“倘若有什么植物妨碍了我们的计划，或是扰乱了我们干净整齐的世界，人们就会给它们冠上杂草之名。可如果你本没什么宏伟大计或长远蓝图，它们就只是清新简单的绿影，一点也不面目可憎。”     ——《杂草的故事》

清新简单的绿影自然面目可爱，惹人注目，但人类生存之下，繁多冗杂的一片蔓延，确是明目张胆地抢了农作物的地盘，伤了农业发展。

世界上的杂草有1000多种，它们通常生长迅速、繁殖能力强，会对农业产生一定的影响。杂草不仅会与农作物争夺土壤养分和水分，传播病虫害，从而影响农作物的生长和产量，含有毒素的杂草还会影响农作物品质。

因此，对于农业生产来说，防治杂草对保证农作物的正常生长和产量至关重要。

IRIS机载一体式激光雷达高光谱成像仪在评估杂草抗性方面的应用

杂草防治是现代农业生产管理的重要组成部分。然而，过度依赖常用除草剂进行化学防治已导致大量抗性杂草的出现，对可持续农业构成重大威胁。因此，开发一种大面积准确评估和量化田间杂草抗性的方法对于农场管理和可持续发展至关重要。目前的方法，例如目视检查，既费时又费力。酶测定虽然准确，但只能在实验室环境中进行。热成像技术可能会受到环境因素的影响，导致在室外使用时精度较低。因此，无法大规模应用。无人机（UAV）和各种传感器已经成为植物表型研究中不能缺少的工具。

在这项研究中，作者于2021年6月7日在中国黑龙江省哈尔滨市向阳农场（位于北纬45°61′，东经126°97′）使用LR 1601-IRIS 机载一体式激光雷达高光谱成像仪（北京理加联合科技有限公司）进行了相关试验。旨在（1）根据杂草表型和鲜重提出新的抗性指数，来有效地量化田间杂草的抗性；(2) 利用高光谱传感器识别抗性杂草和敏感杂草之间的内在差异和敏感光谱区域；（3）通过多模态数据融合和深度学习研究光谱、结构和纹理信息及其组合在抗性评估中的贡献；（4）评估所提出的模型针对不同杂草密度和绘制抗性杂草的能力。

结果

（a） 不同抗性和密度的高光谱反射率曲线；（b）高光谱一阶导数。虚线代表抗性杂草，实线代表敏感杂草，颜色代表杂草密度。

CRS测量和预测值散点图。

结论

（1）敏感杂草和抗性杂草的光谱响应存在明显差异，连续投影算法（SPA）选择的最佳波段与抗性表达波段的最佳波段相吻合；（2）通过多模态数据融合提高了抗性评估的准确性，后期深度融合网络表现出最佳的准确性，R2为0.777，RMSE为0.547；（3）多模态融合网络模型在不同密度的抗性评估中表现出强大的适应性，并有效地生成杂草抗性图。总的来说，这项研究证明了使用多模态数据融合和CRS，结合深度学习，实现准确和可靠的农田杂草抗性评估的有效性。本研究为农田抗性杂草管理提供了一种更有效、更准确的方法，并为可持续农业的发展提供助力。