时时彩计划软件破解版|天机时时彩计划王网站
?

設施黃瓜霜霉病高光譜特征選擇及預測模型

2019-11-13 03:11:12 江蘇農業科學 2019年17期

亢菊俠 趙家奇 吳雅茹

摘要:為構建基于高光譜參數的設施黃瓜霜霉病發生級別預測模型,使用手持光譜儀ASD FieldSpec HandHeld檢測不同黃瓜霜霉病為害下黃瓜葉片高光譜反射率,并分析400~900 nm波段內的光譜反射率參數與黃瓜霜霉病發生級別的相關關系和回歸關系。結果表明,在400~718 nm波段范圍內,隨著霜霉病級別的增加,黃瓜光譜反射率均有明顯上升,并在568~687 nm波段范圍內達到極顯著相關水平;在825~900 nm波段范圍內,隨著霜霉病級別的增加,黃瓜光譜反射率均有明顯下降,在837~895 nm波段范圍內達到極顯著相關水平。利用可見光區特征波長點679 nm、近紅外區特征波長點861 nm的光譜反射率以及歸一化植被指數(NDVI)、系統比值植被指數(RVI)構建黃瓜霜霉病發生級別監測預警方程,其中前3個預測模型均達到極顯著水平(P<0.01)。因此,可以利用高光譜信息數據來預測設施黃瓜霜霉病發生的級別。

關鍵詞:設施黃瓜;霜霉病;光譜測量;預測模型

中圖分類號:S127;S436.421.1+1 ?文獻標志碼: A ?文章編號:1002-1302(2019)17-0117-03

設施黃瓜在生長過程中,由于受到寡照、低溫、高濕等不良生態環境的影響,容易發生病害。黃瓜霜霉病是設施黃瓜生產中發生最廣泛、為害最嚴重的病害,病原為鞭毛菌亞門假霜霉屬古巴假霜霉菌(Pseudoperonospora cubensis)[1]。黃瓜霜霉病主要為害葉片。黃瓜苗期感染此病害后,子葉首先呈褪綠斑,慢慢發展成黃色斑,如果濕度大,子葉背面出現黑色霉層,隨后子葉逐漸全部變黃并干枯。黃瓜成株期感染此病害后,首先葉片上出現綠色水浸斑,慢慢變成黃綠色、淡褐色,并呈多角形,最后病斑合在一起,使得整個葉片干枯,并向上卷縮,如果濕度大,葉片背面呈灰黑色霉層,容易導致整個葉片枯死[2]。傳統黃瓜霜霉病診斷和預測預報方法是病理分析或經驗判斷,該方法不僅費時、費力,且效果差。隨著科技進步,逐漸發展出高光譜技術來監測農業病蟲害的危害程度,原理為作物受到為害時,葉片細胞的活性、含水量、葉綠素含量等生理特性發生變化,表現為作物冠層光波反射特性發生變化,尤其是可見光波段和短波紅外波段的光波特征變化。因此,可以通過受害作物某些特征波長的光波特性與正常作物光波特性的區別,來監測作物病蟲害危害級別[3-4]。因此,高光譜技術為快速、方便、準確地進行設施黃瓜霜霉病的監測和預測預報提供了可能。

國內外相關文獻已報道了高光譜遙感技術對重要病害發生程度的監測。黃木易等測定了小麥感染條銹病后冠層光波反射率,結果發現,光波反射率與條銹病的發生級別顯著相關,據此用光譜反射率參數構建條銹病病情指數的預測預報模型,從而為條銹病的適時、適量防治提供依據[5]。陳兵等在棉花各個生育期條件下,對感染黃萎病棉花葉片的光波反射率與葉綠素含量進行相關分析,并同時分析光波反射率的一階微分方程與葉綠素含量的相關關系,在此基礎上構建黃萎病侵染條件下,棉花葉片葉綠素含量的預測預報模型[6]。Franke等采用手持式光譜儀分析了冬小麥受到白粉病、條銹病危害后的光譜反射率,其結果表明,采用光譜技術能監測、預警白粉病和條銹病的發生情況[7]。

當光照射在植物上時,近紅外波段的光大部分被植物反射回來,紅光波段的光則大部分被植物吸收,通過近紅外波段和紅光波段反射率的線性或非線性組合,可以消除土地光譜的影響,得到的特征指數被稱為植被指數。植被指數的種類很多,其中比值植被指數(RVI)和歸一化植被指數(NDVI)[8-9]是目前應用廣泛的2種植被指數。喬紅波對田間不同程度麥蚜為害初期的冬小麥品種鄭州891冠層反射光譜特征進行分析,結果表明,麥蚜為害后小麥冠層的光譜反射率在近紅外區產生顯著變化,且隨著危害程度的加重其值逐步下降,并構建了NDVI與小麥百株蚜量回歸預測方程[10]。楊可明等采用高光譜影像技術分析了條銹病侵染條件下的小麥冠層光譜,構建了條銹病的預測預報模型,并提出新的植被指數 MI-NDVI,該指數可消除作物不同生育階段的影響[11]。

目前,利用高光譜遙感數據構建適用于設施黃瓜霜霉病為害監測模型的研究還鮮有報道。為此,本研究采用高光譜技術探討黃瓜霜霉病為害后黃瓜反射光譜的變化規律,并選擇特征波長點,同時計算植被指數,構建設施黃瓜霜霉病發生級別的預測方程,以期為設施黃瓜霜霉病為害的快速評估提供理論依據,進而為生產上及時有效地防治設施黃瓜霜霉病打下基礎。

1 材料與方法

1.1 試驗時間與地點

試驗于2017年在陜西省西安市楊凌區設施黃瓜基地(34.31°N,108.07°E)進行。溫室大棚長為50 m,寬為6 m。

1.2 試驗材料

供試黃瓜品種為目前陜西省關中地區主栽品種津春4號。

1.3 試驗方法

1.3.1 試驗設計 采用隨機區組設計,將溫室大棚劃分為 6 m×3 m的15個小區,在黃瓜霜霉病發生的始盛期通過人工接種和噴灑殺菌劑的方法,形成5個不同發病級別的小區:0級,全株無病;1級,全株1/4及以下的葉片有少量病斑;2級,全株1/2及以下、1/4以上的葉片有少量病斑或1/4及以下的葉片有較多的病斑;3級,全株3/4及以下、1/2以上的葉片發病或全株1/4及以下的葉片全部枯黃;4級,全株3/4以上的葉片發病或全株1/2及以上的葉片枯黃到整株枯黃。每個處理重復3個小區。整個黃瓜生長期間無其他病蟲害發生。

1.3.2 光譜測量 黃瓜光譜測量使用便攜式野外光譜儀ASD FieldSpec HandHeld(325~1 075 nm),該光譜儀采樣間隔為1.0 nm。在黃瓜霜霉病發病盛期測量光波反射率,測量時光譜儀傳感器探頭豎直朝下距黃瓜葉片20 mm,測量葉片前,要先對參考板和太陽輻射光譜進行標定,測定中間要用硫酸鋇(BaSO4)板校正。每個樣方測定10次。測量后立即調查全株病害發生程度。

1.3.3 數據處理 采用ASD Viewspec-pro軟件讀取和分析源光譜數據,將每個樣方測定的10條光譜數據的平均值作為該樣方光譜值,并將原始光譜反射強度數據轉化為反射率數據。從測量數據來看,325~399 nm和901~1 075 nm范圍內的數據噪聲較大,因此只處理了400~900 nm范圍內的光譜數據。利用400~900 nm波段光譜特征波長點的光譜反射率計算RVI和NDVI[12],公式為

式中:RR、RNIR分別為620~700 nm紅光波段、701~900 nm近紅外波段中與黃瓜霜霉病發生級別相關性最為顯著的特征波長點的光譜反射率。

利用上述植被指數及最佳波長點的光波反射率數據作為預測預報模型參數,同時采用SPSS-Statistics 17.0系統對霜霉病級別與400~900 nm范圍內的光譜反射率進行相關和回歸分析,用SigmaPlot 10.0系統進行作圖。

2 結果與分析

2.1 不同級別病害光譜反射率分析

圖1為不同級別黃瓜霜霉病為害后溫室黃瓜光譜反射率曲線比較。健康植株與不同級別黃瓜霜霉病為害植株的光譜曲線在400~718 nm可見光波段的光譜反射率有明顯差別。這是由于在可見光譜段內,葉綠素的含量決定了作物的光譜特征,葉綠素能夠大量吸收可見光中藍光區(450 nm為中心)和紅光區(670 nm為中心)的輻射能,從而在這2個區域表現為吸收谷;在吸收谷中間波段吸收輻射能較少,形成綠色反射峰而使植物呈現綠色。當黃瓜發生霜霉病時,葉部出現黃褐色病斑,此病斑處葉綠素含量降低,造成對藍光區、紅光區輻射能的吸收降低,反射增強,特別是紅光波段的反射率提高。因此在400~718 nm可見光譜段范圍內黃瓜霜霉病光譜反射強度比正常部分有明顯提高,且隨著危害級別的升高,光譜反射率也逐漸提高。另外在825~900 nm的近紅外譜段內,健康植株與不同級別黃瓜霜霉病為害植株的光譜反射強度也有明顯的差異。這是由于在近紅外波段內,植物葉片細胞構造是形成葉片光波特性的主要原因。在此波段內,葉片病斑處內部結構與正常部分有所不同,因此黃瓜霜霉病植株與健康植株在825~900 nm的近紅外波段內反射強度有一定的差異,黃瓜霜霉病為害植株比健康植株的光譜反射強度有所降低,且隨著為害級別的升高,光譜反射率逐漸降低。

2.2 黃瓜霜霉病級別與光譜反射率相關性分析

對黃瓜霜霉病級別與光譜數據進行相關分析。由圖2可知,400~900 nm波段范圍內,黃瓜霜霉病發病級別與不同波長光譜反射率的相關性差異很大。在719~824 nm波段范圍內,不同級別黃瓜霜霉病的光譜反射率均不變,因此不作分析。在400~718 nm波段范圍內,黃瓜霜霉病級別與光譜反射率呈正相關,其中568~687 nm波段范圍內,達到了極顯著水平。

2.3 基于高光譜數據的黃瓜霜霉病級別預測

以“2.2”節中確定的黃瓜霜霉病高光譜特征波長點(可見光波段范圍內的679 nm及近紅外波段范圍內的861 nm)上的光譜反射率以及系統RVI和NDVI這2個植被指數為自變量,黃瓜霜霉病發生級別為因變量,建立黃瓜霜霉病發生情況的預測模型(表1)。

3 結論與討論

本研究分析了霜霉病為害設施黃瓜后,黃瓜光譜反射率對霜霉病級別的響應規律,并明確了在400~718 nm波段范圍內,隨著霜霉病級別的增加,黃瓜光譜反射率均明顯上升,并在568~687 nm波段范圍內達到極顯著相關水平;在 825~900 nm波段范圍內,隨著霜霉病級別的增加,黃瓜光譜反射率均明顯下降,在837~895 nm波段范圍內達到極顯著相關水平。將可見光波段的679 nm、近紅外波段的861 nm作為設施黃瓜光譜特征波長點,計算系統RVI和NDVI,構建黃瓜霜霉病監測預警方程。通過對模型的F檢驗表明,通過679、861 nm波長點光譜反射率及NDVI構建的模型均能很好地揭示霜霉病級別與設施黃瓜光譜反射率之間的關系,且通過861 nm波長點光譜反射率構建的模型優于通過679 nm光譜反射率和NDVI構建的模型。

農作物的光波反射率具有很好的規律性:綠光波段(560 nm)光波吸收少,反射率較高;紅光波段(680 nm)光波吸收多,反射率較低;近紅外波段(720 nm)光波吸收顯著減少,反射率增加,隨后此區域反射率一直表現較高。病蟲害為害農作物時,上述3個波段的光波反射率改變顯著,前期文獻表明,作物葉片葉綠素含量及葉肉細胞的構造變化是其改變的根本原因[13-16]。本研究結果顯示,隨著黃瓜霜霉病發生級別的增加,綠光區和紅光區光波反射率明顯增加,而近紅外區光波反射率明顯下降,此結果與其他作物上的光譜反射率結果表現出一致性。可用黃瓜霜霉病病害生理學的現象來解釋:霜霉病菌為害黃瓜后,附著胞生成的侵入絲侵入葉片細胞間隙,而此時細胞不斷喪失水分,從而對近紅外波段反射率持續下降;隨著為害程度增加,侵入絲進一步穿透葉片細胞,葉綠素含量進一步減小,細胞水分持續喪失,使得黃瓜葉片綠光區光波反射率上升,而近紅外區光波反射率下降。本研究結果顯示,利用高光譜信息監測黃瓜霜霉病是完全可行的。

本研究中的高光譜系統短時間采集到的黃瓜植株數據多,能很好地實現快速診斷的目的。通過該研究可以得到黃瓜霜霉病的最有效特征波長,然后根據該特征波長可以進行病害預測預報,進而提高診斷效率,真正達到快速、無損診斷農作物病害的目的。

參考文獻:

[1]熊 艷,王鶴冰,向華豐,等. 黃瓜霜霉病研究進展[J]. 中國農學通報,2016,32(1):130-135.

[2]劉建鳳,吉春明,蘇建坤,等. 幾種殺菌劑對黃瓜霜霉病菌室內毒力測定[J]. 江蘇農業科學,2015,43(12):152-154.

[3]陳鵬程,張建華,雷勇輝,等. 高光譜遙感監測農作物病蟲害研究進展[J]. 中國農學通報,2006,22(2):388-391.

[4]Mathus T J,Maderia A C. High resolution spectroradiometry:spectral reflectance of field bean leaves infected by Botrytis fabae [J]. Remote Sensing of Environment,1993,45(1):107-116.

[5]黃木易,王紀華,黃文江,等. 冬小麥條銹病的光譜特征及遙感監測[J]. 農業工程學報,2003,19(6):154-158.

[6]陳 兵,王克如,李少昆,等. 蚜蟲脅迫下棉葉光譜特征及其遙感估測[J]. 光譜學與光譜分析,2010,30(11):3093-309.

[7]Franke J,Menz G. Multi-temporal wheat disease detection by multi-spectral remote sensing[J]. Precision Agriculture,2007,8(3):161-172.

[8]Luo J H,Huang W J,Zhao J L,et al. Detecting aphid density of winter wheat leaf using hyperspectral measurements[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2013,6(2):690-698.

[9]Merrill S C,Holtzer T O,Peairs F B,et al. Modeling spatial variation of russian wheat aphid overwintering population densities in colorado winter wheat[J]. Journal of Economic Entomology,2009,102(2):533-541.

[10]喬紅波. 麥蚜、白粉病危害后冬小麥冠層高光譜的測量與分析[D]. 北京:中國農業科學院,2004.

[11]楊可明,陳云浩,郭達志,等. 基于高光譜影像的小麥條銹病光譜信息探測與提取[J]. 光子學報,2008,37(1):145-151.

[12]聶克艷,岳延濱,孫長青,等. 辣椒茶黃螨危害的冠層光譜特性與危害級別反演[J]. 西南農業學報,2012,25(5):1689-1693.

[13]Aggarwal P K,Kalra N,Chander S,et al. Infocrop a generic simulation model for assessment of crop yields,losses due to pests and environmental impact of agro - ecosystems in tropical environments 1 model description[J]. Agricultural Systems,2006,89:1-25.

[14]浦瑞良,宮 鵬. 高光譜遙感及其應用[M]. 北京:高等教育出版社,2000:52-96.

[15]楊可明,郭達志. 植被高光譜特征分析及其病害信息提取研究[J]. 地理與地理信息科學,2006,22(4):31-34.

[16]Tsai F,Philpot W . Derivative analysis of hyperspectral data[J]. Remote Sensing of Environment,1998,66(1):41-51.

?
(function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();
时时彩计划软件破解版 11选5玩法辽宁中奖结果 北京时时彩5分钟开奖号 澳门21点规则 850捕鱼游戏官网手机版 手机牛牛赌钱游戏 重庆时时360开奖结果 彩票内蒙古快三技巧方法 欢乐捕鱼大战超级激光炮怎么获得与使用 股票行情实时查询东方财富网 现在租地种玉米赚钱吗 t乐彩中奖号码是什么号 百人牛牛官方 安装app 江苏快三遗漏数据查询 年前下海赚钱 新平台电子送免费彩金不限id