Diagnosi precoce dell'oidio di frumento

L'oidio è una malattia che minaccia la produzione di grano in tutto il mondo. Questo fungo danneggia principalmente le foglie di grano, i gambi causando l'appassimento delle foglie, che abbassa la resa e la qualità del grano. Pertanto, è significativo ridurre le perdite e promuovere lo sviluppo agricolo sostenibile segnalando e prevenire l'efficacia dell'oidio di frumento il più presto possibile.

La tradizionale rilevazione delle malattie delle colture si basa principalmente su un'indagine manuale, che è altamente soggettiva, dispendiosa in termini di tempo e inefficienti. Al contrario, la tecnologia di telerilevamento può raccogliere dati oggettivi in tempo reale, in modo non distruttivo, su una vasta area, ed è stata ampiamente utilizzata per ottenere informazioni sulle malattie delle colture.

Diverse colture e tipi di malattie hanno differenze nelle fasce di risposta sensibili e negli indici di vegetazione. La fascia sensibile per il grando per l'oidio è a 580 x 710 nm.

Per migliorare il rilevamento precoce del rilevamento della tortuosità a distanza dell’oidio a polvere, i parametri della fluorescenza della clorofilla (SIF) indotti dal sole sono stati estratti utilizzando la discriminazione della linea Fraunhofer a tre bande (3FLD) e gli approcci dell’indice di riflettanza e l’indice di vegetazione (VI) è stato calcolato in base alla riflettura iperspettrale. Tutte le caratteristiche e i sottoinsiemi delle funzionalità di diverse fonti di dati sono stati utilizzati come input per più regressione lineare (MLR), foresta casuale (RF) e algoritmi di macchina vettoriale di supporto (SVM) per costruire un modello di monitoraggio dell'oidio di frumento. SVM include la funzione del kernel lineare (LK), la funzione del kernel polinomiale (PK) e la funzione di base radiale gaussiana (RBF).

Sotto lo stress da muffa dell'ipolbio del grano, la riflettanza del baldacchino del grano ha mostrato uno spostamento blu e la fluorescenza si è indebolita. La correlazione tra l'intensità SIF-A e l'indice della malattia (DI) nella 2banda O 2-A estratta utilizzando il metodo 3FLD era la più alta a -0,81, dimostrando che il parametro SIF era utile per il monitoraggio dell'oidio. Basato su tutte le funzionalità o sottoinsiemi di funzionalità, il modello RBF ha ottenuto la massima precisione del modello, seguita dalla RF e dalla MLR. Nel sottoinsieme delle funzionalità, le gamme di precisione dei modelli RBF, LK e PK sono rispettivamente di 0,7040-0,701,7,701 e 0,716 x 0,841.

Il SIF+VI nel modello RBF è più utile per il monitoraggio precoce e stabile della malattia dell'oidio di frumento. Questa soluzione tecnica innovativa dovrebbe supportare la diagnosi precoce dell'oidio di grano, migliorando in modo significativo l'efficienza e l'efficacia e l'efficacia del controllo delle malattie.