近日，中国科学院空天信息创新研究院（空天院）遥感卫星应用国家工程研究中心研究员黄长平团队，联合遥感与数字地球全国重点实验室、石河子大学等单位在棉花黄萎病病情分级与遥感监测领域取得突破，提出面向遥感监测的棉花黄萎病病情分级实用方法——八位定级法（Eight-Position Grading，EPG）。
EPG方法不仅实现病情指数与产量损失的定量关联，而且极大简化了传统田间病情分级调查的复杂过程，显著提升病情分级体系与遥感监测模式的适配度，为黄萎病病情科学评估和遥感监测提供实用方案。
病情分级作为黄萎病综合防治的关键环节，其科学性直接影响病害监测、抗性鉴定及产量损失评估的准确性。然而，目前基于叶片发病率占比的5级分级国家标准（GB/T 22101.5—2009，GB）在棉花黄萎病田间调查和遥感监测应用中存在局限：一是基于全株叶片显症比例的分级标准与产量脱节，难以准确评估黄萎病造成的产量损失；二是目前GB分级方法依赖全株叶片病情人工统计，操作繁琐，人为误差大；三是由于黄萎病“自下而上”的发病特点，导致GB分级方法与遥感“自上而下”的观测模式存在尺度差异，降低了黄萎病遥感监测精度。
为此，研究团队基于棉花黄萎病“自下而上”的发病特点定量解析不同层枝节的不同功能类型叶片对产量损失的指示能力（图1），发现果枝叶与棉花产量的相关性比主茎叶更显著；顶3层（L1-L3）的主茎叶和顶5层（L1-L5）的果枝叶的病情能有效指示产量损失。因此，团队结合棉花枝叶“3/8”螺旋状分布规律（图2 a和b），基于GB病情分级原理利用L1-L3的主茎叶和L1-L5 的果枝叶（图2 c）代替全株棉叶提出了EPG方法。
研究表明，与传统GB病情分级等方法相比，EPG方法具有诸多优势：一是EPG仅需考虑棉株冠层顶部的关键少数叶片（图2 d和e），极大简化田间调查流程，尤其适合大范围区域黄萎病监测调查；二是EPG以12%的产量梯度指示产量损失（图3），其与产量的相关性高于GB方法（图5）；三是通过理论与无人机实验验证，EPG方法更加适合遥感大范围监测（图4），且对黄萎病病情的估算精度显著高于目前GB分级方法（R²=0.76）（图5）。EPG方法为棉花黄萎病病情的科学评估提供可行的解决方案，高效地服务于棉花黄萎病病情遥感监测和产量定损。
上述成果以“A Practical Approach for Grading Cotton Verticillium Wilt Severity for Remote Sensing Monitoring”为题，发表在农林科学领域权威期刊《Agricultural and Forest Meteorology》（中国科学院一区TOP）。空天院硕士研究生桂尧辉为第一作者，研究员黄长平为通讯作者。研究工作得到中国科学院基础前沿研究计划从0到1原始创新项目、国家自然科学基金、八师石河子市重点领域创新团队计划、中国科学院青促会优秀会员和特别研究助理专项等项目的支持。
论文链接：https://doi.org/10.1016/j.agrformet.2025.110559
图1 棉花叶片分层或分类病情与产量的响应权重：(a)分层且分类；(b)分层；(c)分类；(d)主茎叶分层；(e)果枝叶分层；显著水平: *** (p < 0.001)
图2 棉花枝叶的空间形态：(a) 棉花植株；(b) 枝茎分布；(c) 理论冠层；(d) 单株棉花在L1-L3层的主茎叶片和L1-L5层的果枝叶片；(e)为与(d)中冠层相交的棉花植株在L1-L3层的主茎叶片和L1-L5层的果枝叶片
图3 不同棉花黄萎病病情分级方法与产量的响应关系（绿色虚线代表健康棉花单铃籽棉平均产量）；显著水平：*** (p < 0.001)
图4 棉花分层结构示意图及mSCOPE模拟的棉花黄萎病不同垂直分布模式下冠层光谱：(a)SE1；(b)SE2；(c)SE3；(d)SE4；(e)SE5；(f)SE6；(g)SE7；(h)和(i)为(g)的局部放大图；G0-1-2指棉花上、中、下层黄萎病病级分别为G0、G1和G2，其他同理
图5棉花DI_GB和DI_EPG的遥感估算结果：(a)和(b)为DI_GB与 DI_EPG的估算结果；(c)和(d)为DI_GB与DI_EPG的精度评价；(e)DI_EPG相对于DI_GB的优化；(f)-(i)分别为实测DI_GB、估算DI_GB、实测DI_EPG和估算DI_EPG与单铃籽棉产量的线性关系
动态新闻