基于叶片光谱分析的烟草马铃薯Y病毒病严重度诊断

刘勇昌，耿 丽，高 强，宋晓欣，王新伟*，任广伟

1.中国农业科学院烟草研究所，山东省青岛市崂山区科苑经四路11号 266101 2.山东临沂烟草有限公司沂水分公司，山东省沂水县长安中路86号 276400 3.河南省农业科学院植物保护研究所，郑州市农业路与经五路交叉口 450002

病害严重影响作物的产量和品质，对病害的发生种类和严重度进行准确监测是开展有效防控的前提。目前植物病害的监测方法可分为直接和间接方法，其中直接方法主要包括血清学和分子生物学等方法，间接方法主要包括基于生物标志物的监测方法和基于植物的光谱监测方法等［1]。高光谱遥感是一种基于植物的光谱监测方法，借助相关仪器设备，能够探测到某些特定波段上的详细信息，该方法具有快速、精准和无损等优点，已在多种农作物病虫害的监测预警中进行了相关研究［2-4]。作物病虫害的光谱特征波段主要分布在可见光波段、近红外波段和荧光波段，并且随着作物种类、病害类型和病害严重度等的不同而有所差异，这是高光谱遥感监测烟草病虫害的基础［5-6]。目前关于植物病害的高光谱遥感数据源主要是借助光谱仪获取室内和大田作物的病害光谱数据［7]。基于田间获得的病害光谱数据，国内外学者利用多种算法建立了作物病害严重度的预测模型。Yuan等［8]采用Fisher线性判别分析法和偏最小二乘回归方法分别建立了条锈病、白粉病和蚜虫为害小麦叶片的光谱反射率判别模型和等级估计模型；朱耀辉等［9]分别运用支持向量机和光谱指数方法进行了冬小麦全蚀病的等级划分，证明了基于径向基核函数支持向量机方法是小麦全蚀病危害程度监测的有效手段；张庆等［4]以白粉病侵染的小麦叶片高光谱数据为研究对象，通过概率神经网络方法建立了病害严重度等级的分类识别模型，总体识别精度可达到88%。

在基于光谱数据的烟草病虫害监测预警方面已有相关研究报道，主要是针对烟草花叶病毒建立了多种病害严重度的预测模型，例如一阶导数光谱回归模型［10]、最小二乘-支持向量机模型、偏最小二乘判别分析模型［11]和偏最小二乘法回归模型［12]。马铃薯Y病毒（Potato virus Y，PVY）是一种重要的植物病毒，可侵染烟草、马铃薯等多种农作物，严重影响作物的产量和品质［13]，该病害在我国各烟区均有发生且防治较为困难。对于烟田发生的马铃薯Y病毒病害，Krezhova等［14]通过对PVY侵染烟草的光谱数据的导数分析，初步表明利用光谱分析方法监测烟草上马铃薯Y病毒病的可行性，但是尚未见有关预测模型的报道。本研究中借助高光谱仪器获得了烟草感染PVY后不同严重度叶片的光谱数据，筛选出光谱反射率与病害严重度显著相关的敏感波长，并采用逐步线性回归分析方法建立烟草感染PVY后不同严重度的预测模型，可为马铃薯Y病毒病的无损监测预警以及科学防控提供依据。

1 材料与方法

1.1 供试材料

试验地点为中国农业科学院烟草研究所即墨试验基地。马铃薯Y病毒坏死株系PVYN和K326种子均由中国农业科学院烟草研究所植物保护研究中心提供，PVY毒源保存于温室培养的普通烟草（Nicotiana tabacum）品种K326上。在人工气候室内定期培养K326烟苗，培养至7～8片叶期用于人工接种PVY，病毒接种方法参考陈茜等［15]的方法。培养条件为光周期为14L∶10D、温度（25±1）℃、相对湿度65%±5%。

1.2 烟草叶片光谱数据的测量

采用ASD Field Spec4便携式地物光谱仪（美国ASD公司）的手持式叶片夹测量各处理的烟草叶片光谱数据，叶片夹内有石英卤化灯光源和反射光接收探头。烟草接种PVY 7 d后开始测量，选择长势一致的烟株，每株烟株视为一个样本，分别选择烟株上、中、下叶位各1片叶，每个叶片按照叶基、叶中和叶尖部位（避开叶脉）均匀测量光谱反射率6次，取其平均值作为整株（1个样本）的光谱曲线。测量前，参考GB/T 23222—2008烟草病虫害分级调查方法［16]确定烟草马铃薯Y病毒病严重度，即0、1、3、5、7和9级，每隔2 d观察烟株病情发展，选择满足严重度等级要求的烟株进行测量，共获得烟草马铃薯Y病毒病不同严重度的叶片光谱数据样本588个（表1）。

表1 感染PVY的烟草叶片光谱数据样本统计Tab.1 Sample statistics for spectral data of PVY-infected tobacco leaves

1.3 数据处理

1.3.1 数据预处理

通过ASD Field Spec4自带的View Spec Pro软件，经过波谱降维和剔除异常值等数据预处理，获得了相关光谱数据。在此基础上，绘制感染PVY后不同严重度烟草的光谱反射率曲线。

1.3.2 不同病害严重度烟草的敏感光谱波长筛选和预测模型构建

将马铃薯Y病毒病不同严重度等级（0～9）与其对应的每个波段下的光谱反射率值进行一元线性回归分析，获得决定系数（R2）和P值，R2越大且越接近1时，表明回归直线对观测值的拟合程度越好，自变量和因变量之间的相关性高；P<0.01则可以否定无效假设，表明两者具有显著差异意义，从而根据决定系数和P值筛选出相关性显著的敏感波长。

输入自变量时，本研究中采用两种方法：一是基于一元线性回归筛选出的敏感波长作为自变量，采用前向逐步回归法建立病害严重度等级的预测模型。二是以波段范围（350～2 500 nm）内合计2 151个波长作为自变量，由于自变量越多，模型参数估计就越不精确，导致模型的鲁棒性越差，影响模型应用的效果，本研究中设置了进入模型的数量分别为1、2、3、4和5，即筛选出最优模型所含的自变量分别为1、2、3、4和5个，采用前向逐步回归法建立病害严重度等级的预测模型。在建模和预测分析中对样本数据采用随机分层法，根据病害严重度等级进行分层分割，各层的80%样本用作训练数据集，各层的20%样本作为预测数据集（表1）。所有的数据分析均在R语言（3.6.2）内完成。

计算模型准确度时，将烟草马铃薯Y病毒病严重度划分为轻度（0、1级）、中度（3、5级）、重度（7、9级）3个等级。预测结果y<3属于轻度，3≤y<7属于中度，y≥7属于重度，符合样本占预测样本数量的百分比即为模型的预测准确度。

2 结果与分析

2.1 不同病害严重度烟草的光谱反射率变化

烟草感染马铃薯Y病毒病后，病害严重度不同，不同波段范围内的光谱反射率也有明显差异，其变化趋势如图1所示。在可见光波段（400～700 nm）内，随着病害严重度增加，叶片光谱反射率呈现逐渐升高的趋势。在近红外波段（700～1 300 nm）内，随着病害严重度增加，叶片光谱反射率呈现逐渐降低的趋势。表明在不同波段范围内，存在不同病害严重度的差异明显波段。

2.2 不同病害严重度烟草的敏感光谱波长筛选

通过一元线性回归分析获得马铃薯Y病毒病严重度与各波段光谱反射率的一元回归决定系数和P值（图2），其中病害严重度与可见光波段（400～700 nm）和近红外波段（700～1 300 nm）的光谱反射率具有显著相关性（P<0.01），所构建的回归方程对观测值的拟合程度较好（决定系数接近1），在此基础上根据决定系数和P值进一步筛选出与病害严重度等级显著相关的敏感波长453、518、540、572、708、715、775、780和1 000 nm。

2.3 不同病害严重度的预测分析

基于上述筛选出来的敏感波长组合（453、518、540、572、708、715、775、780和1 000 nm），利用逐步回归方法构建了6个烟草马铃薯Y病毒病严重度等级诊断模型（表2），并进行了结果验证（表3）。不同模型的精度和预测准确度有一定差异，其中基于波长组合（453、518、572、708和775 nm）所建立的逐步回归诊断模型为y=92.40x708-47.91x775+322.72x572-4 161.84x518+3 774.54x453+27.81，该模型的验证决定系数（R2）为0.67，均方根误差（RMSE）为1.97，对轻度、中度和重度病害的预测准确度分别为86.67%、91.67%和77.78%，总体准确度为83.84%，建模和验证精度以及模型的准确度均为最佳，优于其他敏感波长组合所构建的模型。

表2 基于烟草光谱反射率构建的马铃薯Y病毒病严重度诊断模型①Tab.2 Diagnostic model for PVY severity based on tobacco spectral reflectance

表3 不同诊断模型的预测准确度Tab.3 Prediction accuracy of different diagnostic models（%）

3 讨论

本研究中借助高光谱仪器获取了PVY侵染烟草后不同病害严重度烟草的光谱数据，经过一系列的数据处理，筛选出了与病害严重度相关性显著的波长。其中在可见光波段（400～700 nm）内，光谱反射率与严重度达到了显著相关（P<0.01），并且随着病害严重度增加，叶片光谱反射率呈现逐渐升高的趋势，差异显著，这与多数研究结论是一致的［10-12，17-18]。据文献报道，光谱反射率曲线的可见光波段主要反映了叶片表面的结构特点，烟草受到病毒病的侵染后，烟草中部分光学系统对光吸收的色素减少，无法正常吸收辐射，从而不能形成标准的吸收谷，在可见光波段内呈现较高的反射率［19]。在近红外波段（700～1 300 nm）内，光谱反射率与病害严重度达到了显著相关（P<0.01），并且随着病害严重度增加，叶片光谱反射率呈现逐渐降低的趋势，差异显著，这与其他烟草病害的相关研究结论一致［20]。其中的原因是光谱反射率曲线的近红外波段主要反映了整个叶片内部的生化组分含量。烟草受到病毒病的侵染后，叶片对近红外辐射的反射能力减弱，导致在可见光区域呈现较低的反射率。说明烟草感染PVY后，不同病害严重度的烟草在不同波段范围内具有显著差异的波段，可以利用光谱方法来诊断该病害的严重度。

本研究中在筛选出具有显著差异的敏感波长基础上，利用逐步线性回归分析方法建立了马铃薯Y病毒病严重度诊断模型，经过模型检验，筛选出总体准确度最佳为83.84%的模型。该模型的预测准确度还有待提高，下一步可以考虑加大取样数量并优化提取光谱参量算法，从而建立具有更高准确度的反演模型。另外，本研究是在室内人工接种条件下，借助高光谱非成像光谱仪在叶片尺度上实现了烟草马铃薯Y病毒病严重度的诊断。为了提高所建模型的可靠性和实用性，下一步可以考虑在更为复杂的大田环境下，利用高光谱成像光谱仪在烟草冠层尺度上，进行马铃薯Y病毒病严重度诊断，同时应加大取样数量以提高预测准确度。

4 结论

PVY侵染烟草后，不同严重度的烟草在特定波段内的光谱反射率具有显著差异。随着严重度增加，叶片光谱反射率在可见光波段（400～700 nm）内呈现逐渐升高的趋势，在近红外波段（700～1 300 nm）呈现逐渐降低的趋势。利用逐步回归法建立预测模型，可基于光谱分析方法实现对烟草马铃薯Y病毒病严重度的诊断。