基于高光譜數(shù)據(jù)的馬尾松松萎蔫病早期監(jiān)測1)

張 衡 潘 潔 巨云為 廖振峰

(南京林業(yè)大學(xué)，南京，210037)

責(zé)任編輯:程 紅。

松萎蔫病是由松材線蟲引起的一種對松屬樹種的毀滅性災(zāi)害，該病最早于1905年在日本發(fā)現(xiàn)［1］。我國自1982年在南京中山陵風(fēng)景區(qū)首次發(fā)現(xiàn)該病以來迅速蔓延至全國各地，對森林資源和生態(tài)環(huán)境造成嚴(yán)重破壞。據(jù)了解，在我國每年由松材線蟲病造成的直接和間接經(jīng)濟(jì)損失高達(dá)上億元［2］，因此，如何實現(xiàn)對松萎蔫病實時有效的監(jiān)測預(yù)報尤其是早期預(yù)測是迫切需要解決的問題。

近年來，隨著信息技術(shù)的快速發(fā)展，高光譜遙感作為一種新的監(jiān)測手段被廣泛運(yùn)用到森林病蟲害的監(jiān)測中［3］。高光譜遙感是高光譜分辨率遙感的簡稱，它是指利用很多很窄(通常波段寬度＜10 nm)的電磁波波段從感興趣的物體上獲取相關(guān)數(shù)據(jù)，形成一條完整且連續(xù)的光譜曲線。它不僅具有波段窄、通道多、圖像與光譜能夠合二為一等優(yōu)點，而且它獲取的地物光譜信息連續(xù)且精細(xì)，因此高光譜遙感應(yīng)用于地物精細(xì)識別和分類的研究越來越引起人們的廣泛關(guān)注［4－7］。

本研究以成年馬尾松(Pinus massoniana)為接種材料，利用全波段(350～2 500 nm)高光譜儀于野外實測獲取冠層光譜數(shù)據(jù)，分析感病植株與對照植株在各個時期的光譜特征，尋找感病植株與健康植株在感病早期差異顯著的光譜特征參數(shù)，同時跟蹤測量各時期針葉的葉綠素質(zhì)量分?jǐn)?shù)，通過光譜特征參數(shù)結(jié)合感病植株的葉綠素質(zhì)量分?jǐn)?shù)定量反演，以期達(dá)到松材線蟲病各病程定量監(jiān)測，特別是實現(xiàn)植株在出現(xiàn)肉眼可見感病特征前的早期監(jiān)測。

1 材料與方法

1.1 試驗設(shè)計

試驗地點位于江蘇省南京市棲霞山馬尾松林。采用貝曼氏漏斗法從南京地區(qū)自然死亡的黑松木段上分離出松材線蟲，然后經(jīng)人工挑選，培養(yǎng)，供接種。根據(jù)當(dāng)?shù)氐臍夂蛱卣?，選擇在2012年6月份接種松材線蟲，在7—9月份進(jìn)行光譜測量。在樣地中隨機(jī)選擇7 棵樹高相近年齡相同的健康成年馬尾松作為試驗對象，其中5 棵接種松材線蟲，2 棵為對照。

1.2 數(shù)據(jù)采集

光譜數(shù)據(jù)的采集過程包括測量健康與感病植株的冠層光譜反射率。數(shù)據(jù)采集分為野外冠層光譜數(shù)據(jù)采集和采樣針葉室內(nèi)葉綠素質(zhì)量分?jǐn)?shù)測定兩部分。采用美國ASD 公司生產(chǎn)的全波段光譜儀，在350～2 500 nm 波段范圍內(nèi)對選定的健康與感病的馬尾松植株冠層進(jìn)行連續(xù)光譜測量，自接種之日起，每隔10d 左右(依天氣而定)進(jìn)行定株光譜測量。測量時選擇晴朗無風(fēng)無云的天氣，同時為了減少太陽高度角的變化對測量結(jié)果的影響，測量時間選擇在10:00—14:00。光譜數(shù)據(jù)采集過程中，每株選擇5 個冠層測量點，每次取10 組數(shù)據(jù)，每次測量前后均用硫酸鋇標(biāo)準(zhǔn)白板進(jìn)行校正，最后取平均值作為該馬尾松植株的冠層光譜反射率。光譜測量結(jié)束后，從光譜測量時對應(yīng)的相應(yīng)位置采集小段植株樣品裝入冰袋，帶回室內(nèi)即時進(jìn)行葉綠素質(zhì)量分?jǐn)?shù)的測定。

葉綠素質(zhì)量分?jǐn)?shù)的測定采用80%丙酮提取比色法［8］。將針葉剪碎、稱質(zhì)量并磨碎，用80%丙酮浸泡后過濾，利用UV－2102C 型紫外可見分光光度計(上海龍尼柯儀器有限公司)分別測量葉綠素a、葉綠素b 的吸光度，再依據(jù)公式Ca=12.21A663－2.81A646;Cb=20.13A646－5.03A663分別計算出其相應(yīng)的質(zhì)量分?jǐn)?shù)，然后將兩者相加即為葉綠素總量，為減小誤差，每組做3 次重復(fù)，最后取其平均值作為測試植株的葉綠素質(zhì)量分?jǐn)?shù)。

1.3 數(shù)據(jù)處理

在高光譜數(shù)據(jù)處理過程中進(jìn)行了預(yù)處理和光譜參數(shù)提取。首先，對采集的各時期高光譜數(shù)據(jù)進(jìn)行逐一核查，剔除其中的異常數(shù)據(jù)，然后求取50 組測量原數(shù)據(jù)的平均值作為每株馬尾松冠層反射率，然后對接種的5 株馬尾松植株光譜數(shù)據(jù)進(jìn)行差異分析。剔除與其他植株感病差異明顯的植株后，取其余感病株光譜數(shù)據(jù)均值作為感病馬尾松植株的冠層反射率。對照健康馬尾松的冠層反射率數(shù)據(jù)同理獲取。第二步，對健康及感病馬尾松植株的冠層反射率數(shù)據(jù)借助ASD 公司提供的View Specpro 軟件和EXCEL 數(shù)據(jù)分析工具進(jìn)行處理，提取各種光譜參數(shù)，分析其變化特征;然后在MATLAB 軟件中編程實現(xiàn)各波段原始反射率、導(dǎo)數(shù)光譜、不同光譜指數(shù)與葉綠素質(zhì)量分?jǐn)?shù)間的相關(guān)關(guān)系，選擇相關(guān)系數(shù)最大的光譜指數(shù)建立葉綠素質(zhì)量分?jǐn)?shù)的定量反演模型并進(jìn)行精度檢驗。

具體光譜參數(shù)及處理方法如下。①基于原始反射率的參數(shù):510～570 nm 最大反射率值及對應(yīng)的波長(綠峰);640～680 nm 最小反射率及對應(yīng)波長(紅谷);反射特征區(qū)域的反射率，如反射峰與吸收谷中心波長的位置，分別為455、550、680、980 nm。②植被指數(shù):兩波段組合的比值、差值和歸一化植被指數(shù)的計算方法參考表1，計算各植被指數(shù)的入選波段見表2。③導(dǎo)數(shù)光譜:采用一階導(dǎo)數(shù)光譜指數(shù)作為篩選參數(shù)［16］。

表1 多種植被指數(shù)計算方法及出處

表2 植被指數(shù)的波段組合

2 結(jié)果與分析

2.1 不同感病時間馬尾松原始反射光譜特征

由圖1可見，健康馬尾松各時期的光譜變化曲線遵循植被的反射光譜曲線特征，即在綠光區(qū)有一個較低的反射峰值，在近紅外區(qū)存在一個較高的反射峰值。在光譜測量的6 個時期內(nèi)反射光譜曲線變化規(guī)律相似，無明顯差異。其中，只有8月18日光譜曲線的反射率明顯高于其它各時期，尤其在近紅外區(qū)，其它各時期的反射率都逐漸趨于平穩(wěn)，而它的反射率卻呈現(xiàn)出線性增加的趨勢。究其原因，主要是因為在這個時期對照植株長出了較多的新葉，葉綠素整體含量明顯升高，使得這個時期的光譜反射特征出現(xiàn)了這樣的變化趨勢。

圖1 健康植株(左)與感病植株(右)各時期反射光譜

感病馬尾松光譜曲線與健康植株相比有著明顯的差異，尤其表現(xiàn)在感病中后期，感病植株在綠光區(qū)的反射特征逐漸減弱，反射峰值逐漸減小，直至病株完全枯萎，光譜曲線上的反射峰或吸收谷特征明顯消失，趨向于一條平直曲線。其中，8月18日測量的感病植株冠層反射率和對照類似，也表現(xiàn)出反射率的絕對值顯著高于其它測量時間的反射率值，原因與對照相同，此時的感病植株在枯萎變黃的同時，也有部分新葉長出，使得感病植株的反射率值明顯要高于其它時期。

由此可見，健康馬尾松與感病馬尾松植株冠層原始反射率光譜的變化差異比較顯著，特別是在感病的中后期，感病植株的反射峰與吸收谷特征都逐漸減弱直至消失。

2.2 不同感病時間馬尾松特征光譜指數(shù)差異

通過對健康植株與感病植株原始反射光譜的對比分析，發(fā)現(xiàn)感病植株與健康植株的光譜曲線在感病的中后期差異較為顯著，但在感病早期，冠層葉片顏色變化不明顯，兩者原始反射光譜曲線間的差異也不顯著，單從光譜反射率來看并不能判別馬尾松是否感染了松材線蟲病，因此，需要進(jìn)一步地尋找能在植株出現(xiàn)肉眼可見感病特征前有明顯差異的光譜指數(shù)來進(jìn)行早期的區(qū)分與判別。通過查閱資料，首先選擇了表1中所列舉的7 個植被指數(shù)作為敏感參數(shù)來進(jìn)行松萎蔫病的早期判別，這幾個指數(shù)是目前光譜分析較為常用的植被指數(shù)，在分析植被的反射率時能夠較好地反映出植被的光譜特征，具有一定的代表性［9－15］。

表3 健康植株與感病植株不同時間的各植被指數(shù)

根據(jù)表1和表2中所給的公式分別計算感病植株與健康植株在不同感病階段對應(yīng)的植被指數(shù)。因為各波段組合的對比結(jié)果呈類似的變化規(guī)律，因此選取一種作為代表在表3中列出。通過對比分析(表3)可以看出，感病植株與健康植株的比值植被指數(shù)和差值植被指數(shù)的差異主要表現(xiàn)在感病的中后期，結(jié)構(gòu)敏感色素指數(shù)和抗大氣植被指數(shù)2 直到感病末期才有較為明顯的差異，而感病植株的歸一化植被指數(shù)、加強(qiáng)植被指數(shù)和土壤調(diào)整植被指數(shù)在整個感病階段都與健康植株沒有太大差異。由此可見，感病植株的這些植被指數(shù)在植株出現(xiàn)肉眼可見感病特征前與健康植株相比無明顯差異，因此不能用來作為馬尾松松萎蔫病早期判別的光譜指數(shù)。

2.3 不同感病時間馬尾松一階導(dǎo)數(shù)光譜

一階微分光譜在辨別細(xì)微光譜差異上具有一定的優(yōu)勢，能夠較好地反映出植物的本質(zhì)特征［17］，因此將原始反射光譜進(jìn)行一階微分處理，進(jìn)一步探尋在感病早期能夠表現(xiàn)出明顯差異的光譜參數(shù)。經(jīng)過仔細(xì)的篩查與對比分析，發(fā)現(xiàn)感病植株與健康植株在波長593 nm 處一階導(dǎo)數(shù)光譜(FD593)有較明顯的差異(表4)，健康植株在波長593 nm 處的一階導(dǎo)數(shù)光譜有波動性變化但不顯著，其平均值為(0.025±0.005)，但感病植株的值呈現(xiàn)出一種先減小后逐漸增大的趨勢，這種變化規(guī)律與不同感病階段植株葉綠素含量的變化特征吻合(表4)，同時在植株出現(xiàn)肉眼可見感病特征前的發(fā)病早期階段，F(xiàn)D593值會減小到0.01 以下，因此，可以利用在波長593 nm 處的一階導(dǎo)數(shù)光譜來對馬尾松是否感染了松萎蔫病進(jìn)行早期定性判別。

表4 健康與感病馬尾松在波長593 nm 處的發(fā)射率一階微分與葉綠素質(zhì)量分?jǐn)?shù)

2.4 馬尾松不同病程葉綠素質(zhì)量分?jǐn)?shù)定量反演

研究發(fā)現(xiàn)，在測量的感病植株各種生理生化指標(biāo)中，葉綠素質(zhì)量分?jǐn)?shù)的變化動態(tài)與光譜變化特征有明顯的相關(guān)關(guān)系，并且感病植株在感病過程中葉綠素質(zhì)量分?jǐn)?shù)的變化規(guī)律明顯，更能從外觀上直接反應(yīng)感病植株不同感病階段的變化［18］。因此，本研究選取植株的葉綠素質(zhì)量分?jǐn)?shù)進(jìn)行定量反演以實現(xiàn)松材線蟲病的定量監(jiān)測。

由圖2可以看出，隨著馬尾松的生長，對照組葉綠素質(zhì)量分?jǐn)?shù)有波動性變化但不顯著，感病植株的葉綠素質(zhì)量分?jǐn)?shù)在發(fā)病初期會略有升高，但隨著病情的加重，葉綠素質(zhì)量分?jǐn)?shù)會顯著降低，在發(fā)病中后期，隨著針葉的不斷失水、褪綠、褐變，葉綠素質(zhì)量分?jǐn)?shù)會呈明顯下降趨勢，這一結(jié)果與很多研究中顯示葉綠素質(zhì)量分?jǐn)?shù)變化的情況［18－19］相吻合。

利用單波段光譜反射率與葉綠素質(zhì)量分?jǐn)?shù)進(jìn)行相關(guān)性分析，同時也將波段進(jìn)行組合后獲取的多種光譜變換參數(shù)與葉綠素質(zhì)量分?jǐn)?shù)進(jìn)行相關(guān)性分析，計算二者的相關(guān)系數(shù)，將最終結(jié)果進(jìn)行篩選，發(fā)現(xiàn)在波長1 405 nm 處的反射率與葉綠素質(zhì)量分?jǐn)?shù)的相關(guān)系數(shù)最大，達(dá)到了0.884，呈現(xiàn)出顯著的正相關(guān)關(guān)系(圖2)，因此用波長1 405 nm 處的反射率來建立葉綠素質(zhì)量分?jǐn)?shù)的定量反演模型。模型為:CHL=－1.74(X1405)2+4.72X1405－0.76。式中:CHL為感病植株的葉綠素質(zhì)量分?jǐn)?shù)。

圖2 馬尾松葉綠素質(zhì)量分?jǐn)?shù)隨波長1 405 nm 反射率的變化

通過在波長1 405 nm 處的反射率獲取，可以直接計算出感病馬尾松植株的葉綠素質(zhì)量分?jǐn)?shù)。而研究發(fā)現(xiàn)，導(dǎo)數(shù)光譜指數(shù)對傳感器的靈敏度和信噪比的要求很高，用微分因子構(gòu)建的模型很難在影像反演中獲得令人滿意的結(jié)果［19］，因此，不考慮用導(dǎo)數(shù)光譜指數(shù)作為敏感波段來構(gòu)建反演模型。

綜上所述，可以利用在波長593 nm 處的導(dǎo)數(shù)光譜并結(jié)合相應(yīng)的葉綠素質(zhì)量分?jǐn)?shù)的定量演算來早期判別馬尾松是否感染了松萎蔫病，在植株出現(xiàn)肉眼可見感病特征前，利用高光譜遙感獲取其光譜反射率進(jìn)行分析，當(dāng)FD593的值為0～0.01，相應(yīng)的葉綠素質(zhì)量分?jǐn)?shù)超過(1.50 ±0.10)mg·g－1時，就可以確定馬尾松感染了松萎蔫病。

3 結(jié)論與討論

結(jié)合馬尾松松萎蔫病發(fā)生時的生態(tài)學(xué)特征與相應(yīng)的高光譜特征，同時結(jié)合植株不同感病時期的光譜特征與葉綠素質(zhì)量分?jǐn)?shù)的相關(guān)性分析，從定性與定量兩個方面判斷馬尾松是否感染了松萎蔫病，以此實現(xiàn)植株在出現(xiàn)肉眼可見感病特征前的早期監(jiān)測。研究表明:①感病與健康馬尾松的原始光譜反射率差異明顯。主要表現(xiàn)在，感病中后期感病植株在綠光區(qū)的反射峰逐漸減弱，而在紅光區(qū)的吸收谷會逐漸增強(qiáng)，隨著病害程度的進(jìn)一步加深，反射率、吸收谷都會慢慢消失，反射光譜曲線也逐漸變?yōu)橐粭l平滑的直線。但在感病早期二者之間的差異不顯著。②馬尾松在感染松萎蔫病后，葉綠素質(zhì)量分?jǐn)?shù)呈現(xiàn)先略微升高后下降的趨勢，并且植株的葉綠素質(zhì)量分?jǐn)?shù)與波長1 405 nm 處的光譜反射率有顯著的相關(guān)性，可以據(jù)此來實現(xiàn)感病植株葉綠素質(zhì)量分?jǐn)?shù)的定量預(yù)測。模型為:CHL= －1.74(X1405)2+4.72X1405－0.76，式中，CHL為感病植株的葉綠素質(zhì)量分?jǐn)?shù)。③通過對多種光譜特征參數(shù)的篩選，選擇波長593 nm 處反射率的一階微分作為敏感指數(shù)，并結(jié)合相應(yīng)的葉綠素質(zhì)量分?jǐn)?shù)來判斷馬尾松在出現(xiàn)肉眼可見感病特征前是否感染了松萎蔫病。當(dāng)FD593的值為0～0.01，相應(yīng)的葉綠素質(zhì)量分?jǐn)?shù)超過(1.50±0.10)mg·g－1時，就可以確定馬尾松感染了松萎蔫病。

我國對松萎蔫病的致病機(jī)理及相應(yīng)的防治措施和控制方法的研究已日漸成熟，但對該病的早期監(jiān)測預(yù)報的研究還比較少見，而利用高光譜遙感技術(shù)對該病進(jìn)行早期的監(jiān)測預(yù)報仍處于探索階段。由于松材線蟲病在發(fā)病早期病害木自身并無明顯癥狀，而等到植株顯現(xiàn)出肉眼可見的感病特征則會在短時期內(nèi)迅速萎蔫死亡，因此，在未知感病與否的情況下，如何判斷感病并實現(xiàn)感病植株的早期監(jiān)測對松材線蟲病的預(yù)防與治理具有重要的實踐意義與應(yīng)用價值。

本研究的結(jié)論表明，通過對健康與感病馬尾松連續(xù)的光譜監(jiān)測，結(jié)合相應(yīng)時期植株的生理生化參數(shù)(如葉綠素質(zhì)量分?jǐn)?shù))的同步分析，在發(fā)病早期可以較為準(zhǔn)確地判別出被感染的馬尾松，這為深入研究利用高光譜遙感技術(shù)來實現(xiàn)松萎蔫病的早期監(jiān)測預(yù)報提供了依據(jù)。但是，由于時間和試驗條件的限制，本研究在建模時所用的數(shù)據(jù)有限，需要在將來的研究中對定量模型進(jìn)行進(jìn)一步的檢驗和驗證，同時，不同樹種間、不同生境、不同病蟲害的判別是否會有差異都有待深入的研究與探索。

［1］ Kwon T S，Shin J H，Lim J H，et al.Management of pine wilt disease in Korea through preventative silvicultural control［J］.Forest Ecology and Management，2011，261(3):562 －569.

［2］ 趙博光.松萎蔫病致病新機(jī)理論文選編［M］.香港:中國科學(xué)文化出版社，2008:279 －289.

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

［4］ 陳鵬程，張建華，雷勇輝，等.高光譜遙感監(jiān)測農(nóng)作物病蟲害研究進(jìn)展［J］.中國農(nóng)學(xué)通報，2006，22(2):388 －391.

［5］ 何誠，馮仲科，袁進(jìn)軍，等.高光譜遙感技術(shù)在生物多樣性保護(hù)中的應(yīng)用研究進(jìn)展［J］.光譜學(xué)與光譜分析，2012，32(6):1628－1632.

［6］ Vane G，Goetz A F H.Terrestrial imaging spectrometry:current status，future trends［J］.Remote Sensing of Environment，1993，44(2/3):117 －126.

［7］ Green R O，Eastwood M L，Sarture C M，et al.Imaging spectroscopy and the airborne visible/infrared imaging spectrometer(AVIRIS)［J］.Remote Sensing Environment，1998，65(3):227－248.

［8］ 郝再彬.植物生理實驗［M］.哈爾濱:哈爾濱工程大學(xué)出版社，2004.

［9］ Pearson R L，Miller L D.Remote mapping of standing crop biomass for estimation of the productivity of the shortgrass prairie［R］.Michigan:Willow Run Laboratories，1972:1357 －1381.

［10］ Richardson A J，Wiegand C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977，43(12):1541 －1552.

［11］ Rouse J W Jr.Monitoring the vernal advancement of retrogradation of natural vegetation［R/OL］.［2014 －02 －11］.http://ntrs.nasa.gov/search.jsp?R=19730009608.

［12］ Justice C O，Vermote E，Townshend J R G，et al.The moderate resolution imaging spectroradiometer (MODIS):land remote sensing for global change research［J］.IEEE Transactions on Geoscience and Remote Sensing，1998，36(4):1228 －1250.

［14］ Gitelson A A，Kaufman Y J，Stark R，et al.Novel algorithms for remote estimation of vegetation fraction［J］.Remote Sensing of Environment，2002，80(1):76 －87.

［15］ Huete A R.A soil-adjusted vegetation index (SAVI)［J］.Remote Sensing of Environment，1988，25:295 －309.

［16］ 喬紅波，程登發(fā)，孫京瑞，等.麥蚜對小麥冠層光譜特性的影響研究［J］.植物保護(hù)，2005，31(2):21 －26.

［17］ 許勇.江蘇沿海無機(jī)氮磷營養(yǎng)鹽遙感監(jiān)測研究［D］.南京:南京師范大學(xué)，2009.

［18］ 王曉堂.基于高光譜的松萎蔫病動態(tài)變化的研究［D］.南京:南京林業(yè)大學(xué)，2011.

［19］ 陳玉惠，葉建仁，魏初獎，等.松材線蟲侵染對馬尾松、黑松水分及其相關(guān)代謝的影響［J］.植物病理學(xué)報，2005，35(3):201－207.