5種柑橘病害葉片的FTIR鑒別研究

趙興祥等

摘要：利用傅里葉變換紅外光譜（FTIR）技術(shù)與統(tǒng)計(jì)分析相結(jié)合對(duì)柑橘褐斑病、黃龍病、潰瘍病、煤煙病、芽枝孢霉斑病和正常的葉片進(jìn)行研究。發(fā)現(xiàn)正常葉和病害葉的紅外光譜很相似，導(dǎo)數(shù)光譜能夠提高分辨率和放大差異，對(duì)光譜分別進(jìn)行二階導(dǎo)數(shù)分析，發(fā)現(xiàn)病害葉和正常葉的二階導(dǎo)數(shù)光譜在1 200～700 cm-1范圍內(nèi)有明顯的差異，選取該區(qū)的光譜數(shù)據(jù)進(jìn)行相關(guān)性分析。結(jié)果顯示，柑橘正常葉之間、同種病害葉之間的相關(guān)系數(shù)都在0.918以上，不同病害葉之間及不同病害葉與正常葉之間相關(guān)系數(shù)差異較大。選取1 200～700 cm-1范圍內(nèi)的原始光譜、一階和二階導(dǎo)數(shù)光譜分別進(jìn)行主成分分析和聚類(lèi)分析。所有樣本用二階導(dǎo)數(shù)光譜進(jìn)行主成分分析的正確率為92.5%，比原始光譜和一階導(dǎo)數(shù)光譜正確率高。原始光譜、一階和二階導(dǎo)數(shù)聚類(lèi)分析正確率分別為52.5%、80.0%、90.0%。結(jié)果表明，傅里葉變換紅外光譜技術(shù)能夠快速、準(zhǔn)確地檢測(cè)區(qū)分這5種柑橘病害。

關(guān)鍵詞： 傅里葉變換紅外光譜（FTIR）；柑橘病害；聚類(lèi)分析；主成分分析

中圖分類(lèi)號(hào)：O657.3；S436.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）06-1304-04

Identifying Five Citrus Diseased Leaves by FTIR Spectroscopy

ZHAO Xing-xiang，LIU Gang，OU Quan-hong，HAO Jian-ming，ZHOU Xiang-ping，LI Wei-xing，WANG Xiao-hua

（School of Physics and Electronic Information， Yunnan Normal University， Kunming 650500， China）

Abstract： Citrus brown spot， citrus yellow shoot， canker， fuliginous， cercospora sp. and healthy leaves were analyzed by Fourier transform infrared spectroscopy（FTIR） combined with statistical analysis. The results showed that the spectra of samples were similar. Derivative spectra of FTIR can obviously enhance the spectral resolution and amplify small differences. The second derivative spectra were analyzed with obvious differences in the range of 1 200～700 cm-1. The correlative analysis showed that the correlation coefficients were more than 0.918 between healthy leaves， and between the same diseased leaves. The preprocessed original dataset， first derivative dataset and second derivative dataset in the range of 1 200～700 cm-1 were used to make the principal component analysis（PCA） and hierarchical cluster analysis（HCA）. The performance of the overall accuracy of PCA was 92.5%， better than original dataset and first derivative dataset. The cluster analysis accuracy of original spectra， first derivative and second derivative was 52.5%，80.0%，90.0%， respectively. It is indicated that FTIR spectroscopy can detect citrus diseases fast and accurately.

Key words： FTIR； citrus diseases； cluster analysis； principal component analysis

柑橘（Citrus sp.）在植物分類(lèi)學(xué)上屬蕓香科（Rutaceae）柑橘亞科（Aurantioideae）柑橘族（Aurantieae）柑橘亞族（Citrinae），為世界性重要果樹(shù)。其果實(shí)為全世界產(chǎn)量最大的水果。柑橘適合栽種在雨量較為充沛、氣候溫暖的地區(qū)，主要在亞洲、非洲和美洲種植[1]。柑橘富含類(lèi)黃酮，已有研究表明，柑橘類(lèi)黃酮具有抗氧化、抗病毒、抗癌活性、抗炎癥，有預(yù)防動(dòng)脈粥樣硬化和膽固醇增加等作用，具有較高的藥用價(jià)值[2]。

柑橘在植株生長(zhǎng)發(fā)育和果實(shí)貯存、運(yùn)輸過(guò)程中受一些生物和非生物因素的影響，導(dǎo)致病害發(fā)生，造成柑橘產(chǎn)量和品質(zhì)降低，嚴(yán)重影響柑橘產(chǎn)業(yè)的可持續(xù)發(fā)展。柑橘病害引起的經(jīng)濟(jì)損失在世界范圍內(nèi)受到關(guān)注，有些傳染性病害目前還沒(méi)有有效的解決辦法[3]。在柑橘生產(chǎn)中普遍存在盲目使用農(nóng)藥來(lái)預(yù)防和治療病害的現(xiàn)象，嚴(yán)重影響了柑橘的品質(zhì)及食用安全性，與發(fā)展綠色、高效、精細(xì)農(nóng)業(yè)的目標(biāo)不相符?？焖?、準(zhǔn)確地鑒別柑橘病害，對(duì)于柑橘效益和品質(zhì)的提高具有重要意義。

傳統(tǒng)的植物病害檢測(cè)方法主要是根據(jù)病株和病原外部表現(xiàn)靠肉眼觀察癥狀而作出判斷，這種方法快速簡(jiǎn)便，但主觀性強(qiáng)、容易出現(xiàn)失誤；化學(xué)檢測(cè)方法準(zhǔn)確、可靠，但難以實(shí)現(xiàn)實(shí)時(shí)檢測(cè)；生物學(xué)檢測(cè)、顯微檢測(cè)方法需要進(jìn)行病原體分離、培養(yǎng)、接種和鑒定或制樣、染色等較為復(fù)雜的過(guò)程[3]；分子生物學(xué)手段如脫氧核糖核酸（DNA）指紋圖譜技術(shù)、酶聯(lián)免疫吸收分析（ELISA），聚合酶鏈?zhǔn)椒磻?yīng)（PCR）用于植物病害鑒別，結(jié)果可靠，但需經(jīng)過(guò)復(fù)雜的操作過(guò)程和較為專(zhuān)業(yè)的設(shè)備，成本高[4]。生產(chǎn)上需要一種快捷、準(zhǔn)確、低成本鑒別作物病害的方法，而振動(dòng)光譜技術(shù)能滿(mǎn)足這一需要。

振動(dòng)光譜技術(shù)中的光學(xué)成像、光譜學(xué)檢測(cè)方法由于方便、快速、無(wú)損等優(yōu)點(diǎn)，已經(jīng)廣泛用于農(nóng)業(yè)生產(chǎn)的病蟲(chóng)害研究，近紅外光譜、熒光光譜、高光譜和多光譜成像系統(tǒng)在病蟲(chóng)害檢測(cè)實(shí)踐中得到應(yīng)用，并表現(xiàn)出具有廣闊的發(fā)展前景。Pereira等[5]利用激光誘導(dǎo)熒光成像技術(shù)檢測(cè)柑橘黃龍病，Lins等[6]利用熒光光譜檢測(cè)柑橘潰瘍病和雜色萎黃病。熒光光譜成像和圖像技術(shù)也存在缺陷，容易受到外界環(huán)境因素的影響且不能進(jìn)行統(tǒng)計(jì)分析[3]。Sankaran等[7]基于可見(jiàn)-近紅外光譜、熱成像技術(shù)與支持向量機(jī)結(jié)合實(shí)現(xiàn)了對(duì)柑橘黃龍病和正常葉的鑒別；Sankaran等[8]基于可見(jiàn)-近紅外光譜技術(shù)結(jié)合二次判別分析和相似分析法可對(duì)柑橘黃龍病和正常葉進(jìn)行分類(lèi)；Gonzalez等[9]對(duì)柑橘黃龍病葉片中多糖的含量進(jìn)行研究，結(jié)果顯示黃龍病葉片中多糖含量高于正常葉。

傅里葉變換紅外光譜（FTIR）用于測(cè)量分子官能團(tuán)的振動(dòng)模式，具有指紋特性，已成為探測(cè)生物組織中大分子結(jié)構(gòu)及相互作用的手段。FTIR在中藥鑒別、農(nóng)作物病蟲(chóng)害檢測(cè)、農(nóng)產(chǎn)品質(zhì)量檢測(cè)等方面得到了具體的應(yīng)用，研究者嘗試將其用于在柑橘病害檢測(cè)，Cardinali等[10]利用FTIR與偏最小二乘回歸對(duì)巴西柑橘黃龍病和雜色萎黃病進(jìn)行鑒別，Sankaran等[11]利用FTIR與二次判別分析和K最近鄰法鑒別柑橘黃龍病和正常葉片，Hawkins等[12]利用FTIR鑒別柑橘黃龍病、衰退病和裂皮病。

目前病害對(duì)柑橘葉片化學(xué)成分影響的研究相對(duì)較少，難以提供病害前后化學(xué)分子結(jié)構(gòu)改變的準(zhǔn)確信息。實(shí)現(xiàn)準(zhǔn)確、快速的早期檢測(cè)，及時(shí)診治柑橘病害，對(duì)柑橘產(chǎn)業(yè)的發(fā)展具有較大的現(xiàn)實(shí)意義。已有研究多為采用有監(jiān)督模式識(shí)別方法對(duì)柑橘病害進(jìn)行判別分析，鮮見(jiàn)利用FTIR同時(shí)研究柑橘細(xì)菌和真菌性病害并進(jìn)行聚類(lèi)分析的研究。本研究基于FTIR并結(jié)合無(wú)監(jiān)督模式識(shí)別方法對(duì)柑橘褐斑病、黃龍病、潰瘍病、煤煙病、芽枝孢霉斑病病害葉片和正常葉片進(jìn)行鑒別，同時(shí)對(duì)病害葉片化學(xué)成分及其相對(duì)含量的變化做相關(guān)定性分析，研究對(duì)象包括柑橘細(xì)菌性病害黃龍病和潰瘍病，真菌性病害褐斑病、煤煙病和芽枝孢霉斑病。

1 材料與方法

1.1 儀器設(shè)備和參數(shù)

試驗(yàn)使用德國(guó)Bruker公司生產(chǎn)的Tensor27型傅里葉變換紅外光譜儀，測(cè)定范圍為4 000～400 cm-1，分辨率為4 cm-1，掃描次數(shù)為16次，裝備DTGS探測(cè)器。

1.2 樣本制備和光譜數(shù)據(jù)處理

40個(gè)柑橘葉片樣本均采自云南省大理白族自治州賓川縣同一果園，葉片樣本包括正常7個(gè)、褐斑病5個(gè)、黃龍病8個(gè)、潰瘍病8個(gè)、煤煙病6個(gè)、芽枝孢霉斑病6個(gè)。將樣本晾干后，病害葉取病斑部位，正常葉取與病害葉病斑對(duì)應(yīng)部位。把干燥樣本與適量溴化鉀混合后研磨，壓片測(cè)試，共測(cè)試了40個(gè)樣本的傅里葉變換紅外光譜。使用紅外光譜數(shù)據(jù)處理軟件OMNIC 8.0對(duì)所采集的紅外光譜進(jìn)行基線(xiàn)校正、9點(diǎn)平滑歸一化預(yù)處理，并利用統(tǒng)計(jì)軟件SPSS 16.0進(jìn)行統(tǒng)計(jì)分析。

2 結(jié)果與分析

2.1 柑橘葉片的光譜特征

進(jìn)行柑橘正常、褐斑病、黃龍病、潰瘍病、煤煙病、芽枝孢霉斑病葉片紅外光譜分析（圖1）可見(jiàn)，5種患病葉片和正常葉片有部分共同特征峰。3 400 cm-1附近有一個(gè)極強(qiáng)且寬的吸收峰，主要是羥基伸縮振動(dòng)吸收；3 000～2 848 cm-1范圍內(nèi)是甲基、亞甲基的伸縮振動(dòng)區(qū)；2 917 cm-1附近的吸收峰歸屬為CH2反對(duì)稱(chēng)伸縮振動(dòng)；2 850 cm-1附近的吸收峰歸屬為CH2對(duì)稱(chēng)伸縮振動(dòng)；1 735 cm-1附近吸收峰主要來(lái)自脂類(lèi)C=O伸縮振動(dòng)[13]；1 700～1 500 cm-1范圍是纖維素、半纖維素和木質(zhì)素吸收的疊加；1 610和1 600 cm-1附近吸收峰主要是木質(zhì)素C=O伸縮振動(dòng)吸收[10，13]。

1 200～500 cm-1主要是脂肪酸和多糖的混合振動(dòng)吸收區(qū)；1 424 cm-1附近的吸收峰歸屬為CH剪式振動(dòng)吸收；在1 450～1 320 cm-1附近的吸收峰主要為纖維素、木質(zhì)素中CH3和CH2受氧、氮原子影響時(shí)的對(duì)稱(chēng)彎曲振動(dòng)及CH3剪式振動(dòng)吸收[11]；1 370 cm-1附近的吸收峰歸屬為纖維素或者半纖維中CH彎曲振動(dòng)；1 270 cm-1附近的吸收峰為木質(zhì)素中苯羥基C-O的伸縮振動(dòng)；1 260 cm-1附近吸收峰歸屬為半纖維素中C-O伸縮振動(dòng)；1 200～700 cm-1主要是多糖及其糖類(lèi)異構(gòu)體的吸收；1 104 cm-1和1 037 cm-1附近吸收峰歸屬為碳水化合物（纖維素、半纖維素）中C-O和C-C伸縮振動(dòng)[12-14]，并且紅外光譜在這個(gè)范圍內(nèi)有一個(gè)強(qiáng)度大、峰形寬的階梯峰，這個(gè)階梯峰由3個(gè)小的吸收峰組成，分別位于1 148、1 105、1 037 cm-1附近，并且這3個(gè)吸收峰的強(qiáng)度隨波數(shù)增加增強(qiáng)，主要來(lái)自纖維素中C=O伸縮振動(dòng)吸收。通過(guò)柑橘葉片的傅里葉變換紅外光譜圖可以看出，柑橘葉片的主要成分是脂類(lèi)和多糖。

2.2 不同樣本特征吸收峰的比較

比較40個(gè)樣本的FTIR光譜圖，其主要特征吸收峰比較相似，但在1 350～750 cm-1范圍內(nèi)不同病害葉的光譜在峰形、峰位、峰強(qiáng)上存在一些差異， 具有明顯的指紋性和特征性， 這可能是由于致病微生物不同引起的，從而導(dǎo)致某些化學(xué)成分構(gòu)型或含量發(fā)生了微小的變化。芽枝孢霉斑病木質(zhì)素吸收峰在1 610 cm-1附近，而其他樣本均在1 606 cm-1附近，降低了約4 cm-1；煤煙病在2 917 cm-1和2 850 cm-1附近吸收峰的強(qiáng)度比其他樣本強(qiáng)很多；正常葉片在1 516 cm-1附近為寬的肩峰，而其他樣本均為明顯的尖峰，正常葉片在1 077 cm-1和1 048 cm-1成雙峰，而其他樣本則為寬的吸收峰；黃龍病多糖最強(qiáng)吸收峰出現(xiàn)在1 037 cm-1附近，而正常葉片出現(xiàn)在1 047 cm-1附近，相差約10 cm-1。黃龍病8個(gè)樣本的吸收強(qiáng)度比A1047/A2917都大于1.423，正常葉片7個(gè)樣本對(duì)應(yīng)的比值都小于1.173，表明黃龍病葉片中多糖的含量比正常葉高，這與國(guó)內(nèi)外研究的結(jié)果相同[9]，推斷吸收強(qiáng)度比A1047/A2917的比值可作為判斷是否患有黃龍病的一個(gè)依據(jù)。

2.3 不同樣本二階導(dǎo)數(shù)相關(guān)分析

在1 200～700 cm-1范圍內(nèi)樣本之間的光譜差異并不十分明顯（圖1），由于導(dǎo)數(shù)光譜具有更高的分辨率、能夠顯示更多的信息，故試驗(yàn)對(duì)40個(gè)樣本的紅外光譜進(jìn)行二階導(dǎo)數(shù)比較和分析（圖2），分析采用Savitsky–Golay方法。從圖2可見(jiàn)，所有樣本在1 740、1 515、1 231 cm-1附近等都有吸收峰。它們之間的主要區(qū)別如下：835 cm-1附近正常葉沒(méi)有出現(xiàn)吸收峰，而病害葉均有吸收峰；褐斑病在1 018 cm-1附近出現(xiàn)吸收峰，而其他樣本在1 032、1 013 cm-1附近出現(xiàn)雙的吸收峰；黃龍病在2 355 cm-1附近出現(xiàn)弱的吸收峰，而其他樣本均沒(méi)有出現(xiàn)；1 452、

1 392、1 175 cm-1附近只有正常葉出現(xiàn)吸收峰，而其他病害葉都沒(méi)有出現(xiàn)；922 cm-1附近煤煙病、芽枝孢霉斑病幾乎沒(méi)有吸收峰，其他樣本均出現(xiàn)強(qiáng)的吸收峰；1 368 cm-1和1 273 cm-1附近褐斑病出現(xiàn)強(qiáng)吸收峰，其他樣本基本沒(méi)有出現(xiàn)。選取1 200～700 cm-1范圍內(nèi)二階導(dǎo)數(shù)紅外光譜進(jìn)行相關(guān)分析。結(jié)果顯示，正常葉片之間、同種病害葉片之間的相關(guān)系數(shù)都在0.918以上，表明同種病害葉片所含的化學(xué)成分相同或相對(duì)含量相近，不同病害葉、正常葉和病害葉之間的相關(guān)系數(shù)相差較大，如褐斑病葉和正常葉相關(guān)系數(shù)為0.673～0.899，黃龍病葉與正常葉相關(guān)系數(shù)為0.662～0.818；潰瘍病葉與正常葉的相關(guān)系數(shù)為0.465～0.769，煤煙病葉與正常葉相關(guān)系數(shù)最低，為0.408～0.678。從整體上看，病害葉和正常葉以及不同病害葉之間的相關(guān)系數(shù)不一樣，表明不同病原微生物對(duì)柑橘葉片的影響不同。

2.4 二階導(dǎo)數(shù)光譜主成分分析

主成分分析（PCA）是一種數(shù)據(jù)壓縮的常用方法，不但能夠降低數(shù)據(jù)維數(shù)，也能通過(guò)樣本在各因子的空間得分確定所屬類(lèi)別。選取1 200～700 cm-1范圍內(nèi)的原始光譜、一階導(dǎo)數(shù)光譜做主成分分析，正確率分別為60.0%、87.5%。選取該范圍二階導(dǎo)數(shù)光譜做主成分分析，前3個(gè)主成分得分投影結(jié)果見(jiàn)圖3。從圖3可見(jiàn)，正常葉獨(dú)自成一類(lèi)，很容易從病害葉中區(qū)分出來(lái)；PC2和PC3能夠把芽枝孢霉斑病和正常及其他病害葉片區(qū)分開(kāi)；PC1和PC3能夠把煤煙病、正常及其他病害葉區(qū)分開(kāi)；PC1和PC2能夠把黃龍病、褐斑病、潰瘍病葉片區(qū)分開(kāi)，但褐斑病有一個(gè)樣本錯(cuò)誤分類(lèi)到黃龍病中，潰瘍病有一個(gè)樣本錯(cuò)誤分類(lèi)到煤煙病中，黃龍病有一個(gè)樣本錯(cuò)誤分類(lèi)到褐斑病中，通過(guò)PC1、PC2、PC3能把40個(gè)樣本分為6大類(lèi)，其正確率為92.5%。真菌性病害和細(xì)菌性病害葉片分別投影到不同的區(qū)域，而正常葉獨(dú)自投影到一個(gè)區(qū)域，由此間接說(shuō)明病害葉和正常葉所含有的化學(xué)成分或其相對(duì)含量不同。

2.5 二階導(dǎo)數(shù)光譜系統(tǒng)聚類(lèi)分析

聚類(lèi)分析（HCA）中樣本之間相似性的量度用距離表示，距離越近表示越相似，越容易聚在一起形成一類(lèi)。采用歐氏距離平方和計(jì)算法，對(duì)40個(gè)樣本在1 200～700 cm-1范圍內(nèi)的原始光譜、一階和二階導(dǎo)數(shù)光譜分別進(jìn)行聚類(lèi)分析。原始光譜和一階導(dǎo)數(shù)光譜聚類(lèi)正確率分別為52.5%、80.0%。從二階導(dǎo)數(shù)光譜聚類(lèi)樹(shù)狀圖（圖4）看出所有樣本分為6類(lèi)，距離在5以?xún)?nèi)黃龍病與褐斑病聚成一類(lèi)，距離在10以?xún)?nèi)芽枝孢霉斑病、煤煙病、潰瘍病、黃龍病、褐斑病聚成一類(lèi)；距離在20以?xún)?nèi)病害葉與正常葉聚成一類(lèi)。但褐斑病（b1）錯(cuò)誤歸類(lèi)到潰瘍病中，褐斑病（b3）錯(cuò)誤歸類(lèi)到黃龍病中，黃龍?。╟3）和正常葉（a5）不能很好地歸類(lèi)，40個(gè)樣本聚類(lèi)正確率達(dá)90.0%。同種病害先聚成一類(lèi)，然后細(xì)菌性病害和真菌性病害各聚成一類(lèi)，最后與所有樣本聚成一類(lèi)。

3 結(jié)論

對(duì)柑橘病害葉樣本進(jìn)行了傅里葉變換紅外光譜分析，正常葉和病害葉的紅外光譜有一些微小差別，二階導(dǎo)數(shù)光譜在1 200～700 cm-1范圍內(nèi)有明顯的差異，這個(gè)范圍內(nèi)的相關(guān)系數(shù)表明病原微生物對(duì)柑橘葉片化學(xué)成分有影響。選取這個(gè)范圍內(nèi)原始光譜、一階和二階導(dǎo)數(shù)光譜分別進(jìn)行主成分分析和聚類(lèi)分析，能夠?qū)Σ『θ~和正常葉進(jìn)行很好地分類(lèi)。結(jié)果表明，傅立葉變換紅外光譜技術(shù)進(jìn)行柑橘病害鑒定具有快速、無(wú)損、便捷、準(zhǔn)確的優(yōu)點(diǎn)，有望發(fā)展為柑橘病害早期檢測(cè)的有效方法。

參考文獻(xiàn)：

[1]李紅葉.柑橘病害發(fā)生與防治彩色圖說(shuō)[M].北京：中國(guó)農(nóng)業(yè)出版社，2010.

[2] BARRECA D，BELLOCCO E，GATTUSO C，et al. Elucidation of the flavonoid and furocoumarin composition and radical-scavenging activity of green and ripe chinotto（Citrus myrtifolia Raf.） fruit tissues，leaves and seeds[J]. Food Chemistry，2011， 129（4）：1504-1512.

[3] EHSANI R，MISHRA A，SANKARAN S，et al. A review of advanced techniques for detecting plant diseases[J].Computers and Electronics in Agriculture，2010，72（2）：1-13.

[4] LIN H，CHEN C W，DODDAPANENI H，et al.A new diagnostic system for ultra-sensitive and specific detection and quantification of candidatus liberibacter asiaticus， the bacterium associated with citrus Huanglongbing[J]. Journal of Microbiological Methods，2010，81（1）：17-25.

[5] PEREIRA F M V， MILORI D M B P， RODRIGUES E， et al. Laser-induced fluorescence imaging method to monitor citrus greening disease[J]. Computers and Electronics in Agriculture，2011，79（1）：90-93.

[6] LINS E C， BELASQUE J， MARCASSA LG. Detection of citrus canker in citrus plants using laser induced fluorescence spectroscopy[J]. Precision Agriculture，2009，10（1）：319-330.

[7] SANKARAN S， MAJA J M， BUCHANON S. Huanglongbing （Citrus Greening） detection using visible， near infrared and thermal imaging techniques[J].Sensor，2013，13（2）：2117-2130.

[8] SANKARAN S， EHSANI R. Visible-near infrared spectroscopy based citrus greening detection：Evaluation of spectral feature extraction techniques[J].Crop Protection，2011，30（11）：1508-1513.

[9] GONZALEZ P，CORCUERA J R D，ETXEBERRIA E，et al. Characterization of leaf starch from HLB-affected and unaffected-girdled citrus trees[J].Physiological and Molecular Plant Pathology，2012，79（1）：71-78.

[10] CARDINALI M C D B，BOAS P R V，Milori D M B P， et al. Infrared spectroscopy： A potential tool in Huanglongbing and citrus variegated chlorosis diagnosis[J].Talanta，2012，91：1-6.

[11] SANKARAN S， EHSANI R， ETXEBERRIA E. Mid-infrared spectroscopy for detection of Huanglongbing （Citrus Greening） in citrus leaves[J].Talanta，2010，83：574-581.

[12] HAWKINS S A，PARK B，POOLE G H，et al.Comparison of FTIR spectra between Huanglongbing （Citrus Greening） and other citrus[J]. Journal of Agriculture and Food Chemistry， 2010，58（10）：6007-6010.

[13] GORGULU S T， DOGAN M， SEVERAN F. The characterization and differentiation of higher plants by fourier transform infrared spectroscopy[J]. Applied Spectroscopy，2007，61（3）：300-308.

[14] MONTI F， ANNA R D， SANSON A.Multivariate statistical analysis approach to highlight molecular processes in plant cell walls through ATR FT-IR microspectroscopy：The role of the α-expansin PhEXPA1 in Petunia hybrida[J].VibrationalSpectroscopy，2013，65：36-43.

[5] PEREIRA F M V， MILORI D M B P， RODRIGUES E， et al. Laser-induced fluorescence imaging method to monitor citrus greening disease[J]. Computers and Electronics in Agriculture，2011，79（1）：90-93.

[6] LINS E C， BELASQUE J， MARCASSA LG. Detection of citrus canker in citrus plants using laser induced fluorescence spectroscopy[J]. Precision Agriculture，2009，10（1）：319-330.

[7] SANKARAN S， MAJA J M， BUCHANON S. Huanglongbing （Citrus Greening） detection using visible， near infrared and thermal imaging techniques[J].Sensor，2013，13（2）：2117-2130.

[8] SANKARAN S， EHSANI R. Visible-near infrared spectroscopy based citrus greening detection：Evaluation of spectral feature extraction techniques[J].Crop Protection，2011，30（11）：1508-1513.

[9] GONZALEZ P，CORCUERA J R D，ETXEBERRIA E，et al. Characterization of leaf starch from HLB-affected and unaffected-girdled citrus trees[J].Physiological and Molecular Plant Pathology，2012，79（1）：71-78.

[10] CARDINALI M C D B，BOAS P R V，Milori D M B P， et al. Infrared spectroscopy： A potential tool in Huanglongbing and citrus variegated chlorosis diagnosis[J].Talanta，2012，91：1-6.

[11] SANKARAN S， EHSANI R， ETXEBERRIA E. Mid-infrared spectroscopy for detection of Huanglongbing （Citrus Greening） in citrus leaves[J].Talanta，2010，83：574-581.

[12] HAWKINS S A，PARK B，POOLE G H，et al.Comparison of FTIR spectra between Huanglongbing （Citrus Greening） and other citrus[J]. Journal of Agriculture and Food Chemistry， 2010，58（10）：6007-6010.

[13] GORGULU S T， DOGAN M， SEVERAN F. The characterization and differentiation of higher plants by fourier transform infrared spectroscopy[J]. Applied Spectroscopy，2007，61（3）：300-308.

[14] MONTI F， ANNA R D， SANSON A.Multivariate statistical analysis approach to highlight molecular processes in plant cell walls through ATR FT-IR microspectroscopy：The role of the α-expansin PhEXPA1 in Petunia hybrida[J].VibrationalSpectroscopy，2013，65：36-43.

[5] PEREIRA F M V， MILORI D M B P， RODRIGUES E， et al. Laser-induced fluorescence imaging method to monitor citrus greening disease[J]. Computers and Electronics in Agriculture，2011，79（1）：90-93.

[6] LINS E C， BELASQUE J， MARCASSA LG. Detection of citrus canker in citrus plants using laser induced fluorescence spectroscopy[J]. Precision Agriculture，2009，10（1）：319-330.

[7] SANKARAN S， MAJA J M， BUCHANON S. Huanglongbing （Citrus Greening） detection using visible， near infrared and thermal imaging techniques[J].Sensor，2013，13（2）：2117-2130.

[8] SANKARAN S， EHSANI R. Visible-near infrared spectroscopy based citrus greening detection：Evaluation of spectral feature extraction techniques[J].Crop Protection，2011，30（11）：1508-1513.

[9] GONZALEZ P，CORCUERA J R D，ETXEBERRIA E，et al. Characterization of leaf starch from HLB-affected and unaffected-girdled citrus trees[J].Physiological and Molecular Plant Pathology，2012，79（1）：71-78.

[10] CARDINALI M C D B，BOAS P R V，Milori D M B P， et al. Infrared spectroscopy： A potential tool in Huanglongbing and citrus variegated chlorosis diagnosis[J].Talanta，2012，91：1-6.

[11] SANKARAN S， EHSANI R， ETXEBERRIA E. Mid-infrared spectroscopy for detection of Huanglongbing （Citrus Greening） in citrus leaves[J].Talanta，2010，83：574-581.

[12] HAWKINS S A，PARK B，POOLE G H，et al.Comparison of FTIR spectra between Huanglongbing （Citrus Greening） and other citrus[J]. Journal of Agriculture and Food Chemistry， 2010，58（10）：6007-6010.

[13] GORGULU S T， DOGAN M， SEVERAN F. The characterization and differentiation of higher plants by fourier transform infrared spectroscopy[J]. Applied Spectroscopy，2007，61（3）：300-308.

[14] MONTI F， ANNA R D， SANSON A.Multivariate statistical analysis approach to highlight molecular processes in plant cell walls through ATR FT-IR microspectroscopy：The role of the α-expansin PhEXPA1 in Petunia hybrida[J].VibrationalSpectroscopy，2013，65：36-43.