Annual Review of Phytopathology·9月3日 · 周四论文农业遥感与作物表型阅读 3

Invisible Threats, Relentless Hunters: Biosurveillance of Airborne Plant Pathogens

L. M. Quesada-Ocampo · T. Miles · M. Prieto-Torres 等 11 人

论文解读
82精选
速览

综述空气传播植物病原体的生物监测技术及其在病害预警中的应用。

方法

综述空气采样、分子诊断、宏基因组学及成像技术,结合决策支持系统、遥感和AI。

发现

生物监测可提前检测病原体,但标准化、数据解读和实用工具转化仍是挑战。

机会点

可研究将生物监测数据与遥感、AI结合,开发标准化、可操作的病害预警系统,并探索病原体传播的生态学机制。

影响力20
信息增量22
专业深度18
信源权威15
时效性7

系统综述气传病害生物监测技术进展,对智慧植保与精准农业有重要参考价值。

原文摘要

空气传播使植物病原体能够跨越田间、区域乃至大陆进行扩散,从而引发快速蔓延的流行病和新兴病害威胁。生物监测(Biosurveillance),即对空气传播接种体的系统性监测,为在症状出现前检测病原体提供了可能,并支持基于风险的及时管理决策。近年来,空气采样、分子诊断、宏基因组学及成像技术的进步,已将病原体监测的规模与分辨率从单一物种的qPCR检测拓展至群落层面的空气微生物组调查。将生物监测数据与决策支持系统、遥感技术及人工智能相结合,正不断提升早期预警能力,并为病原体生态学、进化及杀菌剂抗性提供新的见解。然而,重大挑战依然存在,包括检测方法的标准化、数据解读以及将其转化为种植者可操作的工具。本综述综合了当前的研究方法,重点介绍了生物监测推动病害管理的典型案例,并展望了迈向协同监测网络与精准农业应用的未来方向。

农业人工智能 植物病害 生物监测相关资讯

Zenodo (CERN European Organization for Nuclear Research)·10月21日 · 周三67 分 论文农业AI与大模型农业遥感与作物表型阅读 0

Evaluation of Counterfactual Explanation Robustness for Computer Vision Agriculture Yield-Forecast Models Under Satellite Cloud-Mask Gaps: An Interpretability Reliability Bound for Cooperative Storage Decisions

推导卫星云掩膜缺口下反事实解释可靠性的理论界,并评估其对合作社储粮决策的影响。