- 高光譜傳感器推動雜草科學邁上新臺階
- 來源：約翰・洛維特（阿肯色大學） 發表于 2025/6/27
馬里奧・索托（左），作物、土壤與環境科學系碩士研究生，與阿肯色大學農業分部及戴爾・邦珀斯農業、食品與生命科學學院精準農業助理教授奧雷莉・龐塞特，共同展示一項用于測量除草劑對植物作用效果的研究設備。（圖片來源：阿肯色大學農業分部）
通過結合人工智能與可感知不可見光的傳感器，阿肯色州研究人員開發出一套系統，在測量除草劑引起的植物脅迫方面，其分辨能力超越了人類視覺評估。
阿肯色農業實驗站（阿肯色大學系統農業分部研究分支）的科學家在《智能農業技術》期刊發表研究，證實高光譜傳感器（如光譜輻射計）可用于量化除草劑效果 —— 這是雜草管理中遏制除草劑抗性的關鍵環節。
普通相機利用紅、綠、藍三原色可見光波段（380-750 納米光譜范圍）成像，而高光譜傳感可捕獲 250-2500 納米波段及熱紅外光譜。
研究人員用該技術評估藜（常見雜草）對草甘膦的反應，同時實證發現：當植物暴露于亞致死劑量的除草劑時，其光合作用實際增強。藜（學名：Chenopodium album L.）是農田和園藝環境中的常見雜草。
“目前通過視覺評級衡量植物對除草劑的反應，但準確性依賴評估者的培訓水平和實踐經驗，” 該研究首席研究員奧雷莉・龐塞特表示，她同時擔任農業分部及邦珀斯學院作物、土壤與環境科學系精準農業助理教授，“我們認為，若能通過傳感器自動化完成部分決策，未來可將其集成到實際應用中�！�
雜草科學家經專業訓練后，評估除草劑效果的誤差范圍為 10%（±5%）。而研究團隊利用光譜輻射計采集數據并結合機器學習模型，將誤差控制在 12.1%，其目標是將誤差降至 10% 以下。
團隊采用隨機森林機器學習算法，分析實驗中收集的數千個植被指數數據點。該算法通過整合多棵決策樹的輸出得出最終結果。
“我們成功用隨機森林模型描述藜對草甘膦的反應，這意味著可突破傳統植被指數的研究框架 —— 后者是當前文獻中逐漸興起的方法，” 研究第一作者馬里奧・索托表示，他是邦珀斯學院作物、土壤與環境科學專業碩士研究生。
未來方向
研究人員指出，高光譜傳感技術經優化后，可用于精準測量雜草對除草劑的反應，彌補人類視覺評估的局限性。該方法的進一步開發與驗證，還可能構建高通量平臺，用于分類雜草對除草劑的響應并篩選抗性品種。
阿肯色農業實驗站及邦珀斯學院雜草生理與分子生物學教授尼爾達・羅瑪 - 布爾戈斯提到：“盡管培訓可彌補評估者經驗不足，但在惡劣環境中長時間評估處理效果時，即使是資深評估者也會因身心疲勞影響判斷�！�
“從原理上講，該方法可消除除草劑效果評估中的人為因素，成為雜草科學研究的重要工具，” 研究合著者布爾戈斯補充道，“但仍需大量工作驗證該方法在關鍵雜草物種、除草劑作用機制、施藥后時間及環境條件等維度的適用性。”
其他合著者包括應用土壤物理與土壤學大學教授克里斯托弗・布賴、作物土壤與環境科學系項目助理韋斯利・弗朗斯，以及雜草科學研究生研究助理胡安・C・貝拉斯克斯。
更多信息：馬里奧・索托等，《藜（Chenopodium album L.）對草甘膦脅迫的高光譜表征及指標研究》，《智能農業技術》（2025）。DOI: 10.1016/j.atech.2025.100890
（本文由阿肯色大學提供）
- 如果本文收錄的圖片文字侵犯了您的權益，請及時與我們聯系，我們將在24內核實刪除，謝謝！
