截形叶螨危害下枣冠层含水量高光谱估算模型

2020-02-25王振锡高亚利师玉霞杨勇强玉荪吐孙江

西南农业学报 2020年11期

连玲，王振锡*，高亚利，师玉霞，杨勇强，李盼，玉荪·吐孙江

(1.新疆农业大学林学与园艺学院，新疆乌鲁木齐 830052；2. 新疆教育厅干旱区林业生态与产业技术重点实验室, 新疆乌鲁木齐 830052)

【研究意义】枣(Ziziphusjujuba)是新疆优势果树树种之一，栽培历史悠久[1]。近年来，新疆枣产业发展迅速，已经成为新疆种植面积最大的果树树种，而潜藏着的虫害问题愈发显著，严重影响着枣产量和品质，利用现代信息技术开展大面积虫害监测的科技需求日益迫切。截形叶螨[2-3]是植食性螨类，属蛛形纲(Arachnida)、叶螨科(Tetranychid)，也叫“红蜘蛛”，一般出现在6月下旬，一年发生多代，在新疆枣树上发生普遍。叶螨通过吸食枣叶片汁液，造成叶片出现斑点、变黄，引起叶素绿含量和叶片含水量降低，抑制光合作用，减少养分积累[4]，严重影响植株的正常生长。水是植物生长发育中不可或缺的要素，其含量变化直接影响着植物的生理生化过程。大量研究表明，高光谱遥感技术已经成为植被水分含量监测的新途径。【前人研究进展】近年来，国内外学者在高光谱反演植被水分含量方面开展了大量的研究工作，Colomb等人[5]将叶片在1150 nm处的一阶微分光谱确定为敏感波段，构建了精度较高的含水量估测模型。李梦竹[6]发现不同水分胁迫条件下烤烟(Solanaceaeverbascifolium)各波段光谱曲线总体趋势一致，而微分光谱比原始光谱更适用于模型构建，其中BP神经网络反演精度最高，监测效果最好。林起楠[7]等认为危害程度越高云南针叶松(Pinusyunnanensis)光谱反射率对水分参数的敏感度越低。杨可明等[8]研究了铜胁迫下玉米(ZeamaysLinn.)叶片与含水率的光谱响应，发现土壤中铜浓度升高时，玉米叶片含水率随之降低，用归一化指数来判断玉米铜危害程度较为准确。【本研究切入点】由此可见，光谱曲线受生理变化的影响，所以以高光谱遥感技术监测植物生理过程是可行的，且一阶微分光谱反射率对植被水分变化具有较强的敏感性。【拟解决的关键问题】鉴于此，本研究通过分析截形叶螨危害下枣冠层一阶微分光谱反射率与含水量的相关性，基于水分含量敏感波长构建枣冠层高光谱含水量回归模型，以期为植被大面积虫害监测提供技术支撑，具有一定的现实意义。

1 材料与方法

1.1 数据获取

1.1.1 研究区概况研究区位于新疆喀什地区麦盖提县昂格特勒克乡的枣生产园，麦盖提县位于塔克拉玛干沙漠西缘，属典型的大陆性气候。全年日照充足，年平均日照为2806.3 h；降水量极少，年平均降水量为42.3 mm；蒸发量极强，平均蒸发量2349 mm。绿洲范围内农林产业发展主要依靠人工灌溉。

1.1.2 试验材料 2018年6月下旬，在研究区内按照每间隔5株选取1株的方式，共选取250棵样株。将每一样株分为上、中、下层，每层按照东西南北4个方位，共选取12个点位，每个点位以单株为单位，随机选择一个标准枝上的3片鲜叶，记录叶片正反面的叶螨数量后，摘取叶片，每一样株摘取36片鲜叶，共计9000片叶片。将摘下的鲜叶依次装入编号的牛皮纸信封内，迅速带回实验室测定含水量，并同步开展户外枣树冠层光谱测定。

1.1.3 冠层光谱测定采用美国Analytical Spectral Device(ASD)公司生产的便携式野外地物光谱仪Field Spec3对枣树冠层光谱反射率进行测定，该光谱仪的波段范围为350～2500 nm，光谱输出时，光谱仪自动进行重采样(重采样的间隔为1 nm)。试验选择无风或晴朗的天气进行，时间为北京时间12:00-14:00。在室外将光谱仪探头固定在距离冠层上方20 cm位置处，进行原位测定每一样株的光谱反射率。每一样株测取10条标准光谱反射率曲线，剔除异常值后取均值作为该样株的最终光谱优化曲线，共计250个光谱均值。测定光谱过程中，每隔15 min做一次白板校正，保证样品的光线反射折光率稳定为1。

1.1.4 冠层含水量测定以单株为单位，将每一样株摘取的叶片混合后测定水分含量，作为该样株冠层光谱反射率对应的含水量，即冠层含水量。首先，将待测的新鲜叶片装入做好标记的牛皮纸信封，用电子天平称量，记录叶片鲜重，然后把样品放入恒温干燥箱内，在105 ℃下杀青30 min，之后于80 ℃下烘至恒定质量，记录叶片干重。冠层含水量计算公式如下：

FMC=(FW-DW)/FW×100 %

(1)

式中，FMC表示枣冠层含水量，FW为植物鲜重，DW为植物干重。

1.2 数据处理

1.2.1 光谱数据处理在样区冠层高光谱数据中，考虑到由于系统误差造成信噪比较低，再根据前人的研究[9-10]与本实验相结合，选择350～1350 nm波段范围，探讨光谱特征与含水量的关系。

本研究共获取250条光谱序列，剔除奇异值后保留214条光谱序列。光谱数据经ViewSpecPro 6.0软件预处理，转换为一阶微分光谱。一阶微分变换公式如下[11]：

Dλ= (Rλ+1-Rλ)/△λ

(2)

式中：λ为各波段波长，Dλ为λ处的一阶微分光谱反射率，R为各波段的原始光谱反射率，△λ为λ+1到λ间的波长间隔。

1.2.2 虫害等级划分以样株为单位，按叶片平均叶螨数量进行等级划分[12]，共划分5个等级：0级，0头/叶；1级，1～5头/叶；2级，6～10头/叶；3级，11～25头/叶；4级，≥26头/叶。

1.3 建模与检验

通过分析叶螨危害下枣冠层一阶微分光谱与含水量的相关性，选择相关性较强的波段为敏感光谱波段，分别采用线性和曲线方程建立枣冠层含水量与一阶微分光谱之间的回归模型。

模型精度检验选取估测精度(R2)、均方根误差(Root Mean Square Error，RMSE)和相对误差(Relative Error，RE)3个指标，R2越大，RMSE和RE越小，表明模型拟合效果越好。依据建模样本量与检验样本量3∶2的标准，选择2/3的样本进行建模，1/3的样本用来精度检验。

2 结果与分析

2.1 截形叶螨危害等级与枣冠层含水量关系

以截形叶螨危害等级为自变量，冠层含水量为应变量，得到截形叶螨危害等级下枣冠层含水量变化(图1)。枣冠层含水量随着截形叶螨危害等级增大(0～4级)呈逐级递减趋势，且与虫害等级呈负相关。由冠层含水量的基本特征值可知(表1)，截形叶螨危害等级下枣冠层含水量的最大值、最小值与平均值均表现为随虫害等级增加而递减。由此说明枣植株受虫害胁迫程度越高，其对冠层水分含量影响越明显。

表1 截形叶螨危害等级下枣冠层含水量基本特征Table 1 Basic characteristic values of water content under the hazard of mites

图1 截形叶螨危害下枣冠层含水量变化Fig.1 The change of water content at the hazard level of the cut leaf

由图2可知，健康植株与截形叶螨危害植株的冠层光谱基本都符合绿色植被光谱反射率特征，且危害程度不同，冠层含水量与光谱反射率也会相应发生变化。总体看来，虫害等级逐步增加，冠层含水量减少，光谱反射率也逐步降低，但降低幅度有所差异。其中，虫害等级为0和1级时，冠层光谱反射率曲线变化幅度较小，2、3、4级之间也具有类似特征。但0、1级和2、3、4级之间的冠层光谱曲线变化非常明显。可见，截形叶螨危害下枣冠层光谱表现出随胁迫程度增大光谱反射率逐步降低的趋势，而且危害等级由1到2级时，植被冠层光谱变化最大，可能预示着植被叶片内部受损由缓到急的转折。同时，也说明光谱反射率对虫害胁迫下植株含水量差异具有敏感性。

图2 截形叶螨危害下枣冠层光谱与含水量关系Fig.2 The relationship between the canopy spectrum and the water content of the jujube

2.2 枣冠层一阶微分光谱与含水量相关性分析

以一阶微分光谱值为X轴，冠层一阶微分光谱与含水量相关系数为Y轴制图(图3)。近红外区(750～1350 nm)的相关系数普遍高于可见光区(350～750 nm)。可见光区、紫光区(350～400 nm)范围内相关系数最高为0.432，绿光区(460～550 nm)相关系数最高仅为0.339，而红光区(620～780 nm)768 nm的相关系数相对较高，最大值为0.547。近红外区含水量与一阶微分光谱的相关系数绝大部分均达到0.500以上。其中在817、839、990和1069 nm处达到极显著正相关，相关系数分别为0.585、0.609、0.583和0.635，在907、927、974、1102和1181 nm处达到极显著负相关，相关系数分别为：-0.628、-0.582、-0.629、-0.716和-0.614。因此，选择这些波段作为敏感波段。

图3 冠层一阶微分光谱与含水量相关性Fig.3 Correlation between first order differential spectrum and water content of crown

2.3 枣冠层一阶微分光谱与含水量的回归关系

以冠层一阶微分光谱为自变量，冠层含水量为因变量，采用多元线性回归和曲线估计回归(包括一次函数、二次函数和指数函数)方程，建立冠层含水量与一阶微分光谱变量的估算模型(表2)。各光谱变量与含水量的回归拟合度均达到极显著相关。其中以单波段建立的回归模型中，D907、D927和D974的模型拟合度均低于0.500，而变量D1102一次函数、二次函数和指数函数的模型拟合度分别为0.513、0.536和0.512，F值为147.664、80.134和146.619；双波段D1069和D817回归拟合度是0.554；多波段D1102、D974和D990逐步回归拟合度最高为0.592。说明随自变量的增加模型拟合度不断提高。

表2 截形叶螨危害下冠层含水量估测模型

2.4 截形叶螨危害下枣冠层含水量模型精度检验

对拟合度较高的回归模型进行精度检验，将实测值和估测值按1∶1的原则分析比较。分别对单波段D1102的3种曲线估计回归模型、双波段和多波段的多元线性回归模型进行精度检验(图4)。由表3可知，用于检验的反演模型估测精度均高于0.500，多波段多元线性估测模型的R2最高为0.618，RMSE和RE为3.428和3.900 %，说明该模型的拟合效果较好。因此，可以将多波段D1102、D974、D990为变量的多元线性回归模型作为反演枣在截形叶螨危害下冠层含水量的最优估测模型。

a代表变量D1102一次函数反演模型，b代表变量D1102二次函数反演模型，c代表变量D1102指数函数反演模型，d代表D1069与D817的多元线性模型，e代表D1102、D974和D990的多元线性模型a represents the variable D1102 primary function inversion model, b represents the variable D1102 quadratic function inversion model, c represents the variable D1102 exponential function inversion model, d stands for D1069 and D817, e for D1102, D974 and D990

表3 冠层含水量模型估测精度

3 讨论

本研究根据截形叶螨危害下枣冠层一阶微分光谱与含水量间的相关性分析，采用多元线性回归和曲线估计回归方法，构建了枣冠层一阶光谱反射率与冠层含水量的估测模型，以期为植被大面积虫害监测提供技术支撑。

在截形叶螨危害条件下，随着危害程度的增加，枣冠层光谱反射率呈明显的下降趋势，这主要是由于叶螨吸食枣叶片汁液，破坏了叶片内部结构，造成植物失绿、缺水等，对植被的生长发育造成影响。而且虫害危害程度由轻(0和1级)转重(2、3、4级)时，光谱反射率变化差异非常明显。张素兰等研究表明，马尾松(PinusmassonianaLamb)在松材线虫(Bursaphelenchusxylophilus)的危害下水分含量降低，不同虫害严重度的马尾松光谱特征存在明显差异，总体表现为为健康>轻度>中度>重度[13]。林启楠等学者发现，云南松在不同受害程度中叶绿素和含水量都是影响针叶反射率的重要因素，而且可见光区是叶绿素影响针叶反射率的主要敏感波段，含水量在近红外占主导地位[7]。这些研究都充分说明植物叶片受损会导致冠层含水量发生变化，从而引起光谱反射率的改变，这在一定程度上也表征了植株受虫害胁迫下的光谱响应。

本研究采用一阶微分处理的方式进行冠层原始光谱数据转换，并作为自变量参与模型构建，主要是考虑光谱一阶微分处理不仅可以有效地去除部分噪声和背景的影响，还能提高光谱与含水量之间的相关性。许多学者在此方面也做了大量的研究。刘佳等学者选择微分光谱植被指数监测春玉米病虫害的影响[14]，范友波等通过微分光谱与病情指数的相关性分析筛选了5种敏感光谱参量，构建冬小麦白粉病(BlumeriagraminisSpeer)病情指数反演模型[15]。伍南等研究发现可以利用红边(680～780 nm内一阶微分光谱)特征参数反演马尾松赤枯病(PestalotiopsisfunereaDesm)[16]。这些研究都取得了较好的拟合效果，说明采用一阶微分数据处理能够提高拟合模型的精度。

本研究中基于多波段的多元线性回归估测模型检验精度最高为0.618。从前人研究结果来看，蒋金豹等人以微分光谱比值指数R1300/R1200为变量反演小麦受条锈病危害的含水量，其检验精度为0.630，RMSE为3.43，RE为4.78 %[17]。聂克艳等利用758 nm处的辣椒(CapsicumannuumL.)冠层微分光谱反射率建立茶黄螨(PolyphagotarsonemuslatusBanks)危害等级模型，预测精度高达0.965[18]。王晓星等学者以冬小麦(GramineaeTriticum)冠层原始光谱一阶导数偏度反演叶绿素含量的模型拟合精度最高为0.847[19]。可见，不同大田或园艺作物在胁迫条件下植被生理生化参量的高光谱反演都取得了较好的效果。相对而言，本研究中模型拟合精度相对偏低。究其原因，主要是因为大部分学者对冠层光谱反射率的研究大多是基于农作物开展的，由于农作物种植比较规则，且植株矮小，生长均一，植被冠层平面相对比较均匀，冠层光谱反射率受下垫面的影响较小。而本研究以乔木树种枣为研究对象，且在虫害等级的判定上通常以单株为单位，决定了冠层光谱的测定需要在植株树冠上部进行，由于乔木树种冠层孔隙度大，所测定的冠层光谱是裸露地表、枝条等地物的混合光谱，因此造成了模型的拟合精度相对较低。然而，乔木树种地面冠层光谱植被参量反演是开展大面积航空航天遥感反演的重要基础，今后在林木冠层光谱解混方面仍需进一步开展相关研究。