基于數(shù)字圖像棉花黃萎病診斷與防治的管理遠(yuǎn)程監(jiān)測

石志鈺，裴雅琨，朱玉濤，賈玉姣，胡曉倩，侯士聰，侯玉霞

(中國農(nóng)業(yè)大學(xué)理學(xué)院，北京 100193)

0 引 言

【研究意義】棉花黃萎病(CottonVerticilliumwilt)對(duì)棉花生產(chǎn)危害大。為了增強(qiáng)棉花黃萎病的快速診斷識(shí)別，及時(shí)采取防治措施，提高棉花病害的遠(yuǎn)程監(jiān)測水平是保證有效防治病害的關(guān)鍵所在，通過便捷、快速的數(shù)字圖像準(zhǔn)確獲取棉花黃萎病癥狀特征，以此為依據(jù)對(duì)棉花黃萎病進(jìn)行監(jiān)測，獲得病害防治的及時(shí)推薦，防止過量施用殺菌劑帶來的農(nóng)藥殘留以及隨之而來的生態(tài)環(huán)境污染問題，提高殺菌劑的利用率。建立快速、便捷、對(duì)棉花無損傷的病害診斷和防治管理的遠(yuǎn)程監(jiān)測,對(duì)診斷和防治棉花黃萎病具有重要的應(yīng)用價(jià)值。【前人研究進(jìn)展】國內(nèi)外學(xué)者利用遙感技術(shù)對(duì)小麥、水稻、玉米、大豆等農(nóng)作物病害遠(yuǎn)程監(jiān)測具有研究報(bào)道[1-5]，但有關(guān)棉花黃萎病的遠(yuǎn)程監(jiān)測研究相對(duì)甚少。黃萎病病菌(Verticilliumdahliae)侵染棉花后，V.dahliae不斷產(chǎn)生分生孢子破壞葉片葉綠素，而在可見光波段內(nèi)植物光譜特性主要受葉片內(nèi)色素含量的影響，尤其是葉綠素含量對(duì)可見光波段植物光譜特性起著重要的作用。感病棉株生長發(fā)育受阻，葉綠素含量下降，葉綠素在藍(lán)紅波段的吸收減少，而反射增強(qiáng)，特別是紅光波段反射率升高，葉片變?yōu)辄S色(紅色+綠色=黃色)，相似于黃萎病危害棉花葉片的褪綠、發(fā)黃癥狀[6]。隨著棉花黃萎病嚴(yán)重度增加，近紅外波段光譜反射率下降，并且棉花黃萎病嚴(yán)重度與近紅外波段冠層光譜反射率的相關(guān)性大于可見光波段，此結(jié)果與陳兵等[7]采用近地高光譜數(shù)據(jù)監(jiān)測棉花黃萎病不同病情嚴(yán)重度的冠層光譜特征的變化規(guī)律相似。目前，研究主要集中在光譜位置變量[8-9]、光譜特征吸收參量[9]、植被指數(shù)[7,9-10]建立病情嚴(yán)重度監(jiān)測模型等。這些病害植被指數(shù)是基于特定植被類型與發(fā)病條件獲取的數(shù)據(jù)集通過光譜特征提取建立。在作物葉片尺度上利用二階光譜導(dǎo)數(shù)設(shè)計(jì)有關(guān)黃萎病病害指數(shù)，如利用可見光譜計(jì)算獲得大豆黃萎病黃度指數(shù)[11]是通過可見光譜計(jì)算獲得，對(duì)葉片結(jié)構(gòu)、葉綠素等參量變化不敏感，在植株冠層尺度上進(jìn)行遙感應(yīng)用還需驗(yàn)證。棉花和大豆的生長環(huán)境、種植模式、冠層結(jié)構(gòu)、病原菌致病癥狀等方面存在差異，需要基于棉花黃萎病癥狀的特征及其光譜特性構(gòu)建棉花黃萎病指數(shù)，提高病害診斷的敏感性與準(zhǔn)確性，及時(shí)防治棉花黃萎病，阻止病害擴(kuò)展傳播?！颈狙芯壳腥朦c(diǎn)】在現(xiàn)代農(nóng)業(yè)中，隨著當(dāng)前社會(huì)整體發(fā)展水平的提升，信息技術(shù)在各個(gè)領(lǐng)域中的應(yīng)用越來越廣泛[12-13]。對(duì)棉花黃萎病的監(jiān)測的要求越來越高，需要更精準(zhǔn)、更快捷、更簡潔的數(shù)字圖像技術(shù)。傳統(tǒng)的棉花病害診斷識(shí)別采用田間調(diào)查、采樣、實(shí)驗(yàn)室病原菌的觀察，存在主觀性、時(shí)效性較差, 難以滿足隨時(shí)監(jiān)測棉花病害。研究在基于數(shù)字圖像的棉花黃萎病診斷與防治管理遠(yuǎn)程監(jiān)測。【擬解決的關(guān)鍵問題】采集與結(jié)構(gòu)、葉綠素相關(guān)的植被指數(shù)與棉花黃萎病癥狀特征的數(shù)字圖像，與病害植被指數(shù)和病害嚴(yán)重度等級(jí)的識(shí)別有較好的對(duì)數(shù)關(guān)系。獲得病害癥狀特征變化的典型譜段，構(gòu)建棉花黃萎病病情指數(shù)，建立病害病情監(jiān)測模型。建立網(wǎng)絡(luò)數(shù)據(jù)庫系統(tǒng)對(duì)棉花黃萎病信息進(jìn)行遠(yuǎn)程監(jiān)測，應(yīng)用于棉花病害和防治遠(yuǎn)程管理。

1 材料與方法

1.1 材 料

試驗(yàn)在北京市海淀區(qū)上莊試驗(yàn)基地進(jìn)行，以中植棉2號(hào)和新陸早33號(hào)2個(gè)棉花品種為供試材料。棉田土壤質(zhì)地土層有機(jī)質(zhì)含量為8.65 g/kg、速效磷為 10.34 mg/kg、速效鉀為 117.4 mg/kg、全氮為0.71 g/kg，肥力中等。圖像采集時(shí)間為 2019年8月，獲得數(shù)字圖像，提取健康棉株和不同嚴(yán)重度的感病棉株冠層光譜數(shù)據(jù)、病害植被指數(shù)、棉花黃萎病病情指數(shù)等。

田間數(shù)字圖像獲取主要采用OLYMPUS SP-565UZ數(shù)碼相機(jī)拍攝。RGB顏色空間使用紅R、綠G和藍(lán)B基色顯示彩色，首先對(duì)病害棉株冠層RGB圖像通過HIS變換、分類、定量統(tǒng)計(jì)冠層危害程度，通過分析感病棉株冠層光譜的特征，明確病害光譜響應(yīng)的變化，引入Relief-F算法[14]，尋找對(duì)病情發(fā)展敏感的單波段光譜特征集合與歸一化差異波段，通過線性加權(quán)組合構(gòu)建棉花黃萎病病情指數(shù)(Cotton Verticillium Wilt Index, CVWI)，監(jiān)測棉花黃萎病病情嚴(yán)重度，對(duì)影像進(jìn)行幾何校正和圖像融合的預(yù)處理。

棉花冠層尺度上的病斑面積與葉片總面積的比值稱為冠層受害程度(Canopy Disease Severity, CDS)。為了定量計(jì)算CDS，將棉花冠層圖像利用RGB至HIS空間的變換消除光強(qiáng)度變化的影響，對(duì)S和H成分進(jìn)行分類，提取病害區(qū)域[15]。數(shù)據(jù)采集過程中，光譜信號(hào)受環(huán)境與儀器等影響，必需對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，圖像融合采用Savitzky-Golay(S-G)平滑濾波器降低數(shù)據(jù)采集中光譜信號(hào)的噪聲。

1.2 方 法

1.2.1 棉花黃萎病嚴(yán)重度的分級(jí)[7]

依據(jù)分級(jí)標(biāo)準(zhǔn)(GB/T 22101.5-2009)棉花黃萎病嚴(yán)重度分為5級(jí)[7]：0級(jí)為健康(發(fā)病為0%)、1級(jí)為輕度發(fā)病(0%～25%)、2級(jí)為中度發(fā)病(25%～50%)、3級(jí)重度發(fā)病(50%～75%)、4級(jí)極重度發(fā)病(75%～100%)。

1.2.2 Relief-F算法獲取棉花黃萎病癥狀變化敏感的特征

通過Relief-F算法[14]，由SG濾波后的光譜數(shù)據(jù)獲得各波段用于棉花黃萎病嚴(yán)重度等級(jí)的權(quán)重分布。可見光波段光譜反射率與棉花黃萎病病情嚴(yán)重度呈正相關(guān)，隨黃萎病病情嚴(yán)重度增加，可見光波段光譜反射率增大。近紅外波段光譜反射率隨黃萎病病情嚴(yán)重度增加，植被指數(shù)值下降，近紅外波段光譜反射率減少，植被指數(shù)與病情嚴(yán)重度呈負(fù)相關(guān)。在可見光和近紅外波段，權(quán)重分別表現(xiàn)為增加、減少的趨勢。由于病害植被指數(shù)有效的綜合有關(guān)的光譜信號(hào)，在增強(qiáng)植被信息的同時(shí)使非植被信號(hào)最小化，比用單波段探測綠色植被更具有靈敏性、準(zhǔn)確性、可靠性，研究表明，多數(shù)植被指數(shù)與棉花黃萎病病情嚴(yán)重度的相關(guān)性優(yōu)于單波段。研究選取Relief-F算法得到權(quán)重最大的2個(gè)波段701 nm、1 300 nm用于棉花黃萎病病情指數(shù)CVWI的構(gòu)建。

利用Relief-F算法[14]提取對(duì)棉花黃萎病癥狀變化敏感的特征波長。Relief-F算法是一種特征權(quán)重算法(feature weighting algorithms)，根據(jù)各個(gè)特征和類別的相關(guān)性賦予特征不同的權(quán)重，權(quán)重小于某個(gè)閾值的特征將被移除。特征的權(quán)重越大，表示該特征的分類能力越強(qiáng)，反之，表示該特征分類能力越弱。特征選擇算法中Relief-F算法使用Matlab的實(shí)現(xiàn)。

Relief-F算法基于權(quán)重尋找特征值，常用于解決多分類與回歸問題，其思路是通過計(jì)算特征與類別間的距離賦予各光譜特征不同的權(quán)重[16]。

1.2.3 典型病害植被指數(shù)

V.dahliae侵染棉花后，引起可見光、近紅外波段等光譜反射率的改變。選用反映棉花冠層結(jié)構(gòu)、色素含量等典型病害植被指數(shù)，作為回歸分析的入選變量。表1

表1 典型病害植被指數(shù)及其公式Table 1 Vegetation indices of typical diseases and their equations

1.2.4 監(jiān)測模型構(gòu)建和模型精度評(píng)價(jià)

利用支持向量機(jī)(support vector machines, SVM)已用于植物病害病情的診斷，SVM根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則構(gòu)建最優(yōu)分類超平面，提高模型的泛化能力，解決非線性、高維數(shù)、局部極小點(diǎn)等問題，已成功用于病害病情的診斷。為驗(yàn)證棉花黃萎病病情指數(shù)的有效性，精準(zhǔn)診斷病害危害程度，利用SVM建立棉花黃萎病的遠(yuǎn)程監(jiān)測模型，比較色素比值指數(shù)(PSSRb)與黃萎病病情指數(shù)(CVWI)的分類精度，評(píng)價(jià)指標(biāo)采用決定系數(shù)(determination coefficient,R2)、均方根誤差(root mean square error,RMSE)和相對(duì)誤差(relative error,RE)。R2越接近于1，而RMSE和RE越接近于0，模型預(yù)報(bào)值與實(shí)測值越吻合，模型精度越高。評(píng)價(jià)指標(biāo)的計(jì)算公式分別為：

1.2.5 權(quán)重計(jì)算和CVWI的獲取

1個(gè)樣本S從訓(xùn)練集中取出，在同類樣本S找出鄰近樣本集H(Near Hits)，在同類S樣本異類的每個(gè)樣本集中找出鄰近樣本集M(Near Misses)，每次找出ρ個(gè)鄰近樣本，重復(fù)n次取樣，同類樣本距離越小、異類樣本距離越大，則權(quán)重值越大。結(jié)果均值作為每個(gè)特征的最終權(quán)重值。權(quán)重公式為：

ω(Fi) ←ω(Fi) - 1/nρΣh∈H|Si-hi|+ 1/nρΣm∈M|Si-mi|.

式中Σh∈H|Si-hi|、Σm∈M|Si-mi|分別表示ρ個(gè)同類、異類鄰近樣本與樣本S在特征i的距離和；F-特征集合；ω(Fi)-特征i的權(quán)重值。

CVWI=α×B1 300+β×B701+γ×NDVI(B700,B532)

式中系數(shù)α、β、γ取值為-1-1，步長為0.1。通過分析棉花黃萎病病情嚴(yán)重度等級(jí)的相關(guān)性，進(jìn)行最佳加權(quán)組合，獲得CVWI。

CVWI= -0.1×B1 300+0.1×B701+0.5×NDVI(B700,B532)

把表1的典型植被指數(shù)和公式中CVWI與棉花黃萎病病情嚴(yán)重度等級(jí)進(jìn)行相關(guān)性分析，分別以NDVI、RDVI、SR、PSSRa、PSSRb、CVWI為自變量，以棉花黃萎病病情嚴(yán)重度為因變量y建立一元回歸模型。

1.2.6 棉花黃萎病診斷

對(duì)數(shù)字圖像與人機(jī)交互數(shù)據(jù)的分析與判斷, 實(shí)現(xiàn)棉花黃萎病的診斷。通過對(duì)數(shù)據(jù)的推理, 病害癥狀的類別，并與病害防治相對(duì)接, 試驗(yàn)結(jié)果與方法的同步顯示。圖1

圖1 棉花黃萎病診斷
Fig.1 Diagnosis of Cotton Verticillium Wilt

2 結(jié)果與分析

2.1 被V. dahliae感染棉花的病害癥狀和棉花黃萎病嚴(yán)重度的診斷

研究表明,在棉田獲取被V.dahliae感染棉株冠層光譜數(shù)據(jù)，依據(jù)分級(jí)標(biāo)準(zhǔn)(GB/T 22101.5-2009)棉花黃萎病嚴(yán)重程度的分級(jí)，診斷實(shí)驗(yàn)棉田病害嚴(yán)重度為1級(jí)、3級(jí)、4級(jí)的冠層光譜和0級(jí)健康棉株光譜，隨著棉花黃萎病發(fā)病程度加重，葉片組織邊界變模糊，細(xì)胞間隙增大，細(xì)胞排列疏松，細(xì)胞失水葉片變小，細(xì)胞數(shù)目減少，導(dǎo)致棉花葉片顏色由綠變黃，伴有葉緣焦枯，直至干枯死亡。V.dahliae侵入棉花根表層導(dǎo)致棉花凈光合速率、氣孔導(dǎo)度、蒸騰速率等降低，棉株萎蔫死亡，診斷到3級(jí)、4級(jí)嚴(yán)重度的棉花黃萎病癥狀。通過實(shí)驗(yàn)棉田診斷的病害病情嚴(yán)重程度的分類確定植被冠層受損面積，計(jì)算獲得冠層受害程度(CDS)，因?yàn)镃DS是由于V.dahliae感染棉花破壞了組織結(jié)構(gòu)相關(guān)植被、葉綠體相關(guān)植被所致。圖2

注：A: 健康棉株; B:不同嚴(yán)重度的棉花黃萎病; C健康和不同嚴(yán)重度的感病棉花葉片

圖2 黃萎病對(duì)棉花葉片造成的可視化癥狀
Fig.2Verticilliumwiltcaused the visible symptoms of cotton leaf

2.2 被V. dahliae感染棉株冠層光譜特征

隨著棉花黃萎病嚴(yán)重度的增加，綠色反射峰的平坦化以及波長為660～680 nm的紅光區(qū)域反射率增加，近紅外波段在棉株光譜反射率主要受葉綠素、冠層結(jié)構(gòu)的影響。由于棉花黃萎病造成葉綠素降低、葉片內(nèi)部結(jié)構(gòu)被破壞，改變冠層結(jié)構(gòu)。在近紅外波段健康棉株冠層的光譜反射率大于病株的光譜反射率；近紅外陡峭的紅邊被逐漸拉平，感病棉株冠層光譜反射率在近紅外波長(780～1 300 nm)顯著低于健康棉株冠層；隨黃萎病病情嚴(yán)重度增加，可見光波段光譜反射率增大，其光譜反射率主要受葉綠素含量的影響，被V.dahliae侵染棉花的葉綠素含量減少，棉葉變枯黃，對(duì)藍(lán)光、綠光、紅光的吸收減弱，反射增強(qiáng)，而綠光波段的反射率逐漸降低，導(dǎo)致葉綠素的綠色強(qiáng)反射峰區(qū)和強(qiáng)吸收區(qū)逐漸拉平。光譜數(shù)據(jù)監(jiān)測棉花黃萎病病情嚴(yán)重度的不同與冠層光譜特征的變化規(guī)律相似。表1，圖3

1：可見光波段 2：近紅外波段

1： Visible band 2： Near infrared band

圖3 不同嚴(yán)重度棉花黃萎病冠層光譜
Fig.3 Canopy spectrum of cottonVerticilliumwiltof different severity

2.3 棉花黃萎病病情指數(shù)CVWI的構(gòu)建

通過Relief-F算法由SG濾波后的光譜數(shù)據(jù)得到各波段的棉花黃萎病癥狀嚴(yán)重度等級(jí)的權(quán)重分布。植被可見光波段光譜反射率與棉花黃萎病癥狀嚴(yán)重度呈正相關(guān)，隨著病害癥狀嚴(yán)重度增加，植被可見光波段光譜反射率增大。近紅外波段光譜反射率隨著棉花黃萎病癥狀嚴(yán)重度增加，植被指數(shù)值下降，近紅外波段光譜反射率減少，植被指數(shù)與病害癥狀嚴(yán)重度呈負(fù)相關(guān)。因此，在植被可見光和近紅外波段，權(quán)重分別表現(xiàn)為增加、減少的趨勢。由于感病植被指數(shù)有效地綜合相關(guān)的光譜信號(hào)，在植被信息增強(qiáng)時(shí)非植被信號(hào)最小化。本論文研究選取Relief-F算法得到權(quán)重最大的2個(gè)波段701 、1 300 nm，用于獲取CVWI。植被光譜特征隨著棉花黃萎病癥狀嚴(yán)重度增加呈平行移動(dòng)，光譜的歸一化差異有助于區(qū)別棉花黃萎病危害嚴(yán)重度的等級(jí)，對(duì)于權(quán)重大的450～950 nm波段，參照歸一化植被指數(shù)(NDVI)的形式構(gòu)建歸一化波段組合特征。通過Relief-F算法從歸一化特征組合中提取權(quán)重最大的歸一化波段組合NDVI(532 、 700 nm)，診斷棉花黃萎病發(fā)病情況。通過方法歸一化差異組合表示與結(jié)構(gòu)相關(guān)植被指數(shù)和葉綠素相關(guān)植被指數(shù)與棉花黃萎病病情嚴(yán)重度的相關(guān)性。把權(quán)重最大的單波段特征、歸一化差異波段進(jìn)行線性組合，獲取CVWI。表2,圖3

表2 病害監(jiān)測指數(shù)與病情嚴(yán)重度等級(jí)線性Table 2 Linear analysis of disease vegetation indices with diseases levels

注：＊＊表示顯著性水平為 0.01

研究表明，典型病害植被指數(shù)與棉花黃萎病嚴(yán)重度等級(jí)有相關(guān)性，是由于棉花黃萎病主要引起綠光、近紅外和紅外波段的反射率變化引起，其中，與葉綠素相關(guān)植被指數(shù)(PSSRb)與棉花黃萎病嚴(yán)重度等級(jí)的相關(guān)性最高(R2=0.897,RMSE=0.363)，PSSRb由波長652和700 nm組成，表明建立在葉綠素含量與結(jié)構(gòu)變化基礎(chǔ)上的植被指數(shù)可用于棉花黃萎病嚴(yán)重度等級(jí)的劃分。因此，研究通過Relief-F算法提取健康棉株和不同嚴(yán)重程度的感病棉株冠層光譜特征譜段構(gòu)建棉花黃萎病病情指數(shù)CVWI，指示棉花黃萎病嚴(yán)重度等級(jí)的識(shí)別(R2=0.917,RMSE=0.324)構(gòu)成植被指數(shù)的關(guān)鍵波段。

CVWI由位于532、700、701、1 300 nm波長處的光譜反射率組成，這些光譜代表不同的外部結(jié)構(gòu)植被指數(shù)、病害植被指數(shù)。據(jù)報(bào)道，700 nm鄰近的反射光譜是由植被生物化學(xué)和物理參量產(chǎn)生的基本特征[23]，而被V.dahliae侵染棉花葉綠素含量減低、棉株冠層結(jié)構(gòu)發(fā)生變化，所以700 nm鄰近光譜特征是監(jiān)測病害嚴(yán)重度等級(jí)的重要指標(biāo)。研究表明，532 nm波長處的反射率能夠監(jiān)測葉黃素循環(huán)，葉黃素是與光系統(tǒng)Ⅱ光能利用效率相關(guān)的調(diào)節(jié)色素[24]，包含532 nm反射率的植被指數(shù)指示光合作用的變化，從而揭示棉花葉片中V.dahliae的變化。1 300 nm是綠色植被水分吸收峰所在位置，表明植物水分含量的變化，所以包含1 300 nm鄰近的CVWI表明水分含量隨病害嚴(yán)重度的變化而變化。表2

2.4 病害監(jiān)測模型構(gòu)建與精度評(píng)價(jià)

為了確定CVWI的有效性，診斷棉花黃萎病發(fā)病、擴(kuò)展程度，利用支持向量機(jī)(support vector machines, SVM)對(duì)棉花黃萎病進(jìn)行監(jiān)測，利用遺傳算法(genetic algorithm, GA)優(yōu)化的SVM建立了棉花黃萎病的監(jiān)測模型(GASVM)。將色素比值指數(shù)PSSRb與黃萎病病情指數(shù)CVWI分別作為模型的輸入，對(duì)應(yīng)的病害嚴(yán)重度等級(jí)作為輸出，劃分訓(xùn)練樣本與測試樣本，通過網(wǎng)格搜索確定最優(yōu)超參數(shù)，獲取最優(yōu)棉花黃萎病的遠(yuǎn)程監(jiān)測模型。通過PSSRb與CVWI的分類精度，評(píng)價(jià)指標(biāo)采用決定系數(shù)R2、均方根誤差RMSE和相對(duì)誤差RE。R2越接近于1，而RMSE和RE越接近于0，表示病害監(jiān)測模型預(yù)報(bào)值與實(shí)測值越吻合，病害監(jiān)測模型精度越高。與PSSRb作為輸入的病害監(jiān)測模型相比，基于CVWI的棉花黃萎病監(jiān)測模型精度更高。

2.5 防控棉花黃萎病數(shù)據(jù)的安全架構(gòu)

研究表明，數(shù)字圖像采用多層次的深度防治棉花黃萎病模式，提高棉花黃萎病嚴(yán)重度等級(jí)數(shù)據(jù)的病害防治策略。病害病情發(fā)生數(shù)據(jù)在采用深度防治棉花黃萎病數(shù)據(jù)的安全架構(gòu)時(shí)，優(yōu)化防治棉花黃萎病的模塊，保障病害病情發(fā)生數(shù)據(jù)的持續(xù)安全運(yùn)行。圖4

圖4 基于防治棉花黃萎病數(shù)據(jù)的架構(gòu)
Fig.4 The framework based on data of cottonverticilliumwiltcontrol

3 討 論

由于被V.dahliae侵染棉花有效地綜合有關(guān)的光譜信號(hào)，在增強(qiáng)與結(jié)構(gòu)相關(guān)植被和葉綠素相關(guān)植被的信息時(shí)，使非植被信號(hào)最小化，精準(zhǔn)選用植被指數(shù)與棉花黃萎病病情嚴(yán)重度組合波段[23-24]。研究獲取的數(shù)字圖像和數(shù)據(jù)受監(jiān)測尺度、棉花生長發(fā)育期、棉花黃萎病發(fā)病和擴(kuò)展情況、病害病情嚴(yán)重度等級(jí)等多因素的影響，造成CVWI的特征譜段的變化，今后將獲取全生育期內(nèi)棉花黃萎病病情等級(jí)的光譜數(shù)據(jù)進(jìn)行深入研究。

在冠層尺度上篩選出適合冠層尺度病害監(jiān)測的特征變量，通過實(shí)驗(yàn)測定了棉花黃萎病及健康樣本的冠層光譜數(shù)據(jù)，分別利用光譜反射率特征、與結(jié)構(gòu)相關(guān)植被指數(shù)特征、葉綠素相關(guān)植被指數(shù)特征和細(xì)節(jié)特征結(jié)合相關(guān)分析，以及SVM、GASVM方法[25]建立了基于冠層尺度的棉花黃萎病監(jiān)測模型。篩選出對(duì)病敏感度且差異較顯著的特征波段。通過Relief-F算法計(jì)算出各特征的權(quán)重系數(shù)，對(duì)特征集進(jìn)行加權(quán)；利用支持向量SVM對(duì)棉花黃萎病進(jìn)行監(jiān)測，并用遺傳算法GA優(yōu)化的SVM建立了棉花黃萎病的監(jiān)測模型。

研究結(jié)果為準(zhǔn)確診斷和防控棉花黃萎病提供有效的工具，建立的系統(tǒng)為病害發(fā)生情況的監(jiān)測和病害防控管理提供了決策支撐，實(shí)現(xiàn)了棉花黃萎病病情信息的實(shí)時(shí)、快速、無損診斷和防控管理的遠(yuǎn)程監(jiān)測，為棉花黃萎病大面積精準(zhǔn)監(jiān)測提供新的思路，也為病害監(jiān)測以及病害防控提供理論依據(jù)。

4 結(jié) 論

4.1 利用與結(jié)構(gòu)相關(guān)植被和葉綠素相關(guān)植被冠層RGB圖像，通過精準(zhǔn)分類統(tǒng)計(jì)棉花冠層損害程度，定量計(jì)算CDS，診斷棉花黃萎病病情嚴(yán)重度等級(jí)，明確植被冠層圖像RGB至HIS空間變換與典型病害植被指數(shù)的相關(guān)性。棉花冠層光譜隨著棉花黃萎病病情嚴(yán)重度的變化而變化。

4.2 被V.dahliae侵染棉花可見光波段光譜反射率與棉花黃萎病病情嚴(yán)重度呈正相關(guān)，隨著病害病情嚴(yán)重度增加，與結(jié)構(gòu)相關(guān)植被和葉綠素相關(guān)植被可見光波段光譜反射率增加。近紅外波段光譜反射率隨著棉花黃萎病病情嚴(yán)重度增加，被V.dahliae侵染棉花冠層光譜反射率在近紅外760～1 300 nm波段處低于健康植株冠層光譜反射率，紅光到近紅外陡峭的紅邊被逐漸拉平

4.3 利用Relief-F算法提取光譜特征，結(jié)合病害癥狀的特征，獲取CVWI。CVWI涉及感病棉花的結(jié)構(gòu)、色素、光合特性等變化的綜合因素，與病害病情嚴(yán)重度等級(jí)的相關(guān)性R2為0.962，明確棉花黃萎病病情嚴(yán)重度與相應(yīng)位置的數(shù)字影像存在相關(guān)性。

4.4 構(gòu)建了棉花黃萎病監(jiān)測模型。

4.5 構(gòu)建了棉花黃萎病的數(shù)字圖像信息化系統(tǒng)管理，建立一個(gè)系統(tǒng)的、完善的棉花黃萎病數(shù)據(jù)安全架構(gòu)。