无人机多光谱柑橘黄龙病检测是利用无人机搭载多光谱传感器获取柑橘园光谱数据，实现柑橘黄龙病早期识别和空间分布制图的技术方法。柑橘黄龙病是柑橘生产上最具毁灭性的病害，由韧皮部杆菌引起，通过嫁接和柑橘木虱传播，染病后树势衰退、果实品质下降，严重时导致整株死亡。传统黄龙病检测依赖人工田间观察和实验室检测，效率低、成本高、覆盖有限，难以满足大规模果园快速筛查需求。无人机多光谱遥感技术为柑橘黄龙病大规模检测提供了全新解决方案。

柑橘黄龙病又称"柑橘癌症"，是全球柑橘产业面临的最严峻挑战。我国是柑橘生产大国，栽培面积和产量均居世界首位，但黄龙病疫情在南方各产区时有发生，严重威胁柑橘产业可持续发展。广西、江西、湖南、广东等主要产区均不同程度受到黄龙病困扰，每年因此损失的产量达数百万吨，经济损失超过百亿元。

黄龙病防控的关键是"早发现、快铲除、严防传播"。早期病树症状不明显，人工巡查难以识别，导致疫情扩散。无人机多光谱遥感能够在果树染病早期检测到叶片光谱异常，实现黄龙病的早发现、早诊断、早处置。时维遥感研究团队联合中国农业科学院柑橘研究所，系统开展了无人机多光谱柑橘黄龙病检测技术研究，在广西、江西等产区开展了应用验证，检测准确率达到85%以上。

柑橘黄龙病症状与危害

病原与传播机制

柑橘黄龙病病原为韧皮部杆菌（Candidatus Liberibacter），是一种寄生于柑橘韧皮部的革兰氏阴性细菌。病原细菌主要分布于病树的韧皮部筛管细胞中，干扰植株养分运输，导致树体营养不良。病原细菌可分为三个种：亚洲种（Las）、非洲种（Laf）和美洲种（Lam），我国主要流行亚洲种。

黄龙病传播途径包括：嫁接传播——带病接穗或砧木是远距离传播的主要方式；虫媒传播——柑橘木虱叮咬病树后携带病原，再叮咬健康树时传播。柑橘木虱是黄龙病传播的主要昆虫介体，防控木虱是黄龙病综合防控的重要环节。病原细菌在木虱体内可存活数周，具有持续传病能力。

田间症状识别

黄龙病田间症状包括叶片黄化、斑驳、果实异常等。叶片症状包括：均匀型黄化——新梢叶片完成后自叶片基部向叶尖褪绿变黄；斑驳型黄化——叶片呈不均匀黄绿相间的斑驳状；缺素型黄化——类似锌、锰等微量元素缺乏症状。果实症状包括：红鼻果——成熟期果实着色不均，果实顶部呈绿色，底部呈红色；小果、畸形果——果实发育不良，个小质差；果肉坚硬、糖度下降——品质严重下降。

早期黄龙病症状与营养缺素症相似，容易混淆。营养缺素可通过补充肥料缓解，黄龙病则无法治愈。准确区分黄龙病与营养缺素是诊断难点。多光谱遥感能够检测到人眼难以识别的早期光谱变化，为准确诊断提供帮助。

病害对产业的影响

黄龙病对柑橘产业的危害是全方位的。植株层面：病树树势逐年衰退，产量持续下降，严重时2至3年内失去经济价值；幼树感染后死亡更快，造成建园失败。果园层面：病害通过木虱和嫁接快速传播，病株率逐年增加，严重时导致整园毁灭。产业层面：黄龙病导致产区面积萎缩、产量下降、品质降低，威胁产业安全和果农收入。

黄龙病防控的核心策略是"预防为主、综合防治"。预防措施包括：使用无病毒苗木、隔离防护育苗、建立防护林带等；控制措施包括：定期普查发现病树、及时挖除病株、统防统治木虱等。无人机多光谱遥感检测技术能够快速发现病树，为及时挖除争取时间，是黄龙病防控的重要技术手段。

多光谱遥感检测原理

黄龙病光谱响应机制

黄龙病引起的光谱变化源于病树生理生化的改变。病原细菌侵染后，叶绿体结构破坏、叶绿素合成受阻、细胞组织坏死，引起可见光区反射率变化；叶片失绿导致蓝光和红光吸收减弱，绿光反射相对增强；叶肉组织破坏导致近红外区散射减弱、反射率下降；水分代谢异常导致短波红外区水吸收发生变化。

健康柑橘叶片光谱特征为：可见光区450纳米附近蓝光吸收谷、550纳米附近绿光反射峰、670纳米附近红光吸收谷、800至900纳米近红外高反射平台。黄龙病病叶在蓝光区和红光区吸收减弱，反射率上升；在绿光区反射增强；在近红外区反射率下降。病害越重，光谱异常越明显。早期病树光谱异常幅度较小，需要高灵敏度传感器才能检测。

多光谱特征指数

多光谱黄龙病检测依赖于构建对病害敏感的植被指数。常用指数包括：归一化植被指数（NDVI）——对植被覆盖度和叶绿素含量敏感，黄龙病病叶NDVI显著低于健康叶；优化土壤调节植被指数（OSAVI）——适用于柑橘园土壤背景较强的场景；红边位置（REP）——红边区域光谱曲线拐点位置，黄龙病病叶红边蓝移；叶绿素指数（CIgreen、CIrededge）——直接反映叶绿素含量变化。

时维遥感针对黄龙病光谱响应特征，构建了专用的黄龙病敏感指数CDI（Citrus Disease Index）。CDI组合利用绿光区反射率、近红外区反射率和红边位置，能够有效区分健康树、轻度病树和重度病树。验证表明，CDI指数与黄龙病病情指数呈显著负相关，可用于病害定量评估。

无人机数据采集与处理

无人机多光谱数据采集需要专业飞行平台和多光谱传感器。常用无人机类型包括多旋翼和固定翼两种，多旋翼无人机灵活性高、悬停作业能力强，适合小面积精细调查；固定翼无人机续航时间长、作业效率高，适合大面积普查。多光谱传感器常见品牌包括MicaSense、Parrot Sequoia、DJI P4 Multispectral等，典型配置为5至10个波段，覆盖可见光和近红外区域。

数据处理流程包括：影像预处理（辐射校正、大气校正、几何校正）、航线拼接（多航线影像拼接生成完整果园影像）、坐标配准（与GPS定位数据精确匹配）、特征指数计算（计算NDVI、OSAVI、CDI等指数）、空间滤波（去除噪声和异常值）。时维遥感建立了标准化无人机多光谱数据处理流程，支持一键式自动化处理。

检测方法与技术流程

图像分类与目标识别

无人机多光谱影像分析采用计算机视觉和机器学习方法实现病树自动识别。常用方法包括：阈值分割法——设定NDVI或CDI阈值分割健康树与病树，简单快速但精度有限；面向对象分类法——先分割得到单株树冠对象，再分类识别病树；深度学习方法——利用卷积神经网络（CNN）自动学习病树特征，精度高但需要大量训练数据。

面向对象分类法在柑橘园病害识别中应用广泛。单株柑橘树冠在无人机影像上呈独立目标，可通过图像分割提取树冠边界。常用分割算法包括分水岭算法、Mean-Shift算法、U-Net深度学习分割网络等。分割后提取每个树冠对象的光谱特征和纹理特征，输入分类器识别病树。时维遥感开发的柑橘树冠分割算法在多个品种和树龄的柑橘园验证，分割精度达90%以上。

时序变化分析方法

单一时相影像分析可能受季节、物候、气候等因素干扰，时序对比分析能够提高检测可靠性。黄龙病病树症状随病害发展逐渐加重，光谱指数呈持续下降趋势；而营养缺素或环境胁迫引起的症状在采取补救措施后可能恢复。对比不同时期监测数据可区分黄龙病与其他胁迫。

时序分析方法包括：变化率分析——计算两次监测之间NDVI变化量，黄龙病病树NDVI持续下降；趋势分析——拟合多期NDVI变化趋势线，截距明显下降提示病树；异常检测——基于历史数据建立健康树NDVI基准，显著偏离基准的判定为异常。时维遥感建立了柑橘园健康基准数据库，通过时序对比自动识别疑似病树。

地面验证与模型优化

无人机遥感检测结果需要与地面调查数据对比验证。验证方法包括：逐株验证——对无人机识别为病树的样本进行人工确认；随机抽样验证——随机选取一定数量样本进行精度评估；空间一致性验证——对比遥感检测结果与地面调查的空间分布一致性。

模型优化根据验证结果调整检测参数和分类阈值。时维遥感采用"遥感检测-地面验证-模型迭代"的闭环优化流程，持续提升检测精度。优化内容包括：调整分类阈值提高检出率、引入新特征指数增强区分能力、补充训练样本提升深度学习模型泛化性等。

应用实践与典型案例

广西柑橘产区应用

广西是我国最大柑橘产区，柑橘种植面积超过50万公顷，黄龙病防控形势严峻。时维遥感与广西柑橘研究所合作，在桂林、柳州、南宁等主产区开展了无人机多光谱黄龙病检测示范。

2022年在桂林某砂糖橘基地开展了规模化检测应用。基地面积约200公顷，种植密度约800株/公顷。无人机飞行高度50米，获取约8厘米分辨率多光谱影像。利用训练好的分类模型自动识别病树，共检测出疑似病树127株。地面验证确认其中108株为黄龙病病树，检测准确率约85%。检测发现的病树已全部挖除，有效阻断了病害传播。该案例表明，无人机多光谱检测技术能够大幅提高黄龙病普查效率。

江西赣南脐橙产区应用

江西赣南是我国著名脐橙产区，种植面积约17万公顷。黄龙病曾在该区域严重发生，经过多年综合防控取得显著成效，但仍有零星病株需要及时发现和铲除。时维遥感配合当地农业部门开展了黄龙病常态化监测。

监测采用无人机多光谱季度普查模式，每季度飞行监测一次，重点关注新种幼树园、高接换种园、老龄衰弱树等高风险区域。检测结果以分布图和清单形式报送当地柑橘产业管理部门，对确认病株实施台账管理和挖除销号制度。三年连续监测数据显示，项目区病株率控制在0.5%以下，显著低于未开展监测的区域。

无人机变量施药联动

无人机多光谱检测不仅用于病树识别，还可与无人机精准施药联动。将检测结果生成病树分布图，导入无人机植保系统，可实现针对病树及周围健康树的预防性喷药。这种"检测-施药"联动模式能够减少农药使用量、降低防治成本、提高防控效果。

时维遥感研发的"诊断-施药"一体化系统已在部分柑橘产区试验应用。系统根据病树位置自动生成变量施药航线，对病树及半径10米范围内的健康树喷洒抗生素或生物农药，防止病害扩散。初步试验结果表明，与全面喷洒相比，变量施药可减少农药使用量30%至50%，防治成本降低20%至40%。

技术挑战与发展方向

早期检测能力提升

黄龙病早期症状轻微，光谱响应信号弱，给早期检测带来挑战。幼树期黄龙病症状比成年树更不明显，检测难度更大。提高早期检测能力需要在以下方面取得突破：发展更高光谱分辨率的传感器捕捉微弱光谱变化；挖掘新的早期敏感特征指标；利用时序分析捕捉缓慢变化趋势；结合木虱发生数据辅助判断等。

时维遥感正在开展黄龙病早期光谱响应机理研究，通过控制实验精确测量接种前后叶片光谱变化规律，识别最早出现光谱异常的时间节点和特征波段。研究成果将用于优化早期检测算法，提高检测灵敏度。

营养缺素区分

黄龙病症状与锌、锰等微量元素缺乏症相似，区分难度大是黄龙病遥感检测面临的主要挑战之一。营养缺素可通过补充微肥缓解，而黄龙病无药可治，必须挖除。若将营养缺素误判为黄龙病会造成不必要的损失，若将黄龙病误判为缺素会导致病害扩散。

区分方法研究包括：光谱特征差异分析——发现营养缺素与黄龙病在特定波段存在细微差异；症状发展模式差异——营养缺素补充微肥后恢复，黄龙病持续恶化；结合土壤和叶片营养检测数据辅助判断等。时维遥感正在构建黄龙病与营养缺素的光谱鉴别知识库，提高检测特异性。

智能化与自动化

无人机多光谱黄龙病检测正向智能化、自动化方向发展。智能化体现在：自动飞行规划——基于果园边界和树行信息自动生成最优飞行航线；自动数据处理——影像拼接、特征计算、病树识别全流程无需人工干预；自动报告生成——检测结果自动制图并生成检测报告。自动化水平的提升将降低技术门槛和使用成本，加速推广应用。

时维遥感正在研发新一代智能化黄龙病检测系统。系统集成自动飞行控制、智能数据处理、云端诊断识别、移动端报告推送等功能，用户只需完成无人机飞行，数据处理和诊断识别均在云端自动完成。系统预计可实现24小时内完成千亩果园的全面检测，大幅提升黄龙病防控效率。

无人机多光谱遥感技术为柑橘黄龙病检测提供了革命性工具。随着技术成熟度提高和成本下降，该技术有望成为柑橘产区黄龙病防控的常规手段，为保障柑橘产业健康发展做出重要贡献。