作物、土壤与环境科学系硕士研究生马里奥・索托（左）和农业分部及戴尔・邦珀斯农业、食品与生命科学学院精准农业助理教授奥雷莉・庞塞，展示了一项用于测量除草剂对植物有效性研究的设备。图片来源：阿肯色大学系统农业分部

通过结合人工智能与可感知可见光以外光谱的传感器，阿肯色州研究人员开发出一种系统，在测量除草剂引起的植物胁迫方面超越了人类的辨别能力。

阿肯色农业实验站（阿肯色大学系统农业分部的研究分支）的科学家在《智能农业技术》期刊发表的研究中，验证了光谱辐射计等高光谱传感器可帮助量化除草剂效果的概念 —— 这是杂草管理中遏制除草剂抗性的关键要素。

普通相机利用红、绿、蓝三原色可见光波段，在 380 至 750 纳米的光谱范围内成像；而高光谱传感则可捕获 250 至 2500 纳米波段及热红外光谱。

研究人员用该技术评估了普通藜（Chenopodium album L.）对草甘膦的反应，并通过实证发现：当该植物暴露于亚致死剂量的除草剂时，其光合作用实际增强。普通藜是农业和园艺环境中的常见杂草。

“目前通过视觉评级衡量植物对除草剂施用的反应，但其准确性取决于评级者的培训质量和实践年限，” 该研究首席研究员、农业分部及戴尔・邦珀斯学院作物、土壤与环境科学系精准农业助理教授奥雷莉・庞塞表示，“我们认为，若能有传感器自动化完成部分决策，未来或许可将其应用于实际场景。”

杂草科学家经专业训练后，评估除草剂效果的误差幅度为 ±5%（即 10% 区间）。研究人员通过光谱辐射计收集数据并结合机器学习模型，将误差幅度控制在 12.1%，其目标是将误差降至 10% 以下。

他们采用随机森林机器学习算法，分析实验中收集的数千个植被指数数据点。该算法通过整合多个决策树的输出得出最终结果。

“我们利用随机森林描述普通藜对草甘膦施用反应的成功，为超越植被指数的开发开辟了可能 —— 这是文献中逐渐受关注的另一种方法，” 研究第一作者、邦珀斯学院作物、土壤与环境科学硕士研究生马里奥・索托表示。

下一步计划

实验站及邦珀斯学院杂草生理学与分子生物学教授尼尔达・罗玛 - 布尔戈斯表示，尽管培训可弥补评估者经验不足的问题，但在恶劣环境中长时间评估处理方案导致的身心疲劳，即使对最有经验的评估者也会影响判断。

“从原理上讲，该方法可消除除草剂效果评估中的人为因素，成为杂草科学研究的宝贵工具，” 研究合著者布尔戈斯说，“但仍需大量工作来验证该方法在关键杂草物种、除草剂作用模式、施药后时间及环境条件下的适用性。”

该研究的其他合著者包括应用土壤物理学与土壤学大学教授克里斯托弗・布赖、作物土壤与环境科学系项目助理韦斯利・弗朗斯，以及杂草科学研究生研究助理胡安・C・贝拉斯克斯。

更多信息：马里奥・索托等，《普通藜（Chenopodium album L.）中草甘膦诱导胁迫的高光谱指标与特征分析》，《智能农业技术》（2025）。DOI: 10.1016/j.atech.2025.100890

来源：阿肯色大学