服務熱線
-
易科泰柑橘黃龍病無損快速檢測技術方案
發布時間： 2022-04-19 點擊次數： 2697次柑橘黃龍病（Huanglongbing, 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，嚴重影響柑橘類水果的品質和產量，每年在全球范圍內造成數十億美元的經濟損失。根據2015年我國農業部的統計數據顯示：我國發生黃龍病的柑橘面積已經超過了150萬畝。從2021年開始，廣西柑桔產區從南至北連續兩年爆發木虱，全區果園均已感染程度不一的柑桔黃龍病。由于黃龍病發病當年就可造成柑橘品質和產量雙下降，三年內橘樹整株死亡，是全球柑橘生產的頭號殺手，而且沒有有效的治療手段，被稱為柑橘“癌癥"。
科學家為黃龍病防止進行了大量的研究工作。最新的研究已經證明黃龍病是一種由病原菌介導的免疫疾病（Ma，2022，Nature communications），但目前仍沒有找到具有推廣價值的治療方法。因此，科學家對黃龍病的研究主要集中在如何對其進行早期防治。
易科泰生態技術有限公司利用植物病害快速檢測相關研究儀器技術與最新的科研成果，推出易科泰柑橘黃龍病無損快速檢測技術方案：
1）果園/田間高通量黃龍病檢測技術方案：采用SpectraScan近地遙感與EcoDrone無人機遙感技術，可選配手持式/便攜式葉綠素熒光、高光譜測量及光合儀等
2）柑橘葉片黃龍病檢測技術方案：綜合運用高光譜成像檢測技術、葉綠素熒光成像技術與多光譜熒光成像技術實現可視化快速檢測，對病害發生階段和損傷程度進行評估。可選配RGB可見光成像、紅外熱成像分析等功能單元，對黃龍病發病情況與生理表型影響進行全面研究。
3）柑橘果實黃龍病檢測與品質評估技術方案：采用PhenoTron®-HSI果實品質高光譜無損檢測技術，結合葉綠素熒光成像技術，對果實黃龍病進行檢測并可對果實品質進行評估。
以上方案均使用國際儀器技術。用戶可根據研究需要靈活組配，還可搭配葉面積儀、植物生理生態原位監測系統等常規儀器。各個方案在各種植物、作物脅迫（包括病害脅迫）研究中均有大量的文獻與研究成果。感興趣的老師請與我們聯系索取相應研究文獻。
下面介紹綜合運用這一技術方案在柑橘黃龍病快速檢測與評估中的最新研究成果與應用案例：
一、果園/大田：通過光譜成像分析識別感染黃龍病的柑橘植株
病害會造成作物葉片、果實色素及結構的變化，從而造成染病植株的反射光譜異于健康植株。因此，利用機載平臺（無人機或有人機）、近地遙感平臺掛載的高光譜/多光譜成像傳感器對農田、果園進行快速大面積光譜成像分析，是目前大田作物病害識別技術之一。
中國農大與美國佛羅里達大學合作，使用高光譜和多光譜成像傳感器，通過航拍測量實現對感染黃龍病的柑橘植株快速識別。
航拍光譜數據結合田間與室內的地面驗證數據，表明航拍光譜數據能夠有效區分健康植株與感染黃龍病的植株，準確率最高可達90%。從而證明航拍與近地遙感高光譜成像技術用于防治黃龍病有非常好的發展前景。
同時這一研究也指出，為了提高航拍檢測的準確率，需要田間與室內的相應地面測量驗證。地面驗證工作既可以使用便攜式和實驗室專用儀器，也可使用集成的近地遙感平臺。
二、葉片黃龍病室內準確識別與病理表型研究
1. 葉綠素熒光成像技術
葉綠素熒光成像技術從問世以來就是植物脅迫識別與研究的最重要技術之一。浙江大學使用FluorCam葉綠素熒光成像系統發現了柑橘黃龍病的光合指紋。研究者通過對健康葉片、感染黃龍病葉片和養分缺乏葉片進行葉綠素熒光成像分析，確定了黃龍病的熒光標志，結合葉綠素熒光參數與成像圖，對葉片黃龍病取得了最佳識別分類效果，準確率達到97%。后續，浙江大學又進行了一系列工作研究黃龍病葉片熒光特性與冷熱季節變換的關系。
福建農林大學同樣使用FluorCam葉綠素熒光成像系統發現葉綠素熒光參數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。利用葉綠素熒光參數構建的隨機森林模型對柑橘黃龍病診斷的總體識別正確率為 97.50%。采用葉綠素熒光成像技術構建了柑橘黃龍病快速診斷模型，能夠實現柑橘黃龍病快速無損檢測，可為柑橘黃龍病的早期預警提供新方法。
2. 高光譜成像技術
實驗室高光譜成像儀器除了用于航拍數據的驗證，也廣泛用于病害的室內檢測與研究。西南大學利用Specim高光譜成像系統對葉片黃龍病的特征光譜曲線進行測量與分析。通過對獲得光譜曲線進行分析處理，對比PCR分析結果，對黃龍病的識別率最高達到92.5%。這一研究結果也證明在癥狀發生之前通過早期無損檢測發現黃龍病是可行的。
3. 多光譜熒光成像技術
多光譜熒光成像技術是另一種廣泛用于植物病害研究的無損成像技術。病害會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代謝受到抑制和干擾，另一方面這些次生代謝產物也是植物應對脅迫尤其是病害防御機制的重要組成部分。多光譜熒光成像技術通過檢測次生代謝物的特異藍綠熒光來識別病害的發生并評估病害對次生代謝的影響。這一技術近年來逐漸成熟，在歐洲廣泛用于各種蔬菜病害研究。
在歐洲最新的研究工作中，多光譜熒光成像經常與葉綠素熒光成像、高光譜/多光譜成像、紅外熱成像等其他表型分析技術結合，開展了更深入的作物病害檢測和表型研究工作。
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發展一種能夠高通量快速檢測生物脅迫的方法。他們使用了一種模式植物-病原體系統生菜-立枯絲核菌（Rhizoctonia solani），希望通過這幾種技術獲得的數據能夠快速將受到生物脅迫和未受到脅迫的植株區分開。
通過數據分析最終發現葉綠素熒光參數：PSII最大量子產額Fv/Fm和熒光衰減比率Rfd的區分，誤差≤0.052。研究者希望通過進一步工作，將這一發現應用于園藝和農業生產實踐。同樣，這些無損成像技術結合而成的病理表型分析技術也將為黃龍病檢測提供有力的工作。
三、柑橘果實病害無損檢測與品質評估
果實會由于病害、失水等各種因素造成的組織衰老、水分損失，乃至變質。葉綠素熒光成像技術已經廣泛用于檢測這一過程的果實品質變化。而在黃龍病檢測中，由于柑橘果實感染黃龍病后的特征變化就是果實變綠，因此應用葉綠素熒光成像技術對柑橘果實進行檢測會非常有效。
高光譜成像技術同樣用于了柑橘病害檢測。華東理工大學使用Specim高光譜成像系統對柑橘黑斑病進行了檢測。在發病早期即取得了最高93.8%的準確率，并確定了黑斑病果實與健康果實各自的特征波段。
同時，高光譜成技術還可以對果實營養進行無損分析。易科泰光譜成像實驗室技術人員，使用PhenoTron®-HSI果實品質高光譜無損檢測技術（400-1700nm），分別對產自甘肅莊浪（GZ）、陜西宜川（SY）、山東平度（SP）三個不同產地的2021年秋季采摘的紅富士蘋果進行光譜成像分析，并分別選取三種樣品表面及剖面各10個區域實測糖度，建立預測模型評估糖度分布。這一技術將會助力柑橘黃龍病的防治與研究工作。
參考文獻：
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. 葉綠素熒光成像技術下的柑橘黃龍病快速診斷. 農業工程學報，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
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
北京易科泰生態技術公司提供植物病害表型研究全面技術方案：
FluorCam葉綠素熒光/多光譜熒光技術
SpectraPen/PolyPen、Specim高光譜測量技術
Thermo-RGB紅外熱成像技術
PlantScreen植物高通量表型成像分析平臺
EcoDrone無人機遙感技術方案
SpectraScan近地遙感技術
PhenoTron®-HSI果實品質高光譜無損檢測技術