小麥條銹病和肺病的光譜特征及病情嚴(yán)重度研究

小麥條銹病和肺病的光譜特征及病情嚴(yán)重度研究

主要病害的光譜響應(yīng)比較研究近年來，全球氣候變化導(dǎo)致了頻繁的農(nóng)業(yè)病蟲害，給全球糧食安全帶來了巨大挑戰(zhàn)。目前作物病害的防控主要通過施用殺菌劑。然而,多數(shù)情況下由于缺乏病害程度、位置的準(zhǔn)確信息,易造成殺菌劑的多施、漏施,不僅無法有效阻止作物病害的傳播和流行,而且還會(huì)造成如作物藥害,土壤和地下水污染等諸多環(huán)境問題。而遙感技術(shù)的空間連續(xù)的信息獲取能力使其有可能在大范圍內(nèi)精確定位及掌握病害的發(fā)生和程度信息,進(jìn)而取代傳統(tǒng)目測手查等費(fèi)時(shí)費(fèi)力的調(diào)查方法。利用遙感技術(shù)進(jìn)行作物病蟲害監(jiān)測的主要原理是根據(jù)病害引起作物的生理生化狀態(tài)改變在不同譜段上表現(xiàn)出的吸收和反射特征進(jìn)行信息提取和解析。目前多數(shù)學(xué)者圍繞小麥、水稻中幾種常見的病害類型開展實(shí)驗(yàn)研究,試圖弄清病害光譜響應(yīng)的波段和特征。Delwiche和Kim發(fā)現(xiàn)小麥赤霉病(fusariumheadblight)能夠引起550,568,605,623,660,697,715和733nm位置處的光譜響應(yīng);Liu等通過對水稻稻穗的光譜分析發(fā)現(xiàn)450~850nm波段的反射率變化與水稻穎枯病(glumeblightdisease)具有相關(guān)性。通過文獻(xiàn)調(diào)研發(fā)現(xiàn),目前關(guān)于病害光譜監(jiān)測和診斷的研究大都針對特定的病害類型,罕有研究對不同類型病害的光譜特征進(jìn)行比較和區(qū)分。在實(shí)際的農(nóng)田環(huán)境中,不同類型病害常同時(shí)發(fā)生。如小麥白粉病(Blumeriagraminis)和條銹病(Pucciniastriiformisf.sp.tritici)兩種小麥中較為重要的病害均喜好高溫高濕的環(huán)境,在我國華北麥區(qū)常同時(shí)發(fā)生。目前,已有一些學(xué)者對兩種病害的光譜響應(yīng)特征分別進(jìn)行了研究。劉良云等發(fā)現(xiàn)小麥條銹病與560~670nm波段的反射率變化有密切關(guān)系,并據(jù)此構(gòu)建了監(jiān)測模型;Zhang等在葉片尺度上對小麥白粉病的光譜響應(yīng)進(jìn)行了詳細(xì)分析,發(fā)現(xiàn)512~634以及692~702nm兩個(gè)波段對病斑具有較強(qiáng)的響應(yīng),并在此基礎(chǔ)上,篩選了GNDVI,CARI等多個(gè)光譜特征用于構(gòu)建病情嚴(yán)重度反演模型,反演精度超過90%。注意到上述小麥條銹病和白粉病的監(jiān)測特征波段在光譜位置上有較大重疊,而目前罕有研究對二者的光譜特征進(jìn)行區(qū)分。Kuckenberg等報(bào)道了小麥白粉病、條銹病和水肥脅迫在熒光特性方面的差異,但并未從反射光譜角度比較兩種病害的光譜響應(yīng)差異。由于小麥白粉病和條銹病在防治上需施用不同的殺菌藥劑,對兩種病害開展進(jìn)一步的光譜比較和區(qū)分分析是十分必要的?；谔镩g實(shí)驗(yàn)獲取的小麥白粉病和條銹病的光譜數(shù)據(jù),在葉片尺度上開展小麥白粉病和條銹病兩種病害的區(qū)分和嚴(yán)重度反演研究。目的是:(1)分析小麥白粉病和條銹病葉片的光譜響應(yīng)差異;(2)建立小麥白粉病和條銹病的光譜區(qū)分特征及判別模型;(3)在病害區(qū)分的基礎(chǔ)上,分別建立兩種病害的病情嚴(yán)重度反演模型。1實(shí)驗(yàn)部分1.1條銹病接種—試驗(yàn)場地概述及病害田間接種小麥白粉和條銹病研究數(shù)據(jù)獲取于2010年~2012年。條銹病試驗(yàn)地位于北京市昌平區(qū)小湯山國家精準(zhǔn)農(nóng)業(yè)示范研究基地(40°10.6′N,116°26.3′E)。供試品種“京9843”,采取人工接種的方式進(jìn)行條銹病的接種。實(shí)驗(yàn)葉片的采集安排在2011年5月23日進(jìn)行。白粉病實(shí)驗(yàn)于北京市農(nóng)林科學(xué)院內(nèi)試驗(yàn)田進(jìn)行(39°56′N,116°16′E)。供試品種“京雙16”在北京及河北省境內(nèi)種植較廣泛,對小麥白粉病中度易感。2012年5月至6月間,試驗(yàn)田內(nèi)約四分之三面積的小麥自發(fā)感染白粉病。該病早期癥狀并不明顯,從灌漿期開始出現(xiàn)較明顯的葉部癥狀,同時(shí),灌漿初期亦是利用農(nóng)藥控制病情的重要時(shí)間點(diǎn)。因此,實(shí)驗(yàn)的葉片采集安排在2012年5月16日(灌漿早期)進(jìn)行。由于北京農(nóng)科院位于市區(qū),平均溫度高于位于郊區(qū)的小湯山基地,導(dǎo)致小麥生育期早于后者一個(gè)星期左右,所以兩次實(shí)驗(yàn)數(shù)據(jù)采集生育期均為小麥灌漿期。實(shí)驗(yàn)基本情況見表1。1.2葉片光譜分析單葉光譜采用FieldSpec○RProFR光譜儀(ASDInc.,Boulder,Colorado,USA)耦連葉片夾(ASDleafclip)進(jìn)行測定。光譜測量的波長范圍為350~2500nm,其中350~1000nm光譜分辨率為3nm,1000~2500nm光譜分辨率為10nm。每葉片均勻測定15個(gè)不同位置(測試時(shí)注意避開葉脈),基本可覆蓋整片葉片,取平均值后代表該片葉片的輻亮度曲線。參考板光譜每隔10片葉片測定一次,通過葉片輻亮度和參考板輻亮度的比值計(jì)算求得葉片反射率光譜曲線。2011年小麥條銹病試驗(yàn)共對92片葉片(健康葉片26片,感病葉片66片)進(jìn)行測試;2012年小麥白粉病試驗(yàn)共對47片葉片(健康葉片14片,感病樣本33片)進(jìn)行測試。葉片病情嚴(yán)重程度采用通用的病情指數(shù)(diseaseindex,DI)進(jìn)行量化,定義為病斑在葉片上的覆蓋比率,通過目視方式進(jìn)行判讀。在完成葉片光譜測量后,首先對每片葉片拍照,由一名判讀人員(所有樣本由同一人進(jìn)行判讀,以減小不同人員的測試誤差)依據(jù)照片進(jìn)行判讀。為減小病斑比例的估計(jì)誤差,以5%為間隔進(jìn)行分級判讀,其中病斑比率在5%以下的葉片由于實(shí)際難以與健康葉片區(qū)分,在此作健康葉片處理。1.3物學(xué)意義的特征除原始波段反射率外,光譜特征基于一定的變換法則,對特定位置波段反射率進(jìn)行組合、變換,形成具有一定物理和生物學(xué)意義的特征。本研究在系統(tǒng)歸納常用于植物脅迫和作物病害識別、監(jiān)測的光譜特征基礎(chǔ)上,選取包括一階微分變換光譜特征、連續(xù)統(tǒng)變換光譜特征和植被指數(shù)三類形式的光譜特征共26個(gè),形成一個(gè)供篩選的光譜特征集。并利用實(shí)測數(shù)據(jù)對這些特征的敏感性進(jìn)行評價(jià),以系統(tǒng)檢驗(yàn)這些特征對兩種病害的響應(yīng)情況。各類光譜特征的定義、公式及出處見表2。1.4小麥病害檢測流程數(shù)據(jù)分析及處理包括光譜數(shù)據(jù)的標(biāo)準(zhǔn)化處理,小麥病害區(qū)分特征選擇,不同病害光譜判別模型及病情嚴(yán)重度反演模型構(gòu)建等幾個(gè)部分(技術(shù)流程見圖2)。1.4.1條銹病和張力的結(jié)構(gòu)反射率計(jì)算方法為減弱、控制小麥白粉病和條銹病葉片光譜數(shù)據(jù)測試時(shí)間、品種等差異對分析的影響,在進(jìn)行比較分析前對光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。首先,計(jì)算兩組數(shù)據(jù)健康葉片光譜均值的比值曲線,某波長下的比率計(jì)算公式為i表示波長,Ref表示反射率,下標(biāo)YR和PM分別表示條銹病和白粉病葉片樣本。將白粉病實(shí)驗(yàn)獲取的每一條健康和染病樣本光譜的原始數(shù)據(jù)與該比率曲線相乘,即得到標(biāo)準(zhǔn)化后的白粉病光譜數(shù)據(jù)。其中,某波長下的標(biāo)準(zhǔn)化計(jì)算公式為其中Ref(PM)i表示白粉病實(shí)驗(yàn)數(shù)據(jù)波段i的原始光譜反射率;Ref′(PM)i表示經(jīng)過標(biāo)準(zhǔn)化的反射率。上述光譜標(biāo)準(zhǔn)化處理,由于對于白粉病數(shù)據(jù)中的各條光譜使用了相同的比率曲線進(jìn)行調(diào)整,因此不會(huì)改變健康和不同病情程度葉片樣本間的相對光譜差異。該處理通過以健康樣本反射率為基準(zhǔn),將白粉病數(shù)據(jù)和條銹病數(shù)據(jù)調(diào)整至同一反射率水平,從而在很大程度上排除了兩套數(shù)據(jù)在時(shí)間、品種方面差異對光譜區(qū)分分析的影響,有利于提高兩種病害光譜區(qū)分分析結(jié)果的可靠性。后續(xù)基于原始光譜以及光譜特征的分析均基于標(biāo)準(zhǔn)化后的光譜進(jìn)行。1.4.2條銹病和張力病的特征曲線在建立病害判別模型和嚴(yán)重度反演模型前,需要篩選出適于進(jìn)行病害識別和區(qū)分的原始波段和光譜特征。為此,分別采取兩種標(biāo)準(zhǔn)進(jìn)行變量篩選:(1)通過將原始波段反射率/光譜特征與病情嚴(yán)重度進(jìn)行相關(guān)分析,分別選擇達(dá)到極顯著相關(guān)(p<0.01)的波段/特征作為條銹病、白粉病的敏感波段/特征;(2)采用獨(dú)立樣本t檢驗(yàn)(independentt-test)分析條銹病和白粉病樣本在各個(gè)波段、特征上的響應(yīng)情況,以p<0.01為條件篩選對兩種病害表現(xiàn)出顯著差異的波段和特征。在此基礎(chǔ)上,將對兩種病害敏感的波段/特征和對不同病害表現(xiàn)出顯著差異的波段/特征取交集,得到的波段/特征既能夠響應(yīng)兩種病害,同時(shí)又能夠針對不同病害體現(xiàn)出顯著的差異性,因此被用作構(gòu)建病害判別模型的波段/特征。1.4.3判別模型構(gòu)建分別以篩選得到的原始波段反射率和光譜特征作為輸入變量,采用費(fèi)氏線性判別分析(fisherlineardiscriminationanalysis,FLDA)構(gòu)建條銹病、白粉病和健康樣本三種類型的判別模型?？紤]到兩種病害光譜數(shù)據(jù)樣本量較小,采用留一的交叉驗(yàn)證方法(leave-one-outcrossvalidation)對模型精度進(jìn)行評價(jià)。模型精度評價(jià)指標(biāo)包括總體精度(OAA),平均精度(AA),生產(chǎn)者精度,用戶精度和kappa系數(shù)5個(gè)指標(biāo)。1.4.4偏最小二乘回歸分析在病害區(qū)分的基礎(chǔ)上,基于1.4.2節(jié)中篩選得到的對條銹病和白粉病敏感的光譜特征分別構(gòu)建兩種病害的病情嚴(yán)重度反演模型?？紤]到光譜特征之間可能存在的相關(guān)性,采用能夠有效消減變量間相關(guān)性影響的偏最小二乘回歸分析(patialleastsquareregression,PLSR)作為病情嚴(yán)重度的回歸建模方法。模型估測精度同樣采用留一的交叉驗(yàn)證方法進(jìn)行評價(jià),采用實(shí)測值與預(yù)測值的復(fù)相關(guān)系數(shù)(R2)以及均方根誤差(RMSE)作為精度評價(jià)指標(biāo)。2結(jié)果與討論2.1病害的光譜特征小麥白粉病和條銹病葉片光譜的原始反射率曲線和比值曲線如圖1所示。從圖中可見,感染白粉病和條銹病的小麥葉片反射率在350~2500nm的大部分波段較健康樣本有一定程度的升高。通過比值曲線可較清晰地觀察到,感染白粉病和條銹病的葉片光譜反射率在550~710,1400~1550,以及1870~2140nm三段位置有共同的光譜響應(yīng),其中,550~710和1870~2140nm是響應(yīng)最強(qiáng)烈的部分,與健康葉片相比反射率差異最大可達(dá)47%。兩種病害的光譜響應(yīng)情況與Zhang等,黃木易等研究中觀察到的結(jié)果趨勢基本一致。病菌在侵染葉肉細(xì)胞后,可導(dǎo)致葉綠體結(jié)構(gòu)破壞,并引起細(xì)胞水分喪失,以及色素、水分的光譜吸收作用減弱,進(jìn)而使染病葉片在可見光波段以及短波紅外波段的光譜反射率增高。除原始波段外,病害侵染也引起多個(gè)光譜特征較強(qiáng)烈的響應(yīng),條銹病和白粉病染病葉片分別引起17和21個(gè)光譜特征的響應(yīng)。其中,如Db,Dy,PRI和ARI等特征對病害的響應(yīng)與Zhang等,Huang等和Devadas等關(guān)于條銹病和白粉病光譜響應(yīng)的報(bào)道一致。雖然小麥條銹病和白粉病呈現(xiàn)大體一致的光譜響應(yīng),但比較兩種病害的原始光譜和光譜比值曲線仍可觀察到一定的差異。其中一個(gè)明顯的特征位于760~1300nm的近紅外平臺(tái)部分,白粉病葉片反射率低于健康葉片反射率,而條銹病葉片光譜卻呈現(xiàn)相反的趨勢,較健康葉片反射率高[圖3(a)]。除此之外,從[圖3(b)]的比率曲線中還可以看出,兩種病害的光譜反射率在350~550,580~700,730~1320,1400~1540和1870~2140nm幾個(gè)部分差異較大。這些波段分別對應(yīng)葉綠素含量,細(xì)胞結(jié)構(gòu)和水分含量等組分和結(jié)構(gòu)。此外,各植被指數(shù)對兩種病害的響應(yīng)情況也不盡相同,如SDb,CARI僅對條銹病敏感,而SDr和WI僅對白粉病敏感。兩種病害的光譜特征差異主要源于葉片侵害過程造成的葉片色素、水分的不同程度的破壞/喪失,以及葉片病斑本身的不同顏色、質(zhì)地。而這些差異亦成為對兩種病害從光譜上進(jìn)行區(qū)分的基礎(chǔ)。2.2flda分析圖4分別顯示了利用相關(guān)分析得到的對小麥白粉病、條銹病敏感的波段(p-value<0.01),以及經(jīng)過獨(dú)立樣本T檢驗(yàn)得到的在兩種病害樣本中存在顯著差異的波段(p-value<0.01)。而上述波段的交集,既能夠響應(yīng)兩種不同的病害,又對不同病害的響應(yīng)存在顯著差異,是理想的病害區(qū)分特征,包括490~532,665~684,718~726,737~1000,1368~1376和1891~2014nm,6段光譜范圍(圖4)。采取相同的標(biāo)準(zhǔn)篩選出適于病害區(qū)分的光譜特征共11個(gè),分別為Db,λb,Dy,Dr,DEP550-770,AREA550-770,TVI,PRI,ARI,SIW-SI,和CAI(表3)。分別基于上述原始波段和光譜特征,采用FLDA分析構(gòu)建病害判別模型,兩個(gè)判別模型輸出的混淆矩陣以及各項(xiàng)精度評價(jià)指標(biāo)匯總見表4?？傮w上看,不論采用原始波段或光譜特征為輸入變量均能夠得到較為理想的結(jié)果,OAA均達(dá)到80%以上。其中,基于光譜特征的判別模型OAA達(dá)到89%,高于基于原始波段的判別模型的OAA為80%?？梢岳斫?植被指數(shù)、連續(xù)統(tǒng)或微分特征通過對原始光譜進(jìn)行不同形式的組合和變換,增強(qiáng)并突出了某些特定組分、結(jié)構(gòu)的光譜響應(yīng)信號,因此較原始波段在模型判別效果上有一定程度的改善。這一趨勢與Zhang等對不同染病程度白粉病葉片光譜判別分析研究的結(jié)果一致。此外,通過白粉病、條銹病以及健康葉片三類樣本在標(biāo)準(zhǔn)化典然成分(standardizedcanonicalcomponent)1和成分2組成的特征空間中的分布(圖5),以及在表4中的用戶精度和生產(chǎn)者精度,可較直觀地反映不同類型樣本的區(qū)分、混淆情況?？梢杂^察到,無論采用原始波段或光譜特征,判別模型可較準(zhǔn)確地識別兩種病害的染病樣本(兩類病害樣本判別結(jié)果的使用者精度均接近或超過95%)。相比染病樣本,模型對健康樣本的識別精度不夠理想,結(jié)果中生產(chǎn)者精度均低于75%。進(jìn)一步檢查混淆矩陣中錯(cuò)判樣本對應(yīng)的病情程度,發(fā)現(xiàn)錯(cuò)判樣本大多為病情程度較輕的樣本(DI:0.1~0.2)。這一結(jié)果表明,構(gòu)建的判別模型可較準(zhǔn)確地識別、區(qū)分染病嚴(yán)重的葉片樣本,而對嚴(yán)重度較輕的葉片則識別精度較低。2.3測結(jié)果散點(diǎn)圖基于表3中白粉病和條銹病的敏感植被指數(shù)特征,采用PLSR方法構(gòu)建兩種病害的病情嚴(yán)重度反演模型,估測結(jié)果散點(diǎn)圖如圖6所示。結(jié)果顯示,兩種病害的病情嚴(yán)重度反演模型均能夠取得較理想的估測精度,模型的均方根誤差均