编辑推荐：
棉花黄萎病（VW）严重度分级对病害管理意义重大，但现行方法存在诸多弊端。研究人员开展了棉花 VW 严重度分级研究，提出八位分级法（EPG）。结果显示 EPG 能有效评估病害严重度和产量损失，为科学评估 VW 提供了新方法。
在广袤的棉田世界里，棉花作为重要的经济作物，却长期遭受着黄萎病（Verticillium wilt，VW）的威胁。VW 是一种由大丽轮枝菌（Verticillium dahliae）和黑白轮枝菌（Verticillium albo - atrum）引起的土传真菌病害，这些病原菌能在土壤或受感染组织中以微菌核形式长期存活，一旦环境适宜便会卷土重来，让棉花的生长陷入危机。它不仅会大幅削减棉花产量，还会降低纤维品质，给棉农带来惨重的经济损失。
为了有效防控 VW，对其严重度进行精准分级至关重要。然而，当前广泛使用的分级标准，如中国的 GB_T 22101.5 - 2009 标准（简称 GB），在实际应用中困难重重。GB 采用五级分类法，需要检查棉花植株的所有叶片，这一过程耗时费力。而且，它仅简单区分健康和患病叶片，无法区分症状的轻重程度，容易高估病害严重度，尤其在症状较轻时，偏差更为显著。更糟糕的是，这种分级方式与产量之间的关系模糊，难以准确评估病害对产量的影响。在遥感技术蓬勃发展的当下，虽然其在农业领域应用广泛，但基于 GB 构建的棉花 VW 遥感分级模型，因 GB 本身的偏差以及棉花密植生产模式、VW 自下而上发病机制等因素，在监测冠层尺度的 VW 严重度时面临诸多不确定性。
在这样的困境下，石河子农业科学研究院和石河子大学农学院的研究人员挺身而出，开展了一项意义非凡的研究。他们深入探索棉花 VW 的发病机制，结合棉花植株枝叶的生长规律，运用 Sequential Least Squares Programming（SLSQP）算法，确定了不同层次、不同类型叶片的 VW 严重度与产量之间的响应权重，进而提出了一种全新的、适用于遥感监测的棉花 VW 严重度分级方法 —— 八位分级法（Eight - Position Grading method，EPG）。同时，他们利用辐射传输模型（Radiative Transfer Models，RTM）模拟评估 EPG 在冠层尺度估计棉花 VW 严重度的适用性，并通过 Support Vector Regression（SVR）分别为 GB 和 EPG 开发了冠层尺度的棉花 VW 严重度遥感估计模型，评估两者的遥感监测潜力及其与产量的相关性。
研究人员在位于石河子的实验田开展研究，实验田分为接种了病原菌的 VW 病田和健康对照田。实验过程中，他们首先分析不同类型叶片（主茎叶 Main Stem Leaves，ML 和果枝叶 Fruit Branch Leaves，FL）、不同层次叶片的 VW 严重度与产量的响应权重。结果发现，FL 对 VW 导致的产量损失更为敏感，且棉花植株 1 - 5 层叶片的 VW 严重度对产量损失的敏感度高于 6 层及以下叶片。进一步研究表明，1 - 3 层的 ML 和 1 - 5 层的 FL 能有效指示 VW 造成的产量损失。
在分级阈值的探索中，研究人员发现，在 0、0.25、0.5、0.75 和 1 的分级阈值下，EPG 相较于其他方法，对病害严重度和产量的指示效果更佳。调整不同阈值后，对比 GB、GB (4)、GB (4)_M、GB (4)_F、YLADG 和 EPG 的分级结果与产量的关系，发现 EPG 能更精准地反映两者联系。通过 PROSPECT_D 和 mSCOPE 模型从理论上验证了 EPG 的遥感适用性，田间遥感实验也证实了 EPG 在估计 VW 严重度方面具有较高准确性（R2 = 0.76，RPD = 2.06），并且与产量存在强相关性（R2 = 0.53）。与 GB 相比，EPG 能有效纠正 GB 分级中的高估问题，以 12% 的产量损失梯度展现出良好的性能。
这项研究成果意义非凡。EPG 的提出，为棉花 VW 严重度的科学评估提供了一种简单且实用的方法。它不仅能准确估计产量损失，还适用于冠层尺度的遥感监测，极大地提高了棉花黄萎病监测的效率和准确性。这有助于棉农及时了解棉田病害情况，制定更具针对性的防控策略，减少病害造成的经济损失，为棉花产业的可持续发展保驾护航。该研究成果发表在《Agricultural and Forest Meteorology》上，为相关领域的研究提供了重要参考。
在研究方法上，研究人员主要运用了以下关键技术：一是使用 Sequential Least Squares Programming（SLSQP）算法，分析不同叶片的 VW 严重度与产量的响应权重，确定构建 EPG 的最佳叶片位置和类型；二是借助辐射传输模型（RTM）模拟，评估 EPG 在冠层尺度估计棉花 VW 严重度的适用性；三是采用 Support Vector Regression（SVR），开发冠层尺度的棉花 VW 严重度遥感估计模型，评估不同分级方法的遥感监测潜力和与产量的相关性。研究样本来自石河子农业科学研究院的 VW 病田和石河子大学农学院的健康田。
研究结论表明，FL 与产量的相关性强于 ML，1 - 3 层的 ML 和 1 - 5 层的 FL 可有效指示 VW 造成的产量损失。基于此提出的 EPG 方法，在分级效果、遥感适用性和与产量相关性方面表现出色，优于现行的 GB 分级方法。在讨论部分，研究人员指出 EPG 方法为棉花 VW 的监测和管理提供了新视角和有效工具，但未来仍需进一步在不同环境条件和棉花品种中验证其有效性，以推动该方法在实际生产中的广泛应用。这一研究成果为棉花黄萎病的防治开辟了新道路，有望引领棉花病害监测领域的新变革，助力全球棉花产业摆脱黄萎病的阴霾，迎来更加光明的发展前景。
