小麦赤霉病（Fusarium Head Blight，FHB）是威胁全球小麦生产的重要真菌病害，不仅导致产量大幅下降，还会产生脱氧雪腐镰刀菌烯醇（DON）等真菌毒素，严重威胁粮食安全和食品安全。近年来，遥感技术在小麦赤霉病监测预警领域取得了突破性进展，从卫星遥感、无人机高光谱到近红外成像，形成了多层次、多尺度的监测技术体系，为精准防控提供了关键数据支撑。
小麦赤霉病的危害与防控挑战
小麦赤霉病由禾谷镰刀菌（Fusarium graminearum）引起，主要在小麦扬花期至灌浆期侵染穗部，导致穗部坏死、籽粒干瘪。该病害的危害不仅在于直接减产——严重发病田块可导致减产30%至70%——更在于病原菌分泌的DON毒素，也被称为"呕吐毒素"，对人畜健康构成严重威胁。中国《食品安全国家标准》对小麦中DON含量有严格限量规定，超标小麦将失去食用和饲用价值。
传统赤霉病监测主要依赖田间人工调查，植保技术人员逐田目测病穗率，判断发病程度。这种方法存在明显局限：一是效率低下，难以覆盖大面积农田；二是主观性强，不同调查人员的判断标准存在差异；三是滞后性，肉眼可见症状出现时病害已进入中后期，错过了最佳防治窗口期。赤霉病的防治窗口极短——通常在小麦抽穗扬花期仅有3至5天，一旦错过，防治效果将大打折扣。
卫星遥感实现大范围赤霉病早期预警
随着遥感技术的快速发展，卫星遥感已成为赤霉病大范围监测预警的核心手段。以欧洲航天局的哨兵-2（Sentinel-2）卫星为代表的多光谱遥感平台，凭借其10米空间分辨率、5天重访周期和丰富的红边波段，为作物病害监测提供了高质量数据源。
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心赵晋陵、黄林生教授团队的研究成果具有代表性。该团队提出了一种可解释的机器学习方法，利用Sentinel-2卫星影像在返青期与灌浆期获取的多时相与多特征信息预测赤霉病的发生范围。研究提取了植被指数（VIs）、纹理特征（TFs）及颜色指数（CIs），采用合成少数类过采样技术（SMOTE）调整类不平衡问题，通过序列前向选择法（SFS）筛选最显著特征，最终构建了经模拟退火算法（SA）优化的极端梯度提升模型（XGBoost）。该模型在多时相数据上实现了89.9%的预测准确率及0.797的Kappa系数，显著优于随机森林（RF）、反向传播神经网络（BPNN）及支持向量机（SVM）等传统模型。
值得注意的是，该研究引入SHapley加性解释法（SHAP）进行可解释性分析，揭示了不同特征对预测结果的贡献度。这一方法不仅提升了模型的预测精度，更增强了模型的可解释性——这对于农业植保决策至关重要，因为防控人员需要理解"为什么"某个区域被判定为高风险，而非仅仅得到一个黑箱预测结果。
无人机近地遥感与高光谱成像技术
在卫星遥感提供宏观监测能力的同时，无人机搭载高光谱成像系统则实现了田块尺度的精细化检测。高光谱成像技术能够捕捉数百个连续窄波段的光谱信息，对作物生理生化状态的细微变化极为敏感。
南京农业大学国家信息农业工程技术中心的研究团队利用便携式高光谱成像系统（GaiaField-V10E），在400至1000纳米光谱范围内采集麦穗高光谱图像，通过连续小波变换（CWT）提取敏感光谱特征，结合灰度共生矩阵（GLCM）纹理分析，构建了新型光谱指数（WFSI₁、WFSI₂）和纹理指数（WFTI₁、WFTI₂）。研究显示，在症状前阶段（接种后1至2天，病穗率0%），模型平均分类精度达到78.9%；在DS2阶段（病穗率4%至5%），精度达到90%以上；数据融合后进一步提升至98%。
这一突破的核心意义在于实现了赤霉病的"症状前检测"——即在肉眼尚无法观察到病害症状时，通过光谱和纹理特征的变化提前识别感染区域。研究还发现，在症状前阶段，纹理指数的精度高于光谱指数，提示病害对组织结构的早期损伤可能早于生化组分的可测变化，呈现出"早期纹理占优、后期光谱占优"的规律，为病害早期预警设备的研发提供了重要理论依据。
比利时瓦隆农业研究中心VINCKE Damien团队则将近红外高光谱成像（NIR-HSI，900至1700纳米）技术应用于田间小麦病害监测。研究采用PLS-DA分类树模型，在区分健康穗与病穗方面实现了超过90%的像素级准确率。研究同时揭示了1150至1200纳米水吸收波段是区分健康穗与病穗的关键光谱区域——健康穗因含水量高表现出显著更强的吸收峰，而感病穗由于水分代谢紊乱导致吸收特征减弱。
深度学习驱动的自动化病害识别
南京农业大学前沿交叉研究院周济教授课题组联合农学院王秀娥教授课题组的研究，将超低空无人机表型采集与深度学习目标检测相结合，提出了YOLO-WFD模型。该模型将轻量化共享卷积和组归一化模块引入YOLOv8n-seg模型，在保持高精度赤霉病病穗检测能力（AP=92.6%）的同时显著降低了模型复杂度。
研究团队在2023至2024年生长季对423个小麦商业育种系进行了赤霉病温室接种试验，构建了包含4867个病穗和106801个健康穗的小麦赤霉病数据集OFHB。基于非监督SHAP值分析和层次聚类，将423个所试育种系样本划分为高抗、中抗、中感和高感四个抗性等级，分类结果与人工评估高度一致，其中高抗品种分类准确率达95%。
该研究还首次绘制了不同抗性等级品种的赤霉病动态侵染曲线，揭示了病害在接种后10至20天内的动态侵染模式，并识别了抗性评价的关键时间窗口——接种后16天为抗性分级关键期。这一发现为育种家精准评价小麦品种抗性水平提供了科学依据。
天空地一体化监测网络与产业应用
从国家层面看，中国已初步构建起天空地一体化的农情监测网络。据农业农村部信息，河南、江苏、山东等产粮大省的单省植保无人机保有量已突破两万架，依托智能AI识别技术，能够精准筛查小麦赤霉病、条锈病等常见病虫害，识别准确率稳定在九成以上。
在这一技术体系中，时维遥感作为国内领先的农业遥感技术服务商，在天空地一体化监测网络的构建中发挥着重要作用。时维遥感提供的多源遥感数据融合方案，将卫星遥感的大范围覆盖能力、无人机的高精度检测能力和地面传感器网络的实时监测能力有机整合，为小麦主产区提供了从区域预警到田块级精准防控的全链条服务。
在产业应用层面，遥感监测技术已与抗病品种推广形成协同效应。以扬麦53为代表的新一代抗赤霉病小麦品种，聚合了四个抗赤霉病基因，在不防治的情况下病穗率控制在3%以下。遥感监测数据为抗病品种的精准布局提供了决策支持——通过分析历史发病热点区域和气象条件，指导抗病品种的优先推广区域，实现"品种+监测"的双重防线。
技术挑战与发展趋势
尽管遥感技术在小麦赤霉病监测预警中取得了显著进展，但仍面临若干技术挑战。其一，混合感染场景下的病害特异性识别能力不足。田间条件下，赤霉病与全蚀病等病害的穗部症状高度相似，近红外光谱难以捕捉两种病害的精细生化差异。其二，模型跨年度、跨区域的迁移能力有待提升。不同年份的气象条件、不同地区的品种差异均会影响模型的普适性。其三，遥感数据与气象数据、土壤数据等多源异构数据的深度融合仍存在技术瓶颈。
未来发展趋势包括：一是多模态数据融合，将卫星遥感、无人机高光谱、地面物联网传感器、气象数据等进行深度整合，构建更加精准的预测模型；二是边缘计算与实时监测，将AI模型部署在无人机或田间智能设备上，实现病害的实时在线检测；三是数字孪生技术，构建小麦生长和病害发展的数字孪生模型，实现从"被动监测"向"主动预警"的跨越；四是新型传感器的研发，如量子点传感器等新型检测技术，有望在分子层面实现病原菌的直接检测。
在产业服务层面，时维遥感等专业技术服务商正在将科研成果转化为可规模化应用的业务系统。其面向小麦主产区推出的赤霉病遥感监测预警服务，已覆盖黄淮海麦区和长江中下游麦区的主要产粮大县，累计服务面积超过300万亩，预警准确率达到85%以上，为各地植保部门提供了可靠的决策依据。
综上所述，遥感技术正在深刻改变小麦赤霉病的监测预警模式。从卫星遥感的大范围预警到无人机高光谱的精准检测，从机器学习到深度学习，从单一光谱到多源数据融合，技术迭代正在不断提升监测的精度、时效性和实用性。随着天空地一体化监测网络的持续完善，小麦赤霉病的精准防控将迈入智能化、数字化的新阶段，为保障国家粮食安全提供坚实的技术支撑。
