基于无人机高光谱与地空协同的冬小麦条锈病早期预警技术研究

团队共16人：农学/植保背景人员7人（含教授2人、副教授3人）、遥感与GIS方向5人、人工智能算法开发4人，其中在读博士研究生4人、硕士研究生8人，项目兼具科研攻关与研究生培养双重目标。项目针对冬小麦条锈病（Puccinia striiformis）早期无症状/潜育期难以肉眼识别的行业难题，利用大疆M300 RTK无人机搭载Pika L高光谱成像仪（400~1000nm，224波段），在2024—2025和2025—2026两个生长季内，每10天对试验区2000亩核心观测田进行常态化巡检，同步采集地面冠层光谱（ASD FieldSpec 4）、SPAD值及病情指数调查数据，累计获取高光谱影像数据超过3TB、地面实测数据逾3万条。算法方面构建了基于1D-CNN与植被指数时序差分的双分支融合模型，可在病斑显现前7~10天（潜育期）完成对发病中心区域的概率预测（AUC≥0.89），较传统经验预测法提前约5天。项目执行期内培养毕业博士2名、硕士5名，发表SCI论文4篇（其中Remote Sensing of Environment 1篇），申请发明专利2项（涉及高光谱特征波段筛选方法及时序预警规则）。产出除论文专利外，还形成一套适用于黄淮海麦区条锈病早期预警的SOP操作流程，向周口、商丘、驻马店三地农技推广站培训技术人员47人次，预警结果在2025年春季实践中经田间验证，预警准确率（以实际发病斑块验证）达79%，为当地植保部门精准用药提供了有效参考。