叶绿素荧光成像技术的葡萄霜霉病早期检测

葡萄霜霉病对葡萄生产构成严重威胁,尽早防治是治理霜霉病的关键.为了对该病进行早期检测,以PCR检测获取的霜霉病相对生物量作为霜霉病侵染的依据,从暗适应—光适应—暗弛豫3个光合生理状态连续变化过程中,采集80个人工接种霜霉菌叶片和80个健康对照叶片连续6 d的叶绿素荧光图像.对比健康和接种叶片叶绿素荧光动力学曲线、参数图像和参数值的差异,使用单因素方差分析评估叶绿素荧光参数对霜霉病侵染的敏感性,筛选叶绿素荧光参数最优特征子集,使用机器学习分类器构建霜霉病早期检测模型.结果表明,随着接种后天数(day post inoculation,DPI)的增加,霜霉病侵染程度不断加深,健康和接种叶片叶绿素荧光动力学曲线、参数图像和参数值从2DPI开始有显著差异(p<0.05),霜霉病侵染导致叶片光化学猝灭速率减小(Rfd变小),光合效率降低(Fv/Fm变小),叶片活力和光保护能力衰退(NPQ和qN变小),叶片吸收的光能更多以荧光的形式释放出来(Ft和Fm变大).基于序列前向浮动算法优选的叶绿素荧光参数特征子集(qN-L3,Rf d-L2,NPQ-L1和Fv/Fm-D1)和BP神经网络分类器的SFFS-BP模型对3DPI健康和接种叶片识别准确率为83.75％,全实验周期连续6 d平均准确率达到85.94％.可为葡萄霜霉病光合表型分析和早期检测提供一种快速、准确的手段.