研究背景

甜瓜（Cucumis melo）因其豐富的營養價值和美味深受消費者喜愛，但灰霉病（Botrytis cinerea）的侵害嚴重威脅著甜瓜的產量和品質。灰霉病不僅具有廣泛的寄主范圍，還能迅速傳播，使得防治工作極具挑戰性。傳統檢測方法往往依賴于肉眼觀察或實驗室分析，難以在癥狀出現前精準識別感染。而非侵入式成像技術，如高光譜成像（HSR）、葉綠素熒光（Chl-FI）、藍綠熒光（BGF）和熱成像，正在精準農業領域展現出強大的應用潛力。

研究過程

本研究創新性地結合RGB 相機、熱像儀、Chl-F、BGF 和 HSR，旨在：

✅ 評估 B. cinerea 感染對甜瓜葉片生理的影響；

✅ 追蹤 癥狀的時空演變規律；

✅ 識別 癥狀出現前的關鍵成像參數。

圖 1. (A) 接種后不同天數（dpi）甜瓜葉片上灰霉病感染引起的癥狀發展。在 1 dpi 圖像中，彩色圓圈代表感興趣的區域：CI（深藍色）和 CH（淺藍色）分別對應于模擬對照植物中的接種區域和健康區域；而 BcI（深紅色）和 BcH（淺紅色）分別對應于 B. cinerea 感染植物的接種區域和健康區域。（B）B. cinerea 接種葉片中真菌引起的病變大小的演變。圖表顯示病變大小平均值 ± 標準誤差；n = 104。小寫字母表示根據單因素方差分析，病變 0.001。

圖 2. 圖 1 中選定的四個 ROI 中光系統 II (ΦPSII) 的有效量子產率 (A) 和 (C) 非光化學猝滅 (NPQ)。圖表顯示 ΦPSII 和 NPQ 的平均值 ± 標準誤差；n = 32。使用雙向方差分析比較不同處理隨時間的變化。p < 0.05 時差異被認為顯著。小寫字母表示相同 dpi 下不同處理之間的差異；而大寫字母表示相同處理隨時間的變化。在癥狀出現之前和之后（分別為接種后 1 天和 3 天或 dpi），來自 B. cinerea 感染植物及其相應對照的整片葉子的 (B) ΦPSII 和 (D) NPQ 圖像。代表性測量值以假彩色標度顯示。

圖 3. 圖 1 中四個選定的感興趣區域中的 (A) 蕓苔屬植物氣候應激指數 (CSIB) 和 (C) 光化學反射指數 (PRI)。圖表顯示 CSIB 和 PRI 平均值 ± 標準誤差；n = 104。使用雙向方差分析比較不同處理隨時間的變化。p < 0.05 時差異被認為顯著。小寫字母表示相同 dpi 下不同處理之間的差異，而大寫字母表示同一處理隨時間的變化差異。在癥狀出現之前和之后，感染 B. cinerea 的植物及其相應對照的整片葉子的 (B) CSIB 和 (D) PRI 圖像。代表性測量值以假色標顯示。

圖 4. (A) 在圖 1 中描述的選定感興趣區域中測量的歸一化差異植被指數 (NDVI)。圖表顯示 NDVI 平均值 ± 標準誤差；n = 104。使用雙向方差分析比較不同時間的處理。p < 0.05 時差異被認為是顯著的。小寫字母表示相同 dpi 下不同處理之間的差異，而大寫字母表示同一處理內隨時間變化的差異。(B) 代表性 NDVI 曲線沿一條 70 像素線（相當于 10 毫米）顯示，該線橫跨 CI 和 (C) BcI 區域并以接種物為中心。每個垂直軸都提供了 NDVI 刻度；水平灰線之間的 NDVI 差異為 0.125 個單位。還為每個面板提供了接種后相應天數 (dpi) 的接種區域 NDVI 圖像和應用于它們的假色標。

其中，高光譜成像 (HSR) 是研究中的關鍵技術之一。本研究采用 Pika L 高光譜成像儀（Resonon，美國蒙大拿州博茲曼），記錄了400–1000 nm 光譜范圍內的數據。Pika L 具有光譜采樣率 2.1 nm，光譜分辨率 3.7 nm，能夠為每片葉子構建包含 281 張圖像（900 × 857 像素）的數據立方體，精準捕捉植物在感染初期的生理變化。這一多傳感器成像技術的應用，極大提升了對病害早期檢測的準確性。

癥狀擴散的時空演變：精準追蹤感染進程

在 1-4 天（dpi）內，研究團隊利用成像技術監測病害進展，并結合軟件分析病變面積，量化病原體對甜瓜的影響。結果顯示：

2 dpi 前，真菌活動主要集中在感染核心區域，光合作用性能顯著下降。

3 dpi 后，病變組織開始向外呈環狀擴散，并伴隨葉片溫度變化和次生代謝的劇烈波動。

在分析眾多成像參數后，研究發現以下植被指數（VI）在病害早期檢測中表現尤為突出：

✅ PRI（光合反射指數） —— 反映光合活性和脅迫響應

✅ NDVI（歸一化植被指數） —— 評估植物健康狀況

✅ CSIB（葉片化學組成指數） —— 識別代謝異常

這些指標在癥狀肉眼可見之前就能精準反映植物的生理異常，為精準農業提供重要的早期預警手段。通過整合非侵入式成像技術，研究成果不僅推動了植物病害早期檢測技術的發展，也為甜瓜灰霉病的精準防治提供了新的思路。

研究結果

本研究表明，多傳感器融合成像技術在植物健康監測領域具有巨大的潛力。相比傳統方法，這些技術能夠更快速、更高效地檢測病害，有助于精準干預，提高農業生產力。未來，我們期待這些技術在更多作物病害管理中得到應用，為智慧農業賦能，讓農作物在病害威脅下依然能夠健康生長！