联系索取相应研究文献。

下面介绍综合运用这一技术方案在柑橘黄龙病快速检测与评估中的最新研究成果与应用案例：

一、果园/大田：通过光谱成像分析识别感染黄龙病的柑橘植株

病害会造成作物叶片、果实色素及结构的变化，从而造成染病植株的反射光谱异于健康植株。因此，利用机载平台（无人机或有人机）、近地遥感平台挂载的高光谱/多光谱成像传感器对农田、果园进行快速大面积光谱成像分析，是目前最成熟的大田作物病害识别技术之一。

中国农大与美国佛罗里达大学合作，使用高光谱和多光谱成像传感器，通过航拍测量实现对感染黄龙病的柑橘植株快速识别。

航拍光谱数据结合田间与室内的地面验证数据，表明航拍光谱数据能够有效区分健康植株与感染黄龙病的植株，准确率最高可达90%。从而证明航拍与近地遥感高光谱成像技术用于防治黄龙病有非常好的发展前景。

同时这一研究也指出，为了提高航拍检测的准确率，田间与室内的相应地面测量验证是必不可少的。地面验证工作既可以使用便携式和实验室专用仪器，也可使用集成的近地遥感平台。

二、叶片黄龙病室内准确识别与病理表型研究

1. 叶绿素荧光成像技术

叶绿素荧光成像技术从问世以来就是植物胁迫识别与研究的最重要技术之一。浙江大学使用FluorCam叶绿素荧光成像系统发现了柑橘黄龙病的光合指纹。研究者通过对健康叶片、感染黄龙病叶片和养分缺乏叶片进行叶绿素荧光成像分析，确定了黄龙病独一无二的荧光标志，结合叶绿素荧光参数与成像图，对叶片黄龙病取得了最佳识别分类效果，准确率达到97%。后续，浙江大学又进行了一系列工作研究黄龙病叶片荧光特性与冷热季节变换的关系。

福建农林大学同样使用FluorCam叶绿素荧光成像系统发现叶绿素荧光参数能够精确地反演出由于黄龙病感染造成的淀粉、蔗糖、葡萄糖和果糖含量变化。利用叶绿素荧光参数构建的随机森林模型对柑橘黄龙病诊断的总体识别正确率为 97.50%。采用叶绿素荧光成像技术构建了柑橘黄龙病快速诊断模型，能够实现柑橘黄龙病快速无损检测，可为柑橘黄龙病的早期预警提供新方法。

2. 高光谱成像技术

实验室高光谱成像仪器除了用于航拍数据的验证，也广泛用于病害的室内检测与研究。西南大学利用Specim高光谱成像系统对叶片黄龙病的特征光谱曲线进行测量与分析。通过对获得光谱曲线进行分析处理，对比PCR分析结果，对黄龙病的识别率最高达到92.5%。这一研究结果也证明在症状发生之前通过早期无损检测发现黄龙病是可行的。

3. 多光谱荧光成像技术

      多光谱荧光成像技术是另一种广泛用于植物病害研究的无损成像技术。病害会造成植物合成大量次生代谢物如多酚、黄酮等。这一方面是由于植物初级代谢受到抑制和干扰，另一方面这些次生代谢产物也是植物应对胁迫尤其是病害防御机制的重要组成部分。多光谱荧光成像技术通过检测次生代谢物的特异蓝绿荧光来识别病害的发生并评估病害对次生代谢的影响。这一技术近年来逐渐成熟，在欧洲广泛用于各种蔬菜病害研究。

在欧洲最新的研究工作中，多光谱荧光成像经常与叶绿素荧光成像、高光谱/多光谱成像、红外热成像等其他表型分析技术结合，开展了更深入的作物病害检测和表型研究工作。

德国莱布尼茨蔬菜和观赏植物研究所IGZ致力于通过这些成像分析技术发展一种能够高通量快速检测生物胁迫的方法。他们使用了一种模式植物-病原体系统生菜-立枯丝核菌（Rhizoctonia solani），希望通过这几种技术获得的数据能够快速将受到生物胁迫和未受到胁迫的植株区分开。

通过数据分析最终发现叶绿素荧光参数：PSII最大量子产额Fv/Fm和荧光衰减比率Rfd的区分效果最好，误差≤0.052。研究者希望通过进一步工作，将这一发现应用于园艺和农业生产实践。同样，这些无损成像技术结合而成的病理表型分析技术也将为黄龙病检测提供有力的工作。

三、柑橘果实病害无损检测与品质评估

果实会由于病害、失水等各种因素造成的组织衰老、水分损失，乃至腐败变质。叶绿素荧光成像技术已经广泛用于检测这一过程的果实品质变化。而在黄龙病检测中，由于柑橘果实感染黄龙病后的特征变化就是果实变绿，因此应用叶绿素荧光成像技术对柑橘果实进行检测会非常有效。

高光谱成像技术同样用于了柑橘病害检测。华东理工大学使用Specim高光谱成像系统对柑橘黑斑病进行了检测。在发病早期即取得了最高93.8%的准确率，并确定了黑斑病果实与健康果实各自的特征波段。

同时，高光谱成技术还可以对果实营养进行无损分析。易科泰光谱成像实验室技术人员，使用PhenoTron®-HSI果实品质高光谱无损检测技术（400-1700nm），分别对产自甘肃庄浪（GZ）、陕西宜川（SY）、山东平度（SP）三个不同产地的2021年秋季采摘的红富士苹果进行光谱成像分析，并分别选取三种样品表面及剖面各10个区域实测糖度，建立预测模型评估糖度分布。这一技术将会助力柑橘黄龙病的防治与研究工作。

参考文献：

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 classification 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，许金钗等. 2020. 叶绿素荧光成像技术下的柑橘黄龙病快速诊断. 农业工程学报，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

北京易科泰生态技术公司提供植物病害表型研究全面技术方案：

FluorCam叶绿素荧光/多光谱荧光技术

SpectraPen/PolyPen、Specim高光谱测量技术

Thermo-RGB红外热成像技术

PlantScreen植物高通量表型成像分析平台

EcoDrone无人机遥感技术方案

SpectraScan近地遥感技术

PhenoTron®-HSI果实品质高光谱无损检测技术