截形叶螨危害下枣叶片叶绿素含量高光谱估算模型

高亚利，王振锡，连 玲，师玉霞，杨勇强

（1.新疆农业大学 林学与园艺学院，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，乌鲁木齐 830052）

高光谱遥感作为一种便捷、快速的光谱检测技术，已经成为近年来研究的技术热点［1-5］。由于森林病虫害具有很大的复杂性、潜伏性和隐蔽性，目前主要通过现场调查的手段观察有无病虫害的发生及其危害程度，获取的信息具有严重的滞后性。植被虫害监测是虫害综合防治的重要组成部分，及时、快速、准确的监测机制对农作物虫害的早期发现和防治具有重要意义。新疆位于亚欧大陆腹地，光热资源充沛，是中国重要的林果产区，尤其枣（Ziziphus jujuba Mill）产业发展迅猛，其种植规模和产量位居全国首位，开展基于高光谱遥感的林果虫害高效监测技术研究具有非常迫切的需求。近年来，光谱分析技术在植被虫害以及农学植物参数估测方面的应用研究日益增多［6-9］。叶绿素含量是植被生长发育过程中重要的生化参数，对绿色植被的光合能力、营养元素含量等生长发育状况具有重要的指示性作用［10］。黄木易等［11-12］利用高光谱遥感监测冬小麦（Triticum aestivum L.）条锈病的敏感光谱波段，筛选出630～687nm、740～890nm 和976～1350nm 3个波段范围。柴仲平等［13］利用新疆库尔勒香梨（Pyrus brestschueadera Rehd）叶片630nm 处一阶微分光谱反射率数据与全钾元素含量之间关系构建回归模型，调整决定系数达到0.986。王晓庆等［14］比较茶树（Camellia sinensis L.）炭疽病叶片与正常叶片的光谱，发现在740～1 000nm的波段，病害越严重，反射率越低。梁爽等［15］以中国苹果（Malus domestica Borkh）叶片为主要研究估测对象，将其与植物中的叶绿素含量进行相关分析，得出一阶光谱微分521nm 和523nm两个组合的估测模型精度最高。孙勃岩等［16］构建基于BP神经网络的冬小麦冠层叶绿素质量分数估算模型，相关系数最优达到0.961。而受害植物的光谱特征与健康植物相比，某些特征波段的反射率也会发生不同程度的变化［17］。窦志国等［18］选 取 遭 受 芦 苇 粉 大 尾 蚜（Hyalopterus pruni）虫害的芦苇（Phragmites australis）作为研究对象，建立的虫害叶片回归模型的R2高达0.966。邱白晶等［19］对水稻白背飞虱（Sogatella furcifera）主害期间的冠层高光谱数据与白背飞虱虫量进行相关分析，发现779nm 处的光谱反射率建立的模型为最优，预测相关系数0.921。可见，利用光谱分析技术找出原始或不同数据转换后光谱反射率与植被叶片色素含量密切相关的敏感波段，构建最优估算模型［20］，已经成为农业、林业虫害特征检验的重要手段，也为虫害遥感监测研究提供了必要的技术基础。

截形叶螨（Tetranychus truncatus Ehara）是枣树重大有害食叶性害螨，主要通过群聚叶背吸取汁液，使叶片呈灰白色或枯黄色细斑，影响叶片叶绿素含量，危害枣树的正常生长发育。其为害规模大、程度高，且爆发期不与其他病虫害重叠，非常适合开展遥感监测。鉴于此，本研究利用高光谱遥感技术，分析不同截形叶螨危害等级枣叶片高光谱特征与叶片叶绿素含量的相关关系，筛选不同危害等级枣叶片叶绿素含量的敏感波长，构建线性回归估测模型，以期为新疆林果虫害科学、高效监测与预警提供技术参考。

1 材料与方法

1.1 试验材料

2018年7月中旬，在新疆喀什地区麦盖提县昂格特勒克乡枣树规模种植区，选取一个栽培条件、树体生长状况一致的枣园，在其中部按隔行选取的方式选择270棵样株，依次编号。将每棵样株分为上层、中层和下层，每层按照东西南北4个方位，共12个点位，每个点位随机摘取1个标准枝的3片鲜叶，调查记录叶片表面的叶螨数量后，摘取叶片，每样株摘取36片叶片。将摘下的鲜叶按样株编号顺序依次置于信封内，共计9 720片叶。迅速开展户外叶片光谱的测定以及实验室叶片叶绿素含量的测定，然后根据每一样株的平均叶螨数量，将截形叶螨危害程度划分为0 级、1级、2级、3级、4级共5个等级。

1.2 枣叶片光谱采集方法

叶片光谱反射率的测定采用美国Analytical Spectral Device（ASD）公司生产的便携式野外地物光谱仪Field Spec3，测定光谱波段为350～2 500nm。选择天气明朗、无风无云的天气条件，测定持续时间一般为12：00-14：00。以样株为单位，将摘取的鲜叶片在事先准备好的板面上平铺呈圆形（叶片间不留缝隙），利用仪器自带的光纤探头在户外依次测定每样株叶片光谱，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实际光谱优化曲线，共计270个光谱均值。测定光谱过程中，每隔15min做1次白板校正，保证样品的光线反射折光率稳定为1。剔除异常样本后，总样本数为263个，建模样本为195个，检验样本为68个。

1.3 叶绿素含量测定方法

对测定完光谱的叶片进行叶绿素含量测定。枣叶片叶绿素含量测定采用二甲基亚砜浸提法（DMSO 法）［21］。用脱脂棉纱布把叶片表面浮尘擦拭干净，剪碎、混合后（不含叶片边缘和主叶脉），称取0.05g，加入10 mL 的二甲基亚砜，在60 ℃恒温的水浴条件下进行避光浸提1h，收集上清液并使用分光光度计测定叶绿素含量，选择665和649nm 为检测波长，测取吸光度（A）值。每株样作为1个样本单元，每个样本叶绿素含量测定3个重复，取均值作为该样本的叶绿素含量值（重复值差异较大时，该样本数据重新测定）。计算公式如下：

叶绿素a含量（Chla，mg／g）=（12.19A665-3.45A649）×V／1 000／W

叶绿素b含量（Chlb，mg／g）=（21.99A649-5.32A665）×V／1 000／W

总叶绿素含量（Chla+Chlb，mg／g）=Chla+Chlb

式中：A665为665nm 波长下叶绿素提取液的吸光度，A649为649nm 波长下叶绿素提取液的吸光度，V 为提取液体积，W 为鲜叶质量，叶绿素含量单位为mg／g。

1.4 数据处理

光谱数据处理：采用View SpecPro软件对原始光谱反射率预处理及一阶微分变换，分析叶片光谱反射率与叶绿素含量间的相关性，利用SPSS软件建模。一阶微分变换计算公式：

式中：λi为各波段波长；ρ′（λi）为一阶微分光谱；△λ 为波长λi+1到λi-1）的间隔。

叶绿素含量数据处理：将叶绿素含量按照截形叶螨的不同危害等级进行分类。

叶螨数量数据处理：对每样株按叶片平均叶螨数量进行等级划分［22］，共划分5 个等级，各等级界定标准为：0 级，无害螨无症状；1 级，1～5头／叶；2级，6～10 头／叶；3 级，11～25 头／叶；4级，≥26头／叶。

1.5 精度评价

为了提高估算模型的适用性，对构建的估测模型有必要对其进行检验，将实际样本值带入估测模型，对估测模型值与实际样本值之间进行精度比较。主要选择拟合优度（R2）、相对误差（RE）和均方根误差（RMSE）3 种统计指标来做模型评价。其中：RE 和RMSE 的值越小，模型越好。具体计算公式如下：

式中：yi是叶片叶绿素含量的实测值，^yi是叶片叶绿素含量的估测值，n 为样本数量。

2 结果与分析

2.1 不同截形叶螨危害等级下枣叶片光谱特征

根据测定的枣叶片光谱反射率数据，可以得到不同截形叶螨危害等级下枣叶片平均光谱曲线（图1）。从图1可以看出，0～4级5个虫害等级的枣叶片平均光谱曲线的总体变化趋势基本保持一致，其峰谷变化情况符合绿色植物的光谱曲线特征，但5个等级的光谱曲线之间具有明显的差异，表现出随等级的升高光谱反射率呈逐级下降的趋势，其中0 级曲线光谱反射率最高，4 级最低。在可见光波段400～700nm、近红外波段700～1 300nm 和中红外波段1 300～2 500nm范围内，均表现出在峰值区域光谱反射率分离度较大，谷值附近分离度较小的特点。出现这些差异的原因主要是截形叶螨吸取枣叶片汁液，导致叶片失绿，影响了叶片色素含量，致使不同危害等级的叶片光谱曲线出现差异。同时，也表明受截形叶螨危害的枣叶片光谱特性变异与叶螨的危害程度紧密相关。

图1 不同截形叶螨危害等级下枣叶片光谱特征Fig.1 Spectral characteristics of jujube leaves with different grades of Tetranychus truncatus Ehara damages

2.2 不同截形叶螨危害等级枣叶片光谱反射率与叶绿素含量相关性

通过相关系数计算，绘制不同截形叶螨危害等级下枣叶片原始光谱、一阶微分光谱与叶绿素含量的相关系数图（图2）。从图2 可以看出，不同截形叶螨危害等级枣叶片的原始及一阶微分光谱与叶绿素含量的相关性存在明显的差异。不同截形叶螨危害等级枣叶片的原始光谱与叶绿素含量的相关性整体较弱，曲线变化相对比较平缓，相关系数绝对值均在0.500以下。而不同截形叶螨危害等级枣叶片的一阶微分光谱与叶绿素含量相关系数曲线波动比较明显，其绝对值都在0.600左右。尤其是在近红外波段范围，曲线变化激烈，且相关性较强。因此，说明一阶微分数据变化可以增强光谱反射率与叶绿素含量的相关性。

不同截形叶螨危害等级中，枣叶片叶绿素含量与其一阶微分光谱的相关系数差异较大，可以选择相关性最强及次最高的波长作为检测枣叶片叶绿素含量的敏感波长。可以得到：0 级危害等级下枣叶片叶绿素含量的敏感波段为759nm、1 799nm，相关系数为-0.644、0.610；1 级敏感波段为1 166nm、1 770nm，相关系数为0.546、-0.538；2级敏感波段为1 670nm、2 175nm，相关系数为-0.457、0.453；3 级敏感波段为2 324 nm、2 325nm，相关系数为0.551、0.544；4级敏感波段为2 154nm、2 221nm，相关系数为-0.562、-0.557。可见，不同截形叶螨危害等级下一阶微分光谱对枣叶片叶绿素含量具有较强敏感性。

图2 不同截形叶螨危害等级枣叶片光谱反射率与叶绿素含量的相关性Fig.2 Correlation between spectral reflectance and chlorophyll content of jujube leaves at different grades of Tetranychus truncatus Ehara damages

2.3 不同截形叶螨危害等级枣叶片一阶微分光谱反射率与叶绿素含量的高光谱估算模型

以不同截形叶螨危害等级下枣叶片叶绿素含量与一阶微分光谱的相关分析结果为依据，以筛选出的单一敏感波段和双敏感波段分别为自变量（R′）（见“2.2”），对应叶片叶绿素含量为因变量（Y），用SPSS分析构建线性回归模型（表1）。从表1可以看出，5个危害等级下叶绿素含量回归模型的拟合度都比较高，且除3级外，双敏感波段回归模型的拟合度均高于单一变量模型。其中，0级危害等级下双变量回归模型的拟合度最高，达到了0.810，而3 级模型拟合效果相对较差。由此说明双变量模型能够在很大程度上提高模型的拟合效果，可以选择双变量模型作为不同截形叶螨危害等级下枣叶片叶绿素含量的最优估测模型。

表1 不同截形叶螨危害等级叶绿素含量与枣叶片光谱变量的回归关系Table 1 Regression relationship between chlorophyll content of different grades of Tetranychus truncatus Ehara damages and spectral variables of jujube leaves

2.4 不同截形叶螨危害等级模型精度评价

为进一步检验双变量回归模型的适用性，不同截形叶螨危害等级均选择1／3的样本为检验样本来验证模型的适用性。选取实测值与估测值的模型拟合优度R2为主要依据，并结合相对误差（RE）和均方根误差（RMSE）对回归模型进行检验，得到实测值与估测值比较结果（表2）。根据模型稳定性和精确性的判别标准，R2值越大，RE和RMSE 越接近于0，说明模型的相关性越大，拟合误差越小，建模效果越好。

表2 不同截形叶螨危害等级枣叶片叶绿素含量的实际值和估测值统计结果Table 2 Actual and estimated result of chlorophyll content in leaves of jujube leaves with different grades of Tetranychus truncatus Ehara damages

从表2可以看出，不同危害等级回归模型拟合优度R2值相对都比较高，除3级模型外，模型拟合优度均在0.600以上，说明构建估测模型的拟合精度较高。其中，0 级的R2最高，达到0.869，1 级、2 级、4 级 模 型 拟 合 优 度R2均 在0.600以上，而3 级检验模型拟合度最低，R2为0.469。从RE 和RMSE 指 标 来 看，0 级 的RMSE 低于0.1，RE 低 于0.05，1 级、2 级、3 级的RMSE 在0.15以下，RE 在0.1以下，4级的RMSE 在0.25以下，RE 在0.2以下，可见不同等级回归模型的RE 和RMSE 指标都比较接近于0，说明所构建的估测模型拟合精度相对较高。从模型拟合优度R2、相对误差（RE）和均方根误差（RMSE）指标来看，利用光谱数据估测不同截形叶螨危害等级枣叶片叶绿素含量的双变量回归模型拟合精度都比较高，模型具有一定的适用性。

3 讨 论

本研究通过分析不同截形叶螨危害等级下枣叶片的光谱特征，筛选不同截形叶螨危害等级枣叶片叶绿素含量的光谱敏感波段，并建立线性回归估测模型，为新疆林果虫害科学、高效监测与预警提供技术参考。

不同截形叶螨危害等级枣叶片的光谱特征存在一定的差异，呈现出随叶螨危害等级的升高光谱反射率逐级下降的趋势，说明由于叶螨的危害程度不同，枣叶片受损程度也表现出一定的差异。截形叶螨通过吸食枣叶片汁液，导致叶片内部叶绿素含量、水分、化学组成等相应发生变化，叶片出现黄化等失绿现象。唐周怀等［23］学者研究发现，随截形叶螨的种群数量达到高峰时，叶片中叶绿素含量会减少，导致叶片光合强度降低，从而导致光谱反射率显著降低。倪健等［24］发现赤松（Pinus densiflora）针叶受赤松毛虫（Dendrolimus spectabtlis）危害后，叶绿素含量减少，红界光谱曲线拐点“蓝移”。这些证据都充分说明植被受到食叶性虫害的入侵后，都会影响植被叶片内叶绿素含量的变化，从而使对叶绿素等色素敏感的光谱波段产生相应变化。

在植被叶片光谱与叶绿素含量相关关系分析方面，大量研究结果表明一阶微分光谱变化方式能够增强其与反演元素的相关关系［25-32］。向荣等［33］发现严重危害中国松树（Pinus massoniana Lamb）健康的松材线虫病（Bursaphelenchus xylophilus）的高光谱敏感波段与叶绿素的含量之间存在着良好的线性关系，且相关系数甚至达到0.900。李恒凯等［34］研究甜柚（Citrus maxima）发现一阶光谱在692和752nm 处的反射率与叶绿素含量相关性最高，所构建的逐步回归模型精度最好，决定系数高达0.869。这是因为一阶微分数据处理能够有效减弱噪声源的影响，从而增强观测目标的光谱。本研究也认为枣叶片一阶微分光谱与其叶绿素的相关性优于原始微分光谱。但从相关系数取值来看，本研究中5个危害等级下枣叶片一阶微分光谱与其叶绿素含量的相关系数相对偏低，为0.600 左右，低于前人的研究结果。这是由于本研究中衡量枣受截形叶螨危害程度的等级划分是以单株树体为单位开展的，采样中以单株树体的混合叶样为样本单元，分别测定叶片的光谱反射率数据和叶绿素含量，而不是以实测每片叶的光谱和叶绿素含量。采用这种方式获取数据的原因主要是为了与现实中植被虫害等级测定标准保持一致，探索利用光谱数据开展虫害检测的技术途径。在以单株为单位的叶片光谱实际测定过程中，由于叶片或多或少存在卷曲情况，所获光谱数据为多个叶片的混合光谱，这可能是本研究中相关系数相对较低的主要原因。

国内外许多学者都开展利用植被叶片光谱估测叶绿素含量的研究工作，并且取得了较好的结果。Adams等［35］利用大豆（Glycine max L.）黄痿病光谱一阶导数选择的发黄指数对病情程度进行了评价。许章华等［36］分析了不同马尾松毛虫（Dendrolimus punctatus Walker）虫害等级光谱反射率及一阶微分光谱特征，发现虫害等级越高，反射率越低，拟合度均达0.85以上。在虫害危害程度研究中，吴彤等［37］建立高光谱特征参数与芦苇叶面积指数（LAI）的关系模型，利用虫害光谱指数（DSI）对研究区东亚飞蝗（Oriental migratorylocust）的危害程度划分为未受危害、轻度危害和严重危害。本研究也得到类似的结果。此外，由于不同截形叶螨危害等级的均方根误差、相对误差的数值差异相对较大，今后仍需在多个区域开展研究，以提高模型的适用性。

4 结 论

不同截形叶螨危害等级下新疆南疆枣叶片叶绿素含量与光谱反射率存在敏感光谱指示波长，可利用一阶微分光谱反射率的敏感波段为自变量，采用线性回归模型建立不同截形叶螨危害等级的枣叶片叶绿素含量的光谱估算模型。表明应用光谱技术对不同截形叶螨危害等级的枣叶片叶绿素含量进行定量适时估测是可行的，在叶螨虫害信息检测方面有较大的应用潜力。