小麦条锈病的监测和预报能力近几年有了很大提升。目前,主要的监测方式有以下3种:(1)利用高光谱图像进行遥感监测
[8]。Yones等
[9]研究了光谱辐射技术在美洲幼虫腐臭病光谱鉴别中的潜在应用,对11个蜂群的蜜蜂幼虫样品在350~2500nm波段进行了高光谱测量,得出红外光和短波红外光谱带是区分健康蜜蜂幼虫和不同程度蜜蜂幼虫感染的有效方法;Pan等
[10]评价了高光谱成像监测梨果实致病过程和早期检测梨果实病害的潜力,以新鲜库尔勒梨为试材,接种交链格孢菌,从感染样品和对照样品中获取高光谱图像。利用光谱角标测技术,对感染区与声组织进行分割,监测疾病的致病过程,建立了支持向量机(SVM)、K最近邻和偏最小二乘判别分析模型,并对其早期发病的检测能力进行了评价,结果表明,SVM模型的整体精度为97.5%,最适合于该方法;黄木易等
[11]通过人工田间诱发不同等级条锈病,在不同生育期内对不同发病等级的冬小麦条锈病冠层光谱进行测定,并同步进行条锈病病情指数的调查,通过分析不同区域小麦在不同光区的反射特征差异和叶绿素含量变化成功进行了病情划分;王利民等
[12]基于GF-1/WFV影像数据和小麦条锈病遥感监测指数(Wheat Stripe Rust Index,WSRI)对小麦条锈病发病范围进行估测,结果表明,研究区内小麦条锈病空间分布识别的总体精度在84.0%以上;蔡成静等
[13]利用ASD手持野外光谱仪和热气球分别在近地和高空研究了条锈病发病小麦冠层的高光谱遥感数据特征,获得了2个高度不同平台的光谱数据,最终获得了高空光谱反射率值与近地光谱反射率之间的回归模型。Wang等
[14]通过遥感技术从地面、空中和近地空间三个方面总结了同一目标不同光谱,以及同一光谱不同目标的图像,定义了遥感监测条锈病流行的最低阈值,并建立了基于光谱信息的小麦条锈病反演模型,展望了多害虫遥感、空间遥感以及地理信息系统、全球定位系统监测小麦条锈病的发展趋势;刘伟等
[15]分别利用近地高光谱和低空航拍数字图像同时对田间小麦条锈病的发生情况进行监测,结果表明,近地高光谱遥感参数DVI、NDVI、GNDVI和低空航拍数字图像颜色特征值R、G、B与病情指数存在极显著相关性。(2)根据小麦不同生长阶段,通过判断菌源量进行预测。邓玉傲等
[16]通过研究2001年以来河南新野小麦条锈病的发生规律和特点,得出了小麦发病的严重度和月份以及地理位置的关系以及小麦条锈病预警的合理指标。(3)通过远程捕捉孢子方式监测小麦条锈病发病情况
[17,18]。该方式多采用自动图像采集方式,孢子捕捉器将采集到的孢子图像通过网络传输至实验人员进行处理分析。焦林等
[6]设计了一种基于无线网络的孢子图像实时传输及处理系统,通过数码显微镜和胶带将采集到的孢子图像进行远程传输;雷雨等
[19]利用ARK-1123C型工控机将涂抹了凡士林的玻片捕捉到夏孢子图像,通过网络传输至用户端,实现了全自动玻片更换和凡士林涂抹。