稻纵卷叶螟为害水稻的冠层光谱特征及叶绿素含量估算*

2020-03-27包云轩杜正朕

中国农业气象 2020年3期

周晓，包云轩**，王琳，杜正朕，唐倩，陈粲，3

（1．南京信息工程大学气象灾害预报和评估协同创新中心，南京 210044；2．南京信息工程大学江苏省农业气象重点实验室，南京 210044；3．南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室，南京 210044）

水稻是重要的粮食作物，虫害一直是影响其产量的重要因素。稻纵卷叶螟（Cnaphalocrocis medinalis）是水稻生产过程中危害较严重的一种虫害，广泛分布在中国淮河以南稻区，其中华南稻区、江岭稻区以及江淮稻区为害最为严重[1]。稻纵卷叶螟幼虫通过虫丝将水稻叶片卷起，躲藏在卷叶中啃食叶肉，极大地破坏了叶片上表皮和叶肉组织[2]，导致光合作用不能正常进行，从而影响水稻干物质的积累[3]，最终使得水稻严重减产。据统计，2005-2015年中国稻纵卷叶螟年均发生面积为1969 万hm2，损失产量702.7 万t[4]。而叶绿素可以有效反映作物的受害情况，通过叶绿素含量的高低能够有效反映水稻的生长状况[5]。但是传统的叶绿素含量测定大多为乙醇、丙酮浸提法[6]等方法，需要进行破坏性采样，无法快速反映水稻的生长状况。

高光谱遥感信息具有波段多、波谱连续等特点，能够快速、无损地获取作物的光谱反射率曲线，因此，成为作物病虫害监测的重要研究手段。2008年刘占宇[7]和2010年黄建荣等[8]研究表明，无论水稻分蘖盛期或抽穗期，在稻纵卷叶螟暴发后水稻叶片和冠层光谱在近红外波段的反射率均会下降，在红光波段的吸收减少，反射率上升；2013年孙嘉怿[9]的研究发现，随着卷叶率的增加，孕穗期水稻叶片绿光区和近红外光区的光谱反射率显著下降，而蓝光区和红光区的反射率则显著升高。在对病虫害引起作物长势变化的敏感波段研究方面，朱宇波[10]通过研究发现，红光波段和近红外波段是水稻分蘖期稻纵卷叶螟为害的敏感波段，在孕穗期为近红外波段，扬花期为蓝紫光和红光波段。袁琳[11]的研究表明，受蚜虫为害的小麦叶片在近红外波段的光谱反射率下降，感染条锈病的叶片反射率上升。研究发现，通过光谱反射率与作物生理指标的相关性分析，可以推测出作物对病虫害的敏感波段[12]。通过这些敏感波段可以建立光谱指数，从而为病虫害的监测提供依据。2015年沈文颖等[13]通过研究发现，650-680nm 光谱反射率与灌浆期小麦白粉病病情的相关性最强，基于光谱敏感波段的MCARI 和VARIgreen是估算白粉病受害程度的重要指标。孙红等[14]针对抽穗期的稻纵卷叶螟受害区域进行监测，发现利用近红外波段的反射率(762，774)构建归一化植被指数NDVI可以有效识别受害区域，准确率达到70%。

但是，以往基于高光谱信息的研究主要集中于某个特定生育期内，对于整个水稻生育期内连续监测稻纵卷叶螟为害下水稻冠层光谱特征的研究较少。所构建的针对特定生育期下的单一估算模型普适性不强，难以适用于全生育期。因此，为了弥补这一缺陷，探明稻纵卷叶螟不同虫量为害下全生育期水稻冠层光谱特征及其演变规律，建立多生育期或全生育期水稻叶绿素相对含量的估算模型，本研究在水稻大田生长背景下，通过设置全生育期不同虫量稻纵卷叶螟为害水平下的水稻生长控制试验，对全生育期内水稻冠层光谱反射率和叶绿素相对含量进行观测，分析两者的相关性，利用相关性较强的光谱波段建立叶绿素相对含量估算模型，以期实现快速、无损地监测全生育期内受不同虫量稻纵卷叶螟为害后水稻的长势及其为害特征，为稻纵卷叶螟为害趋势预警、防控决策和水稻产量损失评估提供参考依据。

1 材料与方法

1.1 试验区概况

试验于2017年6月-2018年10月在南京信息工程大学农业气象站（32°12′N，118°43′E）的生态实验田内进行，该区属于江淮稻区，稻纵卷叶螟是主要虫害之一。水稻生育期为6-10月，与稻纵卷叶螟迁入生长期相吻合，为其生长发育提供了充足的食物来源。水稻生育期内日平均气温在22～28℃，相对湿度较高，对稻纵卷叶螟的生长发育十分有利。

1.2 试验设计

试验水稻品种为南粳5055。每个小区为边长2m的正方形田块，均匀种植100 丛水稻。每个小区使用单独的带拉链的透明网罩和支架进行保护，防止稻纵卷叶螟飞出。为确保试验的准确性，从种植水稻开始至试验结束，每个小区全程使用透明网罩进行保护。按照GB/T15793-2011 稻纵卷叶螟测报技术规范的准则，设置5 个投虫量等级，即50 头·百株-1（1 级）、100 头·百株-1（2 级）、200 头·百株-1（3 级）、300 头·百株-1（4 级）、400 头·百株-1（5 级），以达到不同程度的虫害发生水平，从而分析不同初始虫量对水稻生长的影响。对照小区无虫量，采用相同的透明网罩和支架进行保护，以消除网罩和其它虫害造成的影响。故试验共6 个处理，每处理重复3次。稻纵卷叶螟的幼虫由南京农业大学农业气象与昆虫生态实验室培养获得。在水稻分蘖初期，将二龄幼虫投入试验水稻田内。采用人工投虫的方式，将不同数量的稻纵卷叶螟幼虫均匀放置在相应小区水稻叶片上，确保幼虫抓稳水稻叶片。各处理均进行正常水肥管理，但不喷洒任何农药，仅进行必要的人工除草。

1.3 指标测定方法

1.3.1 水稻冠层光谱的测定

利用美国 ASD FieldSpec 3 地物波谱仪（Analytical Spectral DevicesInc，USA）采集水稻整个生育期的冠层光谱数据。该仪器测量波长范围为350-2500nm，光谱分辨率为3～10nm，探头视角为25°。观测间隔时间为7～10d，选择晴朗无云的天气在太阳高度角相对较高的时段即10：30-14：00 进行。观测时将网罩拉链打开，波谱仪传感器探头伸入水稻冠层上方0.6m 处，正面对着阳光并保持探头垂直向下。每5min 进行一次白板校正，以防太阳高度角变化对反射率的测量造成误差。每个试验小区定点测量3 丛水稻冠层光谱，每点记录5 次，取其均值作为该试验小区水稻冠层光谱的测量结果。其中波长大于1000nm 的光谱数据由于受到大气水分吸收的影响而产生较大波动，故未参与数据分析。

1.3.2 水稻叶片SPAD 的测定

利用SPAD-502（Soil Plant Analysis Development）叶绿素仪（日本产）进行水稻叶片SPAD 值的测定。SPAD 的观测值已经广泛应用于植物叶片叶绿素浓度的测量。根据Ling 等[15]的研究，SPAD 值与叶绿素有着很强的正相关，可以直接表观叶绿素的含量，且经过转换后的SPAD 值与溶剂萃取叶绿素的光度测量值平均相差仅6%。因此，SPAD 值可以反映水稻叶片叶绿素的变化情况。由于本试验采集的光谱数据为水稻冠层数据，而冠层光谱数据主要来源于水稻植株上层的叶片。因此，在进行SPAD 数据采集时选取水稻的倒一叶进行测定。为了确保光谱数据和SPAD 数据之间的关联，SPAD 值的测量时间和测定植株均与冠层光谱的测定同步。每个小区选取3丛水稻，每丛水稻选取2 片未被稻纵卷叶螟啃食的叶片以及一片被啃食过的叶片（均选取倒一叶），每片叶片测定上、中、下3 个部位，取其均值作为该小区水稻冠层的SPAD 值。

1.4 数据处理

利用ViewSpec Pro 软件（ASD 公司）对光谱数据进行预处理，输出原始光谱反射率以及导数光谱数据。利用Matlab R2016a 软件（美国），运用基于最小二乘法原理的Savitzky-Golay（SG）滤波对反射率数据进行适当平滑去噪。SG 滤波在有效去除高光谱数据噪音的同时，能保留数据中细微的有效信息，是处理高光谱数据最常用的滤波方法。

利用SPSS 20.0（IBM 公司）软件对SPAD 值进行方差分析和光谱数据的相关分析，对比不同虫量等级下，光谱参数和SPAD 的差异显著性（P＜0.05）。将植被指数和三边参数作为自变量，SPAD 作为因变量，建立SPAD 的回归估算模型。采用决定系数R2比较模型效果。

基于光谱曲线，计算植被指数以及三边参数。具体包括归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、结构不敏感色素指数（SIPI）、光化学植被指数（PRI）、最优土壤调节植被指数（OSAVI）、红边归一化植被指数（NDVI705）、改进红边归一化植被指数（mNDVI705）、红边叶绿素指数（CIrededge）、绿色叶绿素指数（CIgreen）、归一化差分红边（NDRE）、美国陆地叶绿素指数（MTCL）、红边幅值Dλred、红边位置λred、红边面积Sred、蓝边幅值Dλblue、蓝边位置λblue、蓝边面积Sblue、黄边幅值Dλyellow、黄边位置λyellow、黄边面积Syellow。其计算公式及文献来源如表1 所示。

表1 基于光谱曲线构建的植被指数和三边参数 Table 1 Vegetation indices and trilateral parameters based on the spectra data

2 结果与分析

2.1 稻纵卷叶螟为害下水稻冠层高光谱特征

2.1.1 不同生育阶段水稻冠层反射率

由图1 可见，在水稻生育各阶段，对照处理中冠层反射率数值在可见光波段内（400-760nm）均较小，在近红外波段（760-1000nm）相对较大；受到稻纵卷叶螟为害的处理，水稻冠层反射率数值也表现出同样的特点，但虫害处理与对照的反射率数值有明显差异，仅分蘖期少量波段（731-899nm）和拔节期小部分波段（814-820nm、897-1000nm）反射率的差异未达显著水平，其余波段均达到了显著差异（P＜0.05），说明水稻冠层光谱能够体现出不同虫量为害的影响。具体来说，这种影响主要表现为，在近红外波段，受到为害的水稻反射率均低于对照，且随投放虫量的增加反射率依次减小，在投虫量第二大处理（4 级）中达到最低；在可见光波段，各虫害处理的反射率并未呈现依次下降或依次升高的变化规律，仅表现为在分蘖期-孕穗期虫害处理的反射率低于对照，在扬花期-成熟期虫害处理的反射率高于对照。可见，受稻纵卷叶螟为害后水稻冠层反射率在不同波段会受到不同程度的影响。

图1 不同投虫量处理中水稻主要生育期冠层原始光谱曲线 Fig.1 Original spectrum curves of rice canopy in the main growth periods under different insect load treatments

在整个观测期内，不同处理冠层反射率也会受到生育期的影响。图1 显示，对照处理的水稻冠层光谱在可见光和近红外波段的反射率变化均表现为：从分蘖期至扬花期逐渐增大并在扬花期达到最大值，从扬花期至成熟期逐渐减小并在成熟期达到最小值；不同投虫量处理中冠层反射率数值大小虽不同，但变化趋势与对照相似。均表现为：在分蘖期-扬花期，近红外波段（760-1000nm）的反射率随生育进程逐渐增大，扬花期-成熟期随生育进程逐渐减小。在可见光波段内（400-760nm），投虫量小的处理中包括1 级、2 级处理，水稻冠层反射率均呈现从分蘖期至扬花期逐渐增大，从扬花期至成熟期逐渐减小的规律；而投虫量较大的处理包括3 级、4 级处理，其冠层反射率则表现为从分蘖期至扬花期逐渐增大并在扬花期达到最大值，但在拔节期出现小幅下降的情况，扬花期后开始再次减小，成熟期减至与分蘖期相近；投虫量最大的5 级从分蘖期至扬花期逐渐增大并在扬花期达到最大值，但在孕穗期出现下降的情况，扬花期至成熟期逐渐减小，成熟期时减至低于分蘖期。可见，生育进程也影响着水稻冠层的反射率数值及其曲线形状。

2.1.2 不同生育阶段水稻冠层光谱参数

由表2 可见，在水稻各生育阶段，对照处理的红边位置在733-735nm，蓝边位置在519-520nm，黄边位置在567-570nm；受到稻纵卷叶螟为害的不同处理中，随着投虫量的增加，红边位置呈现不同程度地往短波方向移动的趋势，即存在“蓝移”现象；蓝边位置在分蘖期-孕穗期呈现往长波方向移动的趋势，即存在“红移”现象，在扬花期-成熟期存在“蓝移”现象；黄边位置在孕穗期、扬花期存在“蓝移”现象，分蘖期、拔节期、灌浆期和成熟期存在“红移”现象。可见，受到稻纵卷叶螟为害后三边位置会产生“蓝移”的现象，并且红边位置的“蓝移”情况最显著，蓝边和黄边位置则存在部分生育期“红移”的现象。

对照处理的红边面积在0.23～0.86，蓝边面积在0.01～0.07，黄边面积在0.01～0.07；除分蘖期，其余生育阶段虫害处理的红边面积随着投虫量的增加逐渐减小；蓝边面积和黄边面积未表现出显著的变化趋势。可见，红边面积能够反映受害程度，蓝边和黄边面积对受害程度的反映不显著。

在整个观测期内，不同处理的“三边”位置也会受到生育阶段的影响。对照处理的红边位置在分蘖期-孕穗期呈现往长波方向移动的趋势，即“红移”现象，扬花期-成熟期呈现往短波方向移动的趋势，即“蓝移”现象；蓝边位置和黄边位置的变化情况不显著，蓝边位置往长波方向移动最多的时期均为孕穗期，黄边位置则多为灌浆期和成熟期。不同投虫量处理虽变化趋势与对照处理相似，但不同处理间移动的幅度略有差异。在分蘖期-孕穗期，红边位置表现为4 级处理的“红移”幅度最大；蓝边位置“红移”幅度在1nm 左右，黄边位置为1～2nm。在成熟期，4 级处理的红边位置“蓝移”幅度最大，蓝边位置在扬花期2 级、3 级的“蓝移”幅度最大；黄边位置表现为扬花期5 级处理“蓝移”幅度最大。可见，红边位置能够清晰反映水稻的生长阶段，蓝边位置和黄边位置的效果不及红边位置。

对照处理的红边面积在拔节期-灌浆期均大于分蘖期，且拔节期-扬花期逐渐增大并在扬花期达到最大值，成熟期小于分蘖期；蓝边面积和黄边面积呈现与红边面积相同的变化趋势。虫害处理与对照的变化趋势相似，具体表现为：在扬花期1 级处理的面积以及增幅最大，在成熟期4 级处理的面积最小；在扬花期蓝边和黄边面积3 级处理的面积及增幅最大，成熟期时1 级处理的蓝边面积最小，4 级和5 级处理的黄边面积最小。可见，随着生育阶段的推进，三边面积先增大后减小。

2.2 稻纵卷叶螟为害下水稻叶片叶绿素相对含量估算

2.2.1 不同虫量处理水稻SPAD 变化特征

由图 2 可见，对照处理的叶绿素相对含量（SPAD）从分蘖期至扬花期逐渐升高，扬花期达到最高值，从扬花期后逐渐降低，成熟期降至最低值；各虫害处理SPAD 的变化趋势与对照相似，但不同投虫量处理间存在差异，具体表现为：投虫量较少的1级、2 级处理与对照处理呈现相似的变化趋势，但在拔节期出现小幅降低的情况；投虫量较多的3 级、4级处理从拔节期至孕穗期均呈现降低的趋势，孕穗期后开始升高，扬花期时升至最大值，扬花期后再次降低，成熟期降至最低值；投虫量最多的5 级处理SPAD 同样在拔节期小幅降低，但孕穗期升至最高值，此后逐渐降低，至成熟期最低。可见，投虫量的不同将导致水稻SPAD 值在整个观测期内呈现不同的变化趋势。

表2 各处理水稻冠层光谱曲线的三边参数 Table 2 Trilateral parameters of rice canopy spectra curves under different treatments

从图2 还可发现，不同投虫量等级间水稻SPAD值的差异达到了显著水平（P＜0.05），且随着生育阶段的推进，不同处理间的差异增大，其中灌浆期和成熟期的差异最大。对照处理的叶绿素相对含量（SPAD）在39.30～51.20，与对照相比，受害的水稻SPAD 大多低于对照，仅分蘖期和孕穗期时1 级处理的SPAD 值略高于对照。随着投虫量的增多，SPAD值逐渐下降，其中4 级处理的降幅最大，且降幅随着生育阶段推进逐渐增大，在灌浆期时降幅最大。可见，随着投虫量的增加水稻SPAD 值逐渐降低。

图2 不同生育期各处理水稻叶片叶绿素相对含量（SPAD）比较 Fig.2 Comparison of SPAD values of rice leaves at each growth stage among different treatments

2.2.2 叶片SPAD 值与光谱数据和植被指数相关性分析

将水稻整个生育期的SPAD 值与原始光谱、导数光谱分别进行相关性分析（图3）。由图3 可见，在可见光的紫-橙光波段（400-623nm），SPAD 与原始光谱反射率呈弱的正相关，部分红光波段（624-680nm）为弱的负相关，部分红光波段（712-760nm）以及近红外波段（761-1000nm）为显著正相关（P＜0.05）。SPAD 值与导数光谱在部分绿波段（501-536nm）、部分红波段（690-758nm）以及部分近红外波段（761-793nm）呈显著正相关，在黄-红波段（554-659nm）二者呈显著负相关。

图3 水稻冠层光谱反射率与SPAD 的相关性 Fig. 3 Correlation between spectral reflectance of rice canopy and SPAD values

利用上述相关性达到显著水平的光谱波段计算植被指数和三边参数，并分别与SPAD 值进行相关性分析（表3）。其中SIPI 和黄边位置与SPAD 值呈显著负相关，其余参数均呈显著正相关。大部分指数与SPAD 值都具有很强的相关性，达到了极显著水平（P＜0.01），尤以NDVI、NDVI705、红边位置与SPAD值的相关性较好，相关系数的绝对值均达到了0.80以上。GNDVI、OSAVI、mNDVI705、NDRE 与SPAD的相关系数也达到0.70 以上。因此，可利用这些相关性较强的植被指数与三边参数建立模型，对稻纵卷叶螟为害下水稻SPAD 值进行估算。

2.2.3 水稻叶片SPAD 估算模型

分别将整个生育期的植被指数作为自变量，包括NDVI、OSAVI、NDVI705、mNDVI705、NDRE、红边位置，将整个生育期的SPAD 值作为因变量，建立水稻全生育期SPAD 值的单因子估算模型（表4）。分别选择常用的指数函数、线性函数、多项式函数以及对数函数进行拟合，并比较估算模型的决定系数R2。由表4 可见，水稻全生育期SPAD 值估算模型的R2基本在0.60 以上，表明用光谱参数进行SPAD 值的估算方法是可行的。NDVI 指数和多项式模型以及NDVI705的多项式模型的拟合效果较好，R2达到了0.70 以上。其中NDVI 的指数模型最高，R2为0.72。在多元逐步回归模型中，NDVI 和NDRE 进入模型，R2同样达到了0.70 以上。可见，NDVI 和带红边反射率的模型均可用于估算SPAD，且具有较理想的效果。

表3 植被指数、三边参数与SPAD 值的相关关系(n=60) Table 3 Correlation between vegetation indices, trilateral parameters and SPADvalues(n=60)

表4 基于水稻冠层光谱参数的SPAD 值估算模型 Table 4 Estimation models of SPADvalues based on rice canopy spectral parameters

（续表）

3 结论与讨论

3.1 讨论

本研究对全生育期水稻光谱进行研究，而以往的相关研究多仅针对单个生育期进行。孙红等[14]对抽穗期稻纵卷叶螟为害下的光谱特征的研究表明，在可见光波段，受害程度低的反射率低于对照，受害程度高的反射率则高于对照。这与本研究得出结果相似。而黄建荣等[8]认为不同为害程度下分蘖期水稻单叶反射率不仅在近红外波段的反射率随为害程度的加深逐渐下降，绿光波段反射率也随为害程度加深而逐渐下降，红光波段反射率则随为害程度加深逐渐增大。与之产生差异的主要原因可能有两点：其一，本研究为冠层光谱，文献中为单叶光谱，二者尺度有明显的差异；其二，冠层光谱采集时天气条件多变，土壤背景会有一定影响。但无论是冠层光谱或是单叶光谱，均能通过光谱的变化情况反映作物的长势变化。

本研究发现，稻纵卷叶螟为害对水稻冠层光谱反射率的影响，主要表现为随着投虫量的增多，近红外波段的光谱反射率逐渐下降。这主要是因为在受到稻纵卷叶螟为害后，水稻叶片会被幼虫啃食因而出现“白斑”，降低了水稻叶面积指数和叶片叶绿素含量。进一步表明光谱与叶绿素含量具有紧密相关性[28-29]，通过光谱信息能够反映出作物叶绿素的变化情况。其中4 级处理（300 头·百株-1）的近红外波段反射率在所有处理中最低。这可能是因为本试验采用虫网将水稻与外界隔离，投放的稻纵卷叶螟幼虫将在网内进行生长和繁殖。在水稻分蘖初期，当幼虫虫量达到一定程度时（如400 头·百株-1），水稻生长速度小于幼虫取食速度，部分幼虫由于无法获得足够的食物而死亡，因此在水稻生长后期，该等级下的虫量反而偏低，水稻长势优于4 级，从而也造成该等级在近红外波段的反射率有所上升。

本研究还发现，受到稻纵卷叶螟为害后，红边位置、蓝边位置和黄边位置均发生“蓝移”，可以反映出作物受害情况。不仅受稻纵卷叶螟为害，在其它胁迫类型下光谱的三边参数也会产生类似的变化规律。沙依然·外力等[30]的研究表明，受到干旱为害后水稻红边位置存在“蓝移”现象。朱怀卫等[31]研究表明，随着UV-B 的增强，水稻光谱红边位置发生“蓝移”。而当作物长势较好或生长旺盛时则会发生“红移”现象[32]。本研究还发现，三边参数中红边参数反映稻纵卷叶螟的为害效果优于蓝边和黄边参数。这是因为SPAD 与导数光谱的红边位置显著相关，红边位置相比其它三边参数更能反映作物受害的变化情况[33-34]。

本研究对全生育期水稻叶绿素相对含量（SPAD）进行观测，发现随着投虫量的增加SPAD 值逐渐降低。但投虫量最高的5 级处理的SPAD 值并未依次低于4 级处理，反而4 级处理为最低值，其原因与光谱类似。在稻纵卷叶螟为害初期，SPAD 值下降幅度较小。刚放入稻纵卷叶螟时若受到轻微的虫害，如1 级处理，反而使得SPAD 值略高于对照处理。这与李梅等[35]对马铃薯晚疫病的研究结果相似。这可能是因为稻纵卷叶螟幼虫投放时间尚短，幼虫对水稻的为害处于水稻自我补偿能力范围以内，轻微的虫害不仅能被水稻抵御，还能略微促进水稻的生长。有研究表明，孕穗期水稻受到轻微干旱胁迫，复水后SPAD 值上升幅度大于对照处理[36]。本研究还发现，随着时间的推移，SPAD 值的下降幅度增加，其中在灌浆期降幅最大。前人也有相似的研究结果。胡华冉等[37]的研究表明，受到Na2CO3和NaHCO3为害的大麻幼苗SPAD 值均低于对照，并且随着浓度的提高SPAD 值逐渐减小。李凯伟等[38]的研究表明，随着寡照为害时间加长，葡萄叶片的SPAD 值逐渐降低。

本研究发现在整个光谱波段范围内（350-1000nm），绿波段（501-536nm）、黄-红波段（554-659nm）、红波段（690-758nm）以及近红外波段（761-1000nm）与SPAD 的相关性较好，说明它们能够有效反映SPAD 值的变化情况，或许可以作为稻纵卷叶螟为害下的敏感波段。在所有的植被指数中，NDVI、NDVI705、红边位置与SPAD 值的相关性较好，估算模型的精度也较高，其中NDVI 的指数模型效果最理想。这可能是因为稻纵卷叶螟为害水稻后，会造成叶绿素含量的变化，同时幼虫啃食时将叶片卷起，叶面积会减小，啃食严重时叶片几乎仅剩表皮和叶脉，因此，也会影响叶面积指数。而NDVI 也同时能够反映冠层叶面积的变化情况，因此对稻纵卷叶螟的为害更为敏感。黄建荣的研究结果也表明，孕穗期时基于稻纵卷叶螟为害的水稻受害程度估算模型也以NDVI 模型准确率最高[39]。

本研究基于与叶绿素相对含量（SPAD）相关性较强的光谱波段构建估算模型，模型精度较高，表明利用高光谱数据建立稻纵卷叶螟为害下水稻叶绿素相对含量估算模型的方法可行。模型通过水稻冠层光谱数据估算叶绿素相对含量，可以反映稻纵卷叶螟为害下水稻的生长情况，与传统破坏性采样后用丙酮等试剂提取叶绿素含量的方法[6]相比更为快速、瞬时、无损，并且该模型可用于水稻全生育期的估算，与一般单生育期估算模型[40-41]相比更具普适性。此外，模型还建立了宏观的冠层尺度与微观的叶片尺度之间的联系，并取得了较好的结果。前人研究也表明，冠层光谱也可用于叶片尺度的参数估算。孙小香等[42]利用水稻冠层光谱预测叶片SPAD，精度达0.80；Singh 等[43]利用冠层反射率评价甜高粱生长、叶片氮含量和叶绿素含量，结果表明由595nm 与1676nm、595nm 与508nm 的反射率组成的简单比值模型预测叶片N 浓度和叶绿素含量的精度最大。由此说明冠层光谱虽然包含了一些背景和其它叶片的信息，但依然能够反映出叶绿素的变化情况。与实验室环境相比，基于冠层的光谱反射率信息虽然更为复杂，但更接近野外田间的实际情况，更利于推广至田间的观测。为了完善田间的估算模型，后续将开展成像光谱的试验研究，以去除不同部位叶片和背景的信息，进一步提高基于稻纵卷叶螟为害下水稻SPAD 估算模型的准确性。