基于SIF-PLS模型的冬小麥條銹病早期光譜探測

競 霞 呂小艷, 張 超 白宗璠

(1.西安科技大學測繪科學與技術學院， 西安 710054； 2.中國農業(yè)大學土地科學與技術學院， 北京 100083)

0 引言

條銹病(Pucciniastriiformis)對冬小麥生產具有毀滅性危害，已成為影響我國冬小麥產量的重要病害之一[1]。傳統(tǒng)人工田間調查的小麥條銹病識別與監(jiān)測方法費時、費力，難以大面積同時展開[2]。植物發(fā)病后，病原菌與寄主相互作用引起植物細胞內部的色素、水分含量和細胞間隙的變化，導致受病害脅迫的植物反射率與葉綠素熒光光譜特性發(fā)生改變。而且，當病情嚴重到一定程度時，植物葉片上常會形成不同形式的病斑、壞死或枯死區(qū)域，使受害植物的顏色、紋理等外部形態(tài)特征發(fā)生改變。目前，對作物病害的遙感監(jiān)測主要集中于計算機視覺技術和光譜探測技術。計算機視覺技術在作物病害監(jiān)測中具有無損、快速等優(yōu)點，被成功應用于小麥條銹病的識別與診斷，利用病害圖像的幾何形狀、顏色、紋理、方向一致性特征均能實現條銹病的識別[3-5]。但這種方法對已經顯癥且外在形態(tài)特征明顯的作物病害識別效果較好，對于受病菌侵染初期的作物病害診斷效率低下，難以實現作物病害的早期探測。

隨著光譜技術的廣泛應用，利用光譜技術對冬小麥條銹病進行識別與監(jiān)測，尤其是實現冬小麥條銹病潛育期或早期診斷，可為冬小麥條銹病的早期防治提供必要的信息支持，有效減小冬小麥產量損失。目前，利用光譜技術對小麥條銹病的遙感探測主要集中于反射率數據[6-9]，反射率數據主要反映作物葉片生化組分的濃度信息，難以直接揭示植被光合生理狀態(tài)[10-11]。葉綠素熒光作為植物光合狀態(tài)的指示劑，與植物活力密切相關，能夠更早、更敏感地反映病害引起的生理變化[12]。利用葉綠素熒光監(jiān)測作物病害方面的研究主要利用主動式熒光[13-15]和被動熒光[16]，主動式熒光難以大面積反映冠層及以上尺度真實的熒光狀態(tài)[17]，而屬于被動熒光的SIF能夠在自然環(huán)境下實現植被冠層SIF的大面積無損觀測[18]，因此SIF是利用遙感技術進行作物病害早期探測的有效手段之一。已有研究者利用冠層SIF數據對小麥條銹病的發(fā)病情況進行監(jiān)測，但是這些研究是針對發(fā)病后小麥條銹病不同的病情嚴重度進行的[19-21]，對冬小麥條銹病發(fā)病早期[22](DI為0～20%)的監(jiān)測報道較少。趙葉等[23]通過分析SIF數據和反射率光譜數據對小麥條銹病病情嚴重度的敏感性得出，小麥條銹病發(fā)病較輕時，以SIF為自變量構建的小麥條銹病病情嚴重度預測模型達到了極顯著性水平，而反射率光譜數據則難以探測到小麥條銹病信息，該研究僅分析了O2-A和O2-B兩個波段SIF數據，且建模方法簡單。

本文基于3FLD和反射率熒光指數2種方法提取冠層SIF數據，優(yōu)選對小麥條銹病早期敏感的特征參量，利用PLS算法建立小麥條銹病的早期探測模型，以便在冬小麥出現嚴重病癥前及時探測到病情的發(fā)展狀況，為冬小麥條銹病的早期防治提供必要的信息支持。

1 材料與方法

1.1 試驗設計與數據獲取

1.1.1試驗設計

試驗于2018年在河北省廊坊市中國農業(yè)科學院試驗站(39°30′40″N，116°36′20″E)開展，小麥品種為對條銹病高感的“銘賢169號”。試驗區(qū)小麥平均種植密度為113株/m2，分為A、B、C、D共4組，每個試驗組的面積為220 m2，每個組分為8個樣方(A1～A8、B1～B8、C1～C8、D1～D8)。2018年4月9日采用質量濃度為90 mg/L的孢子溶液，利用噴霧法對B、C組冬小麥進行條銹病接種，即健康組(A1～A8、D1～D8)和染病組(B1～B8、C1～C8)各16個樣方。

1.1.2冠層光譜測量

2018年5月14日、5月18日和5月24日采用ASD Field Spec Pro 型地物光譜儀測量冬小麥冠層光譜數據，測量時天氣晴朗、無云無風，探頭垂直向下，距離地面1.3 m，每個樣方重復測定10次，取平均值作為該樣方的光譜值，每次測量前后均用標準BaSO4參考板進行標定，并計算冠層反射率ρ，計算式為[21]

(1)

式中Ltarget——目標輻亮度，μW/(cm2·nm·sr)

Lboard——參考板輻亮度，μW/(cm2·nm·sr)

ρboard——參考板反射率

1.1.3病情指數調查

采用5點取樣法調查試驗區(qū)冬小麥條銹病病情嚴重度，即在每個樣方內選取對稱的5點，每點約1 m2，隨機選取30株冬小麥。單葉病情嚴重度分為9個梯度，即：0、1%、10%、20%、30%、45%、60%、80%和100%。記錄每個樣方各梯度下的冬小麥葉片數，計算病情指數[17]，計算式為

(2)

式中DI——病情指數，%

x——單葉各梯度級

m——單葉最高梯度級

f——各梯度的葉片數

1.2 研究方法

基于ASD光譜儀測定的冬小麥冠層反射輻亮度光譜以及太陽入射輻照度光譜數據，利用優(yōu)選的對小麥條銹病早期探測敏感的反射率熒光指數以及3FLD算法估測的單波段SIF-A強度作為自變量，采用PLS算法構建小麥條銹病早期探測模型，并將其與反射率光譜指數構建的模型進行對比分析，以確定小麥條銹病早期探測的適宜模型。

1.2.1基于3FLD的SIF估測算法

冬小麥侵染條銹病菌后，光合作用活性減弱，吸收光合有效輻射(Absorbed photosynthetic active radiation，APARchl) 降低[24]，而O2-A波段(中心波長為760 nm)的冠層SIF主要受APARchl影響[25]，且O2-A波段吸收形成的夫瑯和費暗線特征明顯[26]。因此，利用3FLD算法提取O2-A波段的SIF-A。3FLD估測算法是利用夫瑯和費暗線內的一個波段表觀輻亮度和夫瑯和費線吸收線左右各一個波段表觀輻亮度的加權平均值，計算自然光照條件下太陽光激發(fā)的熒光對夫瑯和費“井”的填充程度獲取葉綠素熒光的強度[21]Sin，計算公式為[27]

(3)

其中

式中Iin——夫瑯和費吸收線內的太陽輻照度光譜強度，μW/(cm2·nm)

Lin——夫瑯和費吸收線內的植被冠層反射的輻亮度光譜強度，μW/(cm2·nm·sr)

λright、λin、λleft——吸收線右、內、左波段波長

ωleft、ωright——吸收線左、右2個參考波段所占的權重

Ileft、Iright——吸收線左、右的太陽輻照度光譜強度，μW/(cm2·nm)

Lleft、Lright——吸收線左、右的植被冠層反射輻亮度光譜強度，μW/(cm2·nm·sr)

(4)

1.2.2基于反射率光譜的SIF間接提取方法

為了進一步探究熒光對冬小麥條銹病早期探測的潛力，引入能夠檢測熒光信息的冠層反射率比值指數、反射率一階導數比值指數[30]。在冬小麥遭受條銹病脅迫時，紅邊區(qū)域反射率光譜發(fā)生顯著變化，一階導數光譜存在明顯的雙峰現象，而在紅邊光譜區(qū)域中計算的反射率指數、利用雙峰特征獲取的一階反射率比值指數，可以跟蹤病害誘導的熒光變化，快速評估與冬小麥直接相關的生理過程[29-30]。

1.2.3冠層光譜指數SI計算

冠層SI能夠表征冬小麥的相關特征及狀態(tài)，依據冬小麥條銹病的生理特征和已有研究成果，本文選用文獻[34-39]中的光譜指數作為冬小麥條銹病早期探測的冠層SI數據，其中包括可減弱土壤背景對冠層光譜影響的NDVI、RVI和DVI，反映在病害脅迫下植物色素變化的PPR、MTCI和PSSRc，以及反映植被水分含量變化的WI和MSI，此外還有反映植被損傷程度的DSSI2、病害脅迫下植被衰減程度的PSRI和直接反映植被光合速率變化的PRI。

1.3 模型構建及精度檢驗

在進行小麥條銹病病情嚴重度模型構建和精度評價時，為了使評價結果更客觀，將樣本數據(樣本數n=37)重復進行3次分組(記為a、b、c)，每組數據按照3∶1的比例隨機分成訓練集(n=28)和驗證集(n=9)，以敏感SIF數據和SI數據(達到0.01水平相關)為自變量，DI為因變量，基于PLS算法建立冬小麥條銹病早期探測的SIF-PLS 模型和SI-PLS 模型，并通過決定系數(Determination coefficient，R2)和均方根誤差(Root mean square error，RMSE)2個指標對冬小麥條銹病早期探測模型進行精度評價。

2 結果與分析

2.1 冠層SIF與DI的相關性分析

表1 SIF與DI 的相關系數(n=37)Tab.1 Correlation coefficients of SIF and DI (n=37)

注：**表示0.01水平極顯著相關；*表示0.05水平顯著相關，下同。

2.2 冠層SI與DI的相關性分析

將所選擇的光譜指數與冬小麥條銹病發(fā)病早期的DI進行相關分析(表2)，由表2可知，NDVI、MSI、PRI、RVI、DVI、PSRI、WI與DI的相關系數分別為-0.574、0.456、-0.613、-0.571、-0.635、0.615、-0.469，達到了極顯著相關，可作為早期探測模型的輸入參量。PSRI、PRI與DI相關系數的絕對值接近，但PSRI與DI正相關，而PRI則與DI負相關，表明隨著DI的增大，冬小麥的衰減程度增大，光合速率減弱。

表2 SI與DI的相關系數(n=37)Tab.2 Correlation coefficients of SI and DI (n=37)

2.3 冬小麥條銹病早期探測模型構建及精度評價

在小麥條銹病敏感因子優(yōu)選的基礎上分別以SIF和SI為特征參量構建小麥條銹病早期探測模型SIF-PLS(圖1)和SI-PLS(圖2)。由圖1和圖2可以看出，3組冠層SIF數據構建的冬小麥條銹病早期探測SIF-PLS模型訓練集的R2分別為0.679、0.690、0.711，而SI-PLS模型的R2分別為0.509、0.449、0.448；SIF-PLS的RMSE分別3.4%、3.4%、3.4%，而SI-PLS的RMSE分別4.2%、4.6%、4.7%，SIF-PLS模型預測DI和實測DI間的決定系數比SI-PLS至少提高了33%。

采用保留樣本交叉檢驗方式，利用建模剩余的 9個數據作為驗證樣本，分別對SIF-PLS和SI-PLS模型的預測精度進行檢驗，結果如表3所示。由表3可以看出，SIF-PLS驗證集的平均R2為0.793，而SI-PLS驗證集平均R2為0.576，SIF-PLS驗證集的平均RMSE為3.2%，而SI-PLS驗證集的平均RMSE為4.7%。因此，SIF-PLS模型精度較同組SI-PLS模型均有一定的提高，3組數據中SIF-PLS模型比SI-PLS模型的R2最少提高了27%，平均提高了38%；RMSE最少可減少24%，平均減少了32%。因此，SIF-PLS模型對小麥條銹病的早期探測能力優(yōu)于SI-PLS模型。

圖1 SIF-PLS 模型精度Fig.1 SIF-PLS model accuracy

圖2 SI-PLS 模型精度Fig.2 SI-PLS model accuracy

表3 驗證精度Tab.3 Validation accuracy

3 結論

(1)為探討SIF對冬小麥條銹病早期探測的潛力，利用野外測定的冠層光譜和病情指數數據，對SIF、SI與冬小麥條銹病DI進行了相關性分析。結果表明，利用3FLD提取的O2-A波段(中心波長為760nm)處的SIF-A強度與DI的相關性最高，相關系數R=-0.793，說明SIF-A對冬小麥條銹病早期信息更為敏感。

(3)利用3FLD和反射率熒光指數方法提取的SIF對小麥條銹病進行早期探測是可行的，且探測效果顯著優(yōu)于光譜指數方法。但該方法僅在小區(qū)控制試驗條件下實現了冬小麥條銹病的早期探測，如何在田塊尺度上探測到顯癥之前的小麥條銹病是下一步研究的重點。