一种基于病原菌分类与数据融合的苜蓿根腐病预测方法

本发明涉及农业病害监测与植物病理交叉领域，具体一种基于病原菌分类与数据融合的苜蓿根腐病预测方法。通过分离纯化苜蓿根腐病病原菌并鉴定种类，构建病原菌数据库；开展室内人工染菌试验，采集不同发病阶段的高光谱数据与双目深度相机点云结构特征；结合大田无人机多光谱/高光谱及点云数据，追踪标记健康与发病植株的多时相信息。经植被指数筛选、主成分分析降维后，利用多分类模型训练，挖掘室内外发病植株的光谱‑结构特征共性，构建早期预测模型。该方法融合病理诊断、光谱遥感与机器学习技术，实现病原菌分类与田间表型特征的跨尺度关联分析，为苜蓿根腐病早期精准预警提供技术支撑，解决传统检测滞后、数据孤立问题。