在瑞士巴塞尔郊外的一座现代化温室中，一场静默的“对话”正在发生。当一只椿象悄然落在大豆叶片上准备进食时，看似平静的植株内部正涌动着复杂的电信号流。这些肉眼不可见的生物电流，如同植物发出的无声警报，如今终于被人类破译——通过机器学习技术，科学家首次捕捉并解读了植物在遭受虫害时释放的特定电信号模式。
这项由跨国科研团队完成的突破性研究，近日发表于国际权威学术期刊《科学报告》。研究团队通过精密传感器实时监测大豆植株的电活动，结合人工智能算法分析海量数据，成功识别出与椿象侵害相关的独特电信号特征。领导该项目的植物学家安克·布赫霍尔茨指出：“这相当于为植物安装了‘生物传感器’，使我们能够实时感知它们的健康状态，这在农业史上尚属首次。”
全球农业正面临严峻挑战：每年因病虫害导致的农作物损失高达40%，经济损失超过2200亿美元。以大豆为例，这种重要粮油作物每年因虫害减产超20%，其中椿象等隐蔽性害虫尤为棘手。布赫霍尔茨解释：“传统监测方式依赖肉眼观察，但等农民发现叶片变黄时，虫害已大规模爆发。这种滞后性不仅造成减产，更迫使农民过度使用农药，形成恶性循环。”
植物电信号的研究可追溯至19世纪中叶。中国科学院植物学专家史军介绍，当植物遭遇干旱、低温或虫咬时，细胞膜两侧离子浓度变化会产生生物电，通过维管束系统在植株内部传导。但这些信号如同“加密电报”，过去150年间始终难以破译。布赫霍尔茨形象地比喻：“传统方法接收到的信号就像嘈杂的背景噪音，我们根本分不清哪些是真正的求救信号。”
人工智能技术的介入彻底改变了研究范式。研究团队为大豆植株连接定制化传感器，持续采集电信号数据，再通过机器学习模型进行模式识别。先正达集团植物学家尤里安·弗里德里希透露：“我们训练模型区分不同胁迫下的电信号特征，最终成功锁定代表‘椿象攻击’的特定模式。”实验数据显示，未受保护的大豆在遭遇虫害时，电信号会呈现剧烈波动，而经过防护处理的植株则保持稳定。
这项技术已展现出巨大应用潜力。通过持续监测电信号变化，系统可提前数小时甚至数天预警虫害，为农技人员争取干预时间。布赫霍尔茨强调：“这意味着我们能实现精准施药，既减少农药使用量，又降低对生态环境的破坏。”在对比实验中，采用该技术的农田农药使用量减少了30%，而虫害控制效果提升45%。
目前研究仍处于初级阶段，科学家仅能识别少数几种胁迫类型。布赫霍尔茨透露，团队正着手构建植物“求救信号”数据库，计划纳入线虫侵害、高温干旱等不同环境压力下的电信号特征。“我们的终极目标是创建植物‘语言词典’，让农民通过手机就能读懂作物的‘健康报告’。”史军补充道，研究团队通过数学模型排除了光照、湿度等干扰因素，确保识别结果的准确性，“这就像为植物设计了专属的摩斯密码系统”。
这项突破正在引发农业科技革命。据世界银行预测，到2030年全球粮食需求将增长50%，而传统农业模式难以满足这一需求。布赫霍尔茨认为，植物电信号监测技术将推动农业向智能化转型：“当我们能真正‘听懂’植物的语言，粮食安全将获得前所未有的保障。”目前，研究团队已与多个农业科技企业展开合作，计划三年内推出商用监测设备。
