农药精准施用的挑战
霜霉病等真菌性病害是全球葡萄生产中的重要威胁。近140年来，铜基抗菌化合物一直是防治植物病原菌的重要手段。然而，在实际操作中因杀菌剂施用不当及农药飘移，不仅造成经济损失，还会引致农业土壤持续污染。当前，水敏纸仍是农药飘移评估的常用方法，但该方法已被证明难以精准表征农药在葡萄园的整体沉积状况。高光谱成像技术凭借非破坏性、信息维度丰富的优势，已成功应用于葡萄品种分类、果实成熟度与品质评估、冠层实时监测等领域，而利用该技术实现叶片表面农药沉积量的定量检测，仍是亟待深入研究的开放性课题。
近期，西班牙布尔戈斯大学的研究团队在《Data》发表了一篇Data Descriptor，公开了一个包含372幅葡萄叶片高光谱图像的数据集。该数据集系统揭示了3种杀菌剂在不同浓度和施用条件下的光谱差异，可为精准农业中的农药沉积监测、定量分析以及机器学习模型构建提供重要的数据基础。
图1.机械工作台，连接计算机的分析显示器。
高光谱数据集的构建
实验设计：研究选取的葡萄品种为丹魄，采集自西班牙西加莱斯产区。实验共使用三种杀菌剂：
ö 铜基杀菌剂（70% w/v氧氯化铜）；
ö 复配铜制杀菌剂（14% w/w氧氯化铜 + 14% w/w氢氧化铜）；
ö 商品化杀菌剂制剂（6% w/w霜脲氰 + 37.5% w/w灭菌丹，含硫和氯）；
每种农药设置六种浓度梯度（0.20、0.33、0.40、0.66、0.80、1.33 g/L），并以蒸馏水为对照；施用方式包括：（1）雾化喷嘴；（2）借助液滴定位模板，利用精密微量移液器进行5 µL液滴的局部点施；（3）手动喷雾器模拟大粒径喷雾；
叶片样本于2023年7-8月采集，分别取自葡萄冠层东西两侧，且涵盖新梢基部、中部、顶部三个位置；
高光谱图像采集：在受控实验室条件下，利用Resonon Pika L高光谱成像仪采集叶片高光谱图像，同时结合四盏卤素灯提供稳定照明；
光谱性能：
ö 扫描方式：外置推扫方式；
ö 光谱范围：400-1000 nm；
ö 光谱分辨率：2.7 nm；
ö 空间通道数：900；
图2.同一叶片全叶像素的平均光谱及偏差变化：未经处理（a）、湿处理（b）及干处理（c）。
图3.各浓度下产品1和2的平均光谱（干处理）。
图4.各浓度下产品1和2的平均光谱（湿处理）。
光谱特征的深度解析
关键光谱波段特征
400–500 nm | 反射率低值区，主要与类胡萝卜素和叶绿素（a+b）含量相关； |
~550 nm | 特征反射峰，归因于花青素含量； |
620–680 nm | 与叶片叶绿素含量密切相关； |
680–750 nm | 红边区域，区分色素波段与叶片结构波段，典型植被特征； |
700–740 nm | 对植物胁迫最为敏感； |
750–1000 nm | 与叶片内部结构相关的近红外区； |
同一药剂不同浓度，400-700 nm波段，药剂浓度越高，光谱反射率越高；而在700-900 nm波段，药剂浓度越高，光谱反射率越低；
铜基产品与含硫产品在450–550 nm及近红外区域存在显著的光谱差异，后者整体数值偏低；
湿态与干态图像的整体光谱形状相似，但干态图像850 nm以下区间的数值差异更为显著，且光谱偏差更小，信号更为稳定；
结语
这篇文章的重要意义并不在于给出最终答案，而在于为如何用高光谱识别和量化葡萄叶面杀菌剂沉积这一问题提供了高质量、可计算、可扩展的数据起点。对于从事高光谱农业应用、植保监测、精准施药和农业人工智能研究的科研人员而言，这套数据集不仅具有直接的研究使用价值，也为后续模型开发、波段优化和田间应用验证奠定了基础。但由于数据采集仅覆盖单一物候阶段，当前总结的光谱响应规律尚不足以全面表征整个生长季内的时序光谱变异。未来仍需进一步纳入不同发育阶段及更复杂田间条件，以提升数据集的泛化能力与应用普适性。
发表期刊：Data【影响因子：2.0】
研究单位：布尔戈斯大学
研究对象：产自西班牙西加莱斯，葡萄品种为丹魄
使用设备：Resonon Pika L高光谱成像仪
DOI：https://doi.org/10.3390/data11030053