基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究

合集下载

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测随着农业现代化的推进,农作物养分管理显得愈加重要。

氮素是植物生长的重要养分之一,对促进植物生长、提高产量和改善品质起着至关重要的作用。

准确、快速地检测植物叶片中的氮素含量对农业生产至关重要。

高光谱技术是近年来在农业领域应用广泛的一种无损检测技术。

它能够通过测量物体在不同波长下的反射率来获取物体的光谱特征,进而进行物质成分分析。

对于棉花叶片的氮素检测,高光谱技术具备以下优势:高光谱技术提供了丰富的光谱信息,可以获取多个波段下的光谱反射率,从而对不同波段下植物的吸收光谱进行研究;高光谱技术的数据处理方法先进,能够通过建立与植物养分含量相关的多元线性模型,实现对植物养分含量的准确预测;高光谱技术非接触式测量,不会对样品造成破坏,具备高时空分辨率,适用于大规模的棉花叶片氮素检测。

高光谱技术在棉花叶片氮素检测中的应用主要分为两个方面:光谱反射率与氮素含量的相关分析和氮素含量的预测模型建立。

通过分析光谱反射率与棉花叶片氮素含量之间的相关关系,可以找到与氮素含量相关的光谱波段。

研究表明,棉花叶片在近红外波段和绿光波段的光谱反射率与氮素含量呈现出一定的相关性。

利用这种相关性,可以通过高光谱图像获取棉花叶片的光谱信息,并通过相应的算法分析光谱反射率与氮素含量之间的关系,实现对棉花叶片氮素含量的精确检测。

通过建立预测模型,可以通过棉花叶片的高光谱图像预测氮素含量。

预测模型的建立主要依靠光谱反射率与棉花叶片氮素含量之间的相关关系。

研究表明,基于高光谱数据的回归分析能够有效地预测棉花叶片的氮素含量。

目前常用的预测模型有多元线性回归、偏最小二乘回归、支持向量机等。

这些模型可以通过对光谱数据与参考数据进行训练,建立稳定可靠的氮素预测模型,并对未知样本进行预测,进而实现棉花叶片氮素含量的无损检测。

基于高光谱的棉花叶片氮素检测是一种准确、快速、无损的检测方法,能够实现对大规模棉花叶片氮素含量的精确检测和预测。

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测
高光谱技术是一种能够获取物体在很多特定波束上的反射光谱信息的遥感技术。

它广泛应用于农业领域,可以提供有关作物生长和营养状况的信息。

本文将介绍基于高光谱的棉花叶片氮素检测方法及其应用。

该方法的基本原理是利用植物叶片在不同波长的光照下对光的反射和吸收的差异。

生物组织中的物质对光的吸收和散射具有特殊的光谱特征。

通过测量棉花叶片在不同波长的光照下的反射光谱,可以得到叶片中氮素含量与光谱的关系。

利用这种关系,可以通过分析叶片的光谱,推测叶片中的氮素含量。

具体的测量方法包括选择合适的光谱范围和波束,使用光谱仪或高光谱成像仪等设备对棉花叶片进行光谱测量。

测量得到的光谱数据经过预处理和分析,可以提取出与氮素含量相关的特征。

然后,通过建立氮素含量与光谱特征之间的数学模型,可以预测棉花叶片中的氮素含量。

该方法的优点是非损伤性、快速高效、准确可靠。

相比于传统的化学方法,高光谱技术可以同时对多个叶片进行氮素检测,大大提高了检测的效率。

高光谱技术可以获取叶片中的详细光谱信息,可以更好地了解叶片的生理状态,并进一步探究氮素对叶片生长和营养状况的影响,为农业管理提供科学依据。

总结而言,基于高光谱的棉花叶片氮素检测方法能够快速、准确地获取大量叶片样本的氮素含量信息,提高检测效率和精度。

该方法为棉花生长和管理提供了一种新的手段,有望在棉花产量和质量的评估与调控中发挥重要作用。

棉花主要栽培生理参数的高光谱估测研究

棉花主要栽培生理参数的高光谱估测研究

棉花主要栽培生理参数的高光谱估测研究王登伟;李少昆;田庆玖;黄春燕;曹连莆;肖春华;马亚琴;杨新军【期刊名称】《中国农业科学》【年(卷),期】2003(036)007【摘要】应用地物光谱仪获取近地高光谱遥感数据,用高光谱技术提取和估计棉花主要栽培生理参数.结果表明,棉花叶片具有绿色植物典型的反射光谱曲线特征;早衰的棉花反射光谱红谷区谷低变浅,最小波段光谱反射率Ro及数值积分面积SRo增大,与叶片光合速率呈显著负相关.经逐步回归分析,确定的一阶微分光谱值与棉叶叶绿素浓度的最大相关系数是0.7344**(n=21),发生在750nm波段处;群体叶面积指数(LAI)与归一化差值植被指数(ND-VI)呈很好的对数相关关系;红边、蓝边、黄边每边的积分面积积累了多波段信息,在估测棉花冠层叶片全氮含量中有较大的应用潜力.研究建立了棉花主要栽培生理参数叶绿素含量、LAI和冠层叶片全氮含量等的遥感估测统计模型.【总页数】5页(P770-774)【作者】王登伟;李少昆;田庆玖;黄春燕;曹连莆;肖春华;马亚琴;杨新军【作者单位】石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;中国农业科学院作物育种栽培研究所/;南京大学国际地球系统科学研究所,南京,210093;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003;石河子大学新疆作物高产研究中心/新疆兵团绿州生态农业重点实验室,石河子,832003【正文语种】中文【中图分类】S561【相关文献】1.小麦叶层氮含量估测的最佳高光谱参数研究 [J], 姚霞;朱艳;田永超;冯伟;曹卫星2.病害胁迫下棉花叶片色素含量高光谱遥感估测研究 [J], 陈兵;李少昆;王克如;王方永;肖春华;潘文超3.基于高光谱特征参数荒漠草原生物量估测研究 [J], 殷晓飞;王春光;王海超;张文霞;宗哲英;张海军4.西双版纳普洱茶叶片生化参数高光谱估测模型研究 [J], 谢福明;舒清态;字李;吴荣5.水分胁迫下棉花冠层叶片氮素状况的高光谱估测研究 [J], 马亚琴;包安明;王登伟;孙莉;黄春燕;冯宪伟;肖春华;杨新军因版权原因,仅展示原文概要,查看原文内容请购买。

基于SPAD 值的棉花氮素营养诊断研究

基于SPAD 值的棉花氮素营养诊断研究

2019·12表1试验地基础肥力指标碱解氮(mg/kg )速效磷(mg/kg )速效钾(mg/kg )有机质(g/kg )pH 含量76.0686.12278.0018.017.4基于值的棉花氮素营养诊断研究杨平(浙江大学农业试验站浙江杭州摘要:传统的作物氮肥营养诊断耗时耗力,针对这一问题设置0kg/hm 2、160kg/hm 2、320kg/hm 2和480kg/hm 24种施氮量,分别记为N0、N160、N320和N480,研究4种施氮量下棉花倒四叶与叶色值(SPAD 值)之间的关系,旨在为棉花氮肥营养的实时监测提供一种新手段。

结果表明,在蕾期和盛花期棉花叶片倒四叶氮含量与SPAD 值的相关性分别达0.8617和0.8223,说明可以用SAPD 值来实施监测棉花氮肥营养,从而科学指导棉花氮肥的施用。

关键词:SPAD 值;棉花;氮素;营养诊断新疆因日照充足、热量资源丰富以及滴灌系统普及,现如今已经成为我国高产优质的棉花主产区之一[1]。

氮肥是作物生长的三要素之首,对于作物的营养生长和生殖生长具有重要的调节作用,然而北疆棉农在氮肥的施用上往往是过量施用,不仅造成了资源的浪费,同时对生态环境也造成了破坏[2-3]。

针对这一情况,本试验以新陆早48号为试验材料,通过测定蕾期和盛花期棉花倒四叶的叶色值(SPAD 值),叶片氮含量,研究SPAD 值与叶片氮含量二者的关系,旨在为棉花的氮肥的营养诊断提供一种新的思路,为指导田间施肥提供科学依据与理论支撑。

1材料与方法1.1试验设计试验于2016年在新疆乌兰乌苏农业气象试验站进行,供试棉花品种为新陆早48号(新疆惠远种业选育),试验设置4个施氮量处理,分别为施纯氮0kg/hm 2、160kg/hm 2、320kg/hm 2和480kg/hm 2,记为N0、N160、N320和N480,氮肥为尿素(含氮46%),磷肥为重过磷酸钙(P 2O 5,含量为46%),钾肥为硫酸钾(K 2O ,含量50%)。

基于无人机多光谱遥感的棉花黄萎病识别及产量损失估算

基于无人机多光谱遥感的棉花黄萎病识别及产量损失估算

基于无人机多光谱遥感的棉花黄萎病识别及产量损失估算基于无人机多光谱遥感的棉花黄萎病识别及产量损失估算摘要:棉花黄萎病是一种常见的棉花病害,严重影响着棉花的产量和质量。

传统的疫情调查方法存在效率低、覆盖面狭窄等问题。

本研究基于无人机多光谱遥感技术,开展了对棉花黄萎病的识别和产量损失估算研究。

通过收集实地数据并运用遥感技术,构建出一个高效、准确的棉花黄萎病识别和产量损失估算模型。

实验结果表明,该方法能够有效地对棉花黄萎病进行准确识别,并提供可靠的产量损失估算结果,为棉花病害防控提供了有力的支持。

关键词:无人机;多光谱遥感;棉花黄萎病;产量损失估算1.引言棉花作为我国重要的经济作物之一,其产量和质量问题一直备受关注。

然而,由于种植环境的复杂性和病虫害的多样性,棉花的病害防控一直是农民们面临的巨大挑战之一。

其中,棉花黄萎病是一种常见的病害,严重影响着棉花的产量和质量。

2.研究方法2.1 数据采集我们选择了病程期的棉花黄萎病叶片和健康叶片进行数据采集。

利用无人机搭载的多光谱相机,对棉花田进行高空航行,以获取光谱数据。

同时,在航行过程中,我们还采集了高空图像,用以与光谱数据进行配准。

2.2 数据处理通过无人机搭载的多光谱相机,我们获得了大量的光谱数据。

针对这些数据,我们首先进行了预处理和校正,以保证数据的准确性和可靠性。

然后,我们选择了几个具有代表性的波段,进行了特征提取和筛选。

2.3 棉花黄萎病识别模型基于光谱和图像数据,我们设计了一个高效的棉花黄萎病识别模型。

该模型结合了特征提取算法和机器学习算法。

在特征提取方面,我们利用了多光谱数据中的波长差异,并考虑了不同波段之间的相互作用。

在机器学习方面,我们采用了支持向量机(SVM)算法进行分类。

3.实验结果与分析通过对实地数据的采集和处理,我们构建了一个高效、准确的棉花黄萎病识别模型。

在模型的测试阶段,我们对多个样本进行了验证。

结果表明,该模型能够对棉花黄萎病进行准确识别,分类精度达到了90%以上。

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测

基于高光谱的棉花叶片氮素检测近年来,随着生物技术和农业面临的挑战日益增加,高光谱技术在植物氮素检测中得到了广泛应用。

棉花是我国的重要经济作物之一,其生长和产量与氮素素含量密切相关。

因此,开发一种高效的棉花叶片氮素检测方法至关重要。

高光谱技术是一种实时、非破坏性的检测方法,能够在非接触和高效的情况下,对物质进行分析。

通过测量材料在不同波段的反射光谱,可以获得从400-2500 nm波段内的所有精细结构。

在植物氮素检测中,高光谱技术通过分析植物叶片反射光谱中氮素的吸收带,可以高精度地获得叶片氮素含量。

在棉花叶片氮素检测中,高光谱技术主要应用于同化物质和蛋白质的声称和吸收带研究。

该技术可获取从400-2500 nm波段内的反射光谱,通过对峰位和峰谷进行分析,可以得出棉花叶片氮素含量。

据研究表明,在反射光谱的800-1000 nm和1400-1700 nm波段内,叶片氮素含量与反射光谱呈现明显的相关性,因此这些波段是棉花叶片氮素含量测量的最佳波段。

在这些波段内,通过应用主成分分析法,可以进一步提高棉花叶片氮素含量的精确度。

本研究采用了高光谱技术,对棉花叶片样本进行了氮素含量检测。

首先,我们在实验室内收集了多个棉花叶片样本,并在不同氮素含量下进行处理。

然后,我们在光谱仪上对每个样本的反射光谱进行了记录,并对数据进行了处理和分析。

最终,我们得出了棉花叶片样本的氮素含量,并验证了高光谱技术在棉花叶片氮素检测中的高精度和效率。

总之,高光谱技术是一种极具潜力的棉花叶片氮素检测方法。

通过应用该技术,可以高精度地检测棉花叶片的氮素含量,并为农业生产提供更好的服务。

棉花病虫害遥感监测研究进展

㊀山东农业科学㊀2024ꎬ56(4):164~171ShandongAgriculturalSciences㊀DOI:10.14083/j.issn.1001-4942.2024.04.021收稿日期:2023-04-12基金项目:山东省自然科学基金项目(ZR2021MD091)ꎻ山东省引进顶尖人才 一事一议 专项经费(鲁政办字 2018 27号)资助项目ꎻ国家自然科学基金项目(51606113)作者简介:胡连槟(1997 )ꎬ男ꎬ山东潍坊人ꎬ硕士研究生ꎬ研究方向为农业信息化与电气化ꎮE-mail:1906800883@qq.com通信作者:李永军(1968 )ꎬ男ꎬ内蒙古赤峰人ꎬ高级实验师ꎬ主要从事农业生物环境与能源工程研究ꎮE-mail:liyongjun@sdut.edu.cn棉花病虫害遥感监测研究进展胡连槟1ꎬ兰玉彬1ꎬ于海琳1ꎬ张帅领1ꎬ田秉权1ꎬ王小丽1ꎬ王泽生2ꎬ赵静1ꎬ李永军1(1.山东理工大学农业工程与食品科学学院ꎬ山东淄博㊀255000ꎻ2.滨州市滨城区农喜棉花专业合作社ꎬ山东滨州㊀256600)㊀㊀摘要:病虫害严重威胁棉花的产量与质量ꎬ阻碍棉花产业的发展ꎬ传统人工田间调查病虫害发生状况的方法难以满足大范围病虫害监测预报的需求ꎮ遥感监测技术可以无损获取棉花表型信息ꎬ能快速㊁大面积解译病虫害发生程度及空间分布信息ꎬ已发展成为棉花病虫害监测的重要途径ꎮ本文阐述了棉花病虫害近地㊁低空㊁卫星遥感监测的研究进展ꎬ总结了现有发展面临的问题ꎬ并对未来的研究方向和应用前景进行了展望ꎬ以期为棉花病虫害遥感监测研究提供指导和建议ꎮ关键词:遥感监测ꎻ棉花病虫害ꎻ光谱响应ꎻ识别预测ꎻ研究进展中图分类号:S127:S435.62㊀㊀文献标识号:A㊀㊀文章编号:1001-4942(2024)04-0164-08ResearchProgressonRemoteSensingMonitoringofPestsandDiseasesinCottonHuLianbin1ꎬLanYubin1ꎬYuHailin1ꎬZhangShuailing1ꎬTianBingquan1ꎬWangXiaoli1ꎬWangZesheng2ꎬZhaoJing1ꎬLiYongjun1(1.CollegeofAgriculturalEngineeringandFoodScienceꎬShandongUniversityofScienceandTechnologyꎬZibo255000ꎬChinaꎻ2.NongxiCottonProfessionalCooperativeꎬBinchengDistrictꎬBinzhouCityꎬBinzhou256600ꎬChina)Abstract㊀Pestsanddiseasesseriouslythreatentheyieldandqualityofcottonꎬhinderingthedevelop ̄mentofcottonindustry.Thetraditionalmanualfieldsurveymethodcanhardlymeettheneedsoflarge ̄scalemonitoringandforecastingofpestsanddiseases.Remotesensingmonitoringtechnologycanobtaincottonphe ̄notypicinformationnondestructivelyꎬanddeciphertheoccurrencedegreeandspatialdistributioninformationofpestsanddiseasesquicklyandwidelyꎬwhichhasdevelopedintoanimportantwaytomonitorcottonpestsanddiseases.Inthispaperꎬtheresearchprogressofnear ̄earthꎬlow ̄altitudeandsatelliteremotesensingmoni ̄toringofcottonpestsanddiseaseswasdescribedꎬtheproblemsfacedbytheexistingdevelopmentwassumma ̄rizedꎬandthefutureresearchdirectionandapplicationforegroundwasprospectedꎬhopingtoprovideguidanceandsuggestionsfortheresearchonremotesensingmonitoringofcottonpestsanddiseases.Keywords㊀RemotesensingmonitoringꎻCottonpestsanddiseasesꎻSpectralresponseꎻIdentificationandpredictionꎻResearchprogress㊀㊀棉花是重要的经济作物和纺织工业原料[1]ꎬ中国是世界上最大的棉花生产与消费国[2-3]ꎬ种植区集中于西北新疆内陆及两河流域[4]ꎮ近年来全球气候变化加剧ꎬ世界范围内棉花种植面积逐渐减小ꎬ但棉花病虫害暴发愈加频繁ꎬ从成灾范围到危害程度均呈现逐年增加的趋势ꎬ并有防治管控后再次出现大规模传播或暴发的迹象ꎬ严重影响棉花产量与质量ꎬ因此棉花病虫害的及时监测预报与防治成为棉花种植业健康稳定发展的重要保障ꎮ棉花常见病虫害有黄萎病㊁立枯病㊁烂铃病㊁棉蚜虫㊁棉铃虫㊁棉盲蝽㊁棉红蜘蛛等[5]ꎮ传统病虫害监测依赖人工田间调查ꎬ监测效果取决于调查人员的数量及经验丰富度ꎬ效率低且时效性差[6]ꎬ难以适应日渐复杂的田间病虫害发生形势ꎮ遥感技术的飞速发展为病虫害监测预警提供了新的途径ꎬ该技术以 非接触 的方式对目标 放射诊断 ꎬ可通过快速㊁高效㊁大面积获取作物特征并分析其变化实现对病虫害的监测[7]ꎬ已被广泛应用于农作物病虫害监测领域ꎮ本文介绍了常见的棉花病虫害遥感监测平台ꎬ综述了国内外棉花病虫害近地㊁低空㊁卫星遥感监测的研究现状及现阶段棉花病虫害遥感监测研究的热点ꎬ探讨了棉花病虫害遥感监测所面临的问题与挑战ꎬ并对未来的研究方向进行了展望ꎮ1㊀病虫害遥感监测平台掌握病虫害暴发征兆及规律ꎬ可减少病虫害导致的经济损失ꎮ传统的农作物病虫害调查方法存在效率低㊁信息滞后等缺点ꎬ无法大面积准确监测发病程度及波及范围ꎮ20世纪以来ꎬ遥感技术快速发展并被广泛应用于多个领域ꎬ其可在大范围内连续获取空间地物信息ꎬ使快速准确捕获作物病虫害发生状态成为可能[8-10]ꎮ遥感技术具有高灵敏度㊁非接触㊁高分辨率等优势ꎬ已成为大范围作物病虫害监测的研究热点ꎮ根据遥感监测的尺度ꎬ可将现有遥感监测平台分为地面遥感监测㊁无人机遥感监测和卫星遥感监测ꎬ如表1所示ꎮ表1㊀多尺度病虫害监测平台及特点监测平台监测尺度特点及应用典型设备地面遥感监测叶片尺度光谱特征准确ꎬ观测范围小ꎬ成本较高ꎮ常搭配农机使用ꎬ可辅助喷药等高光谱成像仪(Headwall)地物高光谱仪(PSR1100-f)荧光成像系统(FluorCam)无人机遥感监测冠层尺度观测范围较大ꎬ成本较高ꎬ精度较高ꎮ常搭配飞行器使用ꎬ可输出田间病虫害处方图等成像多光谱仪(MS-4100)成像高光谱相机(PHLꎬOMIS)热红外成像仪(FLIR)卫星遥感监测区域尺度观测范围大ꎬ成本低ꎮ以遥感卫星为数据源ꎬ可区域尺度监测和预警病虫害发生等多光谱卫星(LandsatꎬIKONOS)高光谱卫星(Hyperion)热红外卫星(AsterꎬHJ)㊀㊀常用于作物病虫害遥感监测的传感器主要有高光谱仪㊁多光谱仪㊁可见光数码相机㊁红外成像仪㊁激光雷达等(表2)ꎮ现有的病虫害遥感研究多涉及多尺度观测和分类建模ꎬ形成了较完善的遥感数据获取㊁处理㊁监测流程ꎮ多源遥感融合㊁深度学习解析㊁构建鲁棒性更好的监测模型是未来的研究方向与必然趋势ꎮ表2㊀作物病虫害遥感监测常用传感器信息传感器电磁波类型测量指标优势劣势应用领域多光谱仪可见光㊁红光㊁近红外光氮素㊁水分㊁覆盖度㊁生物量等波段较多㊁成本低㊁类型多样化等波段易饱和㊁分辨率较低病虫害监测㊁作物分类等高光谱仪可见光㊁近红外光㊁中红外光覆盖度㊁生物量㊁叶面积等波段多㊁信息量丰富㊁分辨率高等数据处理复杂㊁价格高病虫害监测㊁产量反演等红外成像仪红外光温度㊁气孔导度㊁水分等信息量丰富㊁分辨率较高等易受环境因素干扰病虫害监测㊁旱情监测等数码相机红光㊁绿光㊁蓝光覆盖度㊁倒伏㊁生长状态等使用方便㊁成本低㊁分辨率高等波段信息量少地理测绘㊁数据集制作等激光雷达脉冲电磁波株高㊁生物量㊁叶面积等抗干扰能力强㊁分辨率较高等信息量大㊁价格高作物分类㊁参数反演等2㊀棉花病虫害近地遥感监测研究棉花病虫害遥感监测的前提和基础是其在不同胁迫下症状和光学特性具有明显差异[11-12]ꎮ在受到不同病虫害危害后ꎬ叶片损伤不同ꎬ细胞结构及色素㊁蛋白质和水分含量发生不同变化ꎬ影响了正常的光合生理状态[13-14]ꎮ基于此ꎬ研究者们多使用便携式光谱仪㊁高光谱仪㊁可见光成像设备561㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展等对棉花病虫害进行近地遥感监测和分析研究ꎮ2.1㊀便携式光谱仪近地遥感监测便携式光谱仪因体积小㊁操作方便ꎬ自20世纪90年代问世以来就被广泛应用于物化分析及遥感监测领域[15]ꎮ张宏名等[16]使用光谱仪与红外测温仪对染病棉花的叶片进行测定ꎬ发现染病后的棉叶在可见光及近红外光谱波段的反射减弱ꎬ而棉叶表面温度明显增高ꎮ陈鹏程[17]测定了棉叶螨为害的棉叶及棉花冠层光谱ꎬ结果表明两者在近红外区的光谱反射率均随螨害程度的加重而减小ꎬ并指出红边振幅㊁最小振幅㊁红边与最小振幅比值及红边峰值面积均与螨害指数有很好的相关性ꎮ田会东等[18]提取健康及枯萎病棉叶的光谱反射曲线ꎬ采取 波谱带法 和 波段阈值法 对两者进行分类ꎮ赵亮等[19]定量分析了棉叶螨为害的棉叶理化参数的变化ꎬ用R758nm/R706nm波段建立了棉叶螨虫害识别模型ꎮWang等[20]分析了健康㊁蚜害及红蜘蛛侵害的棉叶高光谱数据ꎬ基于K-最近邻和支持向量机算法建立了虫害识别模型ꎮ通过用便携式光谱仪对棉叶及冠层进行遥感探测ꎬ探究棉株受病虫害胁迫后的光谱响应ꎬ研究者们已构建了相关病虫害诊断模型用于早期的棉花病虫害监测ꎬ具有检测速度快㊁模型分类精度高且经济高效等优势ꎬ应用潜力巨大ꎮ但目前所建立模型的泛化能力欠佳ꎬ不能适应多生境条件ꎬ将环境因子与品种等多种因素纳入考量将是未来近地遥感监测研究的重点ꎮ2.2㊀高光谱近地遥感监测高光谱可获取地物连续㊁完整的图像和光谱数据ꎬ可连续记录 图谱合一 的目标信息[21]ꎬ因其对病虫害胁迫导致的作物细微变化具有高度敏感性ꎬ一直是病虫害遥感领域常用的遥感技术ꎮ在棉花病虫害遥感监测领域ꎬ国内外学者多通过筛选病虫害敏感特征波段ꎬ结合统计分析和机器学习的方法对病情进行反演和构建诊断模型ꎮ2.2.1㊀棉花病害高光谱近地遥感监测㊀陈兵等研究了感染黄萎病的棉花叶片㊁冠层的高光谱特征及黄萎病胁迫下叶片色素㊁氮素含量的变化ꎬ挑选出叶片及冠层黄萎病光谱敏感波段及病害棉叶氮素含量相关性最好的红边参数Area672ꎬ并构建了相应病害识别模型[22]ꎬ同时发现病害棉叶反射率㊁一阶微分光谱均与Chla㊁Chlb和Chl(a+b)含量存在显著相关关系[23]ꎬ这为获取高质量棉花黄萎病近地高光谱遥感数据ꎬ建立定性或定量棉花参数提取和机理估算模型夯实基础ꎮJin等[24]使用小波变换提取了感染黄萎病的棉花冠层高光谱主要信息ꎬ并构建了多种机器学习病害识别模型ꎮGulhane等[25]基于主成分分析筛选和KNN分类器对病害棉叶进行了识别ꎮ王姣等[26]基于Relief-F算法优选黄萎病敏感的特征波段ꎬ构建了新的棉花黄萎病病情指数ꎬ并建立了基于支持向量机的黄萎病遥感监测模型ꎮ张鑫等[27]研究表明R939-R545为最佳光谱特征参数ꎬ以此建立的黄萎病棉株鲜生物量光谱反演模型精度最高ꎮ2.2.2㊀棉花虫害高光谱近地遥感监测㊀卢小燕[28]处理了多期棉蚜为害棉叶的高光谱图像ꎬ发现光谱反射率在可见光区均表现出先升后降的特征ꎬ其中434~727nm可作为蚜害棉叶的敏感波段ꎬ648nm可作为最佳观测波段ꎮChen等[29]研究了蚜害棉叶的光谱变化ꎬ发现受害叶片光谱反射率在可见光波段与近红外波段均呈下降趋势ꎮPrabhakar等[30]分析棉花粉蚧病高光谱图像发现ꎬ与健康叶片相比ꎬ虫害早期棉花叶片光谱的绿色㊁近红外和短波红外光谱区域出现了较大差异ꎬ而在病情严重时光谱差异扩展到除了蓝色波段外的所有区域ꎮYan等[31]采集多期棉蚜为害的棉叶高光谱图像ꎬ基于多维卷积神经网络对其分类ꎮ许敬诚等[32]以健康与蚜害棉叶的高光谱图像为研究对象ꎬ利用多种降维方法提取光谱信息ꎬ结合灰度共生矩阵提取的纹理特征构建了蚜害诊断模型ꎮHu等[33]提出一种基于光谱指数重建的虫情严重度分级方法ꎬ可对健康棉花与蚜虫感染的棉花进行分级ꎮFitzgerald等[34]分析棉花冠层高光谱图像和光谱数据特征变化ꎬ对田间螨害发生区域进行识别ꎮ结合光谱特征与图像纹理特征的病虫害诊断模型较单一特征数据的判别模型准确率更高ꎬ充分利用高光谱成像技术的光谱㊁图像信息是未来病虫害监测的重要思路ꎮ2.3㊀可见光成像近地遥感监测可见光相机作为最早出现的遥感监测方式之一ꎬ因测量精度高㊁成像分辨率高等特点被广泛应用于目标检测㊁信息提取等[35]ꎮ在棉花病虫害遥感监测领域ꎬ张国龙为解决棉蚜信息获取滞后㊁采集图像背景复杂和粘连等661山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀问题ꎬ自主研发棉蚜发生量信息快速采集装置和棉蚜信息快速监测预警模型ꎬ实现棉蚜图像信息的自动采集和棉蚜信息快速监测预警决策的一体化ꎬ为棉田生产提供棉蚜防治决策信息[36]ꎮ杨丽丽等[37]将SVM和AdaBoost两种算法结合生成最优判别模型ꎬ平均识别率为88.75%ꎬ可实现对棉叶螨危害等级的识别ꎮLakshmi等[38]使用灰度共生矩阵提取病害㊁虫害与健康棉叶的纹理特征ꎬ基于SVM构建了病虫害识别模型ꎮ翟治芬等[39]以棉盲蝽为害的棉叶图像为研究对象ꎬ提取图像的形状㊁纹理和颜色特征ꎬ基于朴素贝叶斯构建了棉盲蝽危害等级识别模型ꎮ可见光成像在实验室条件下的病虫害为害等级识别研究相对成熟ꎬ未来在复杂环境下的图像采集ꎬ跳出特定的环境㊁生长期ꎬ融合图像的颜色㊁纹理等特征ꎬ提高识别模型的鲁棒性ꎬ将是研究热点ꎮ3㊀棉花病虫害低空遥感监测研究无人机遥感系统是在轻小型无人机平台上搭载相应的传感器ꎬ快速无损地获取目标区域高分辨率影像及数据的遥感应用ꎬ因其图像空间分辨率高㊁数据获取时效性强和成本低等特点ꎬ已成为病虫害胁迫遥感监测领域的研究热点ꎬ并逐步成为智慧农业的关键核心技术ꎮ棉花病虫害低空监测多搭载多光谱㊁高光谱㊁RGB可见光等遥感设备对黄萎病㊁棉叶螨㊁蚜虫㊁棉红蜘蛛等棉花病虫害进行分析研究ꎮ3.1㊀多光谱低空遥感监测多光谱成像技术可以同时获取物体的几何和光谱特征ꎬ具有两个及以上波谱通道ꎬ与高光谱原理相似ꎬ也是一种图谱合一的遥感技术[40]ꎮ无人机多光谱软硬件一体化得到了极大的发展ꎬ已被广泛应用于农业监测㊁环境保护等领域ꎮ在棉花病虫害遥感监测领域ꎬ宋勇[41]对病害棉花冠层多光谱数据进行了研究ꎬ利用相关系数法和最佳指数因子筛选出敏感特征和最佳波段组合ꎬ构建了基于监督分类法的无人机多光谱棉花黄萎病严重度监测模型ꎬ为棉花黄萎病精准防治提供理论指导ꎮ陈巧玲[42]分别基于无人机多光谱和地物光谱仪采集的棉花光谱数据建立棉花黄萎病病害严重度估测模型ꎬ结果表明无人机多光谱影像构建的模型为最佳估测模型ꎮ地力夏提 依马木等[43]优选虫害敏感波段植被指数ꎬ构建Logistic回归模型对棉蚜虫㊁棉红蜘蛛和棉铃虫的发生区域进行识别监测ꎮ崔美娜等[44-45]使用无人机获取多时相影像数据对螨害动态进行监测ꎬ依据赤池信息准则获取最佳建模特征ꎬ构建了棉田螨害监测识别的Logistic回归模型ꎬ通过影像信息统计法与变化检测法分析螨害时空上的发展过程ꎬ使用数据插值法计算时间序列上的螨害发生面积ꎬ建立螨害随时间变化的指数曲线监测模型ꎬ实现了对螨害发生面积的动态监测ꎮ现有的无人机多光谱病虫害监测结合多光谱影像与地面实测数据ꎬ可充分验证无人机数据的准确性ꎬ但试验中很少考虑土壤㊁天气等环境因素ꎬ致使研究成果适用性不高ꎮ3.2㊀高光谱低空遥感监测无人机高光谱遥感获取的波段信息可高效表征由病虫害胁迫导致的棉花冠层理化参数和光谱响应的变化[46]ꎬ但成本较为昂贵ꎬ多被应用于早期监测及胁迫程度诊断研究ꎮ郭伟等研究了不同程度棉叶螨为害对应的棉花冠层光谱反射率与叶片SPAD值之间的关系ꎬ结果表明棉叶螨为害等级与叶片SPAD值呈显著负相关关系ꎬ并构建了叶绿素相对含量(SPAD)遥感估测模型和棉叶螨为害等级遥感估测模型[47]ꎻ此外ꎬ还基于比值导数法筛选出敏感波段ꎬ建立了蚜害监测模型ꎬ获得田块蚜害空间分布处方图[48]ꎮ裴鹏程[49]基于偏最小二乘法和单因素回归方法构建了棉花冠层叶面积指数(LAI)和蚜害指数遥感估测模型ꎬ蚜害等级与棉花冠层LAI存在显著负相关ꎬ基于PLSR改进后的II-LAI-PLSR模型精度最高ꎮ高光谱系统价格高且信息庞大ꎬ后期数据处理的精度及信息提取的质量制约研究的发展ꎬ如何快速㊁精准地提取图像信息ꎬ把握病虫害监测的时效性ꎬ成为无人机高光谱监测研究新的目标ꎮ3.3㊀可见光低空遥感监测无人机可见光遥感具有图像分辨率高㊁成像速度快㊁价格低等优势ꎬ在棉花生长参数监测㊁产量反演以及其他作物病虫害遥感监测方面应用广泛ꎬ但在棉花病虫害遥感监测上的研究相对较少ꎮ戴建国等[50]基于自主搭建的无人机可见光平台获取的棉苗期图像ꎬ提取了出苗率㊁冠层覆盖度等信息ꎮ赵静等[51]基于可见光遥感图像和特761㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展征融合的方法对倒伏小麦面积进行了提取ꎮ姚立民[52]通过处理马铃薯可见光遥感图像提取了表型信息ꎮ卫智熠[53]利用卷积神经网络对多种农作物病虫害进行了分类ꎮ李成伟[54]对螨害棉田RGB图像进行处理ꎬ分别输入U-Net㊁DeepLab-v3+㊁HRNet三种深度学习语义分割模型中进行识别分类ꎬ结果表明基于HRNet网络模型的识别效果最好ꎬ依此生成的施药处方图可为植保无人机精准喷施提供决策依据ꎮ当前对于可见光图像的研究多倾向于使用算法进行分类识别㊁提取作物信息ꎬ使用波段少ꎬ不能很好地含括病虫害响应的敏感波段ꎬ但可见光图像分辨率高㊁数据处理简单ꎬ含有丰富的颜色㊁纹理等特征信息ꎬ可以弥补多光谱或高光谱成像分辨率低的不足ꎬ多源数据融合使用亦是未来研究的新思路ꎮ4㊀棉花病虫害卫星遥感监测研究近年来我国高分(GF)系列卫星㊁环境(HJ)卫星㊁风云(FY)卫星以及欧洲航天局哨兵系列(Sentinelseries)卫星陆续发射(表3)ꎬ高时空分辨率的光谱卫星影像为大尺度病虫害遥感监测提供了技术支持ꎮ从20世纪80年代开始ꎬ卫星遥感数据就在我国农业农村领域投入使用ꎬ现如今已经拓展到农作物估产㊁农业灾害预测㊁农业种植结构调整等重要领域ꎬ卫星遥感技术已成为指导农业生产的重要信息来源[55]ꎮ表3㊀病虫害遥感常用卫星系列卫星系列波长范围/nm分辨率/m常用领域Landsat-8433~1250030/100资源㊁环境探测及自然灾害预报等Sentinel-2443~219010/20/60陆地监测ꎬ可提供植被㊁土壤和海岸等区域图像等GF-5400~250030环境㊁大气监测等ZY3500~8902.1/2.5/3.5/6国土资源调查㊁农林水利规划等HJ-1430~1250030/100/150/300生态环境监测㊁资源调查等FY-4450~13800500/1000/2000/4000大气监测㊁灾害监测等㊀㊀竞霞等[56]利用PLS算法和高分辨率卫星(IKONOS)影像构建了棉花黄萎病病情严重度的定量估测模型ꎮ陈兵等[57]对棉花黄萎病疑似病田的TM卫星影像研究发现ꎬ棉花黄萎病卫星监测的最佳时相为盛铃期ꎬ且TM4波段可作为病害棉田卫星监测的最佳波段ꎮ田野[58]结合HJ卫星数据与地面冠层高光谱数据ꎬ基于二值逻辑回归法构建了棉花黄萎病㊁棉叶螨判别模型ꎬ为卫星尺度提取棉花病虫害异常信息提供了新的思路ꎮ王成博[59]挑选最佳蚜害特征光谱与植被指数建立监测模型ꎬ可有效地对库尔勒地区棉花蚜害进行检测ꎮ张枫[60]基于多遥感平台对棉花根腐病的监测识别进行研究ꎬ其中空间分辨率最高的无人机平台的监测水平最为精细ꎬ卫星平台相对较差ꎬ但卫星平台能在保持一定分类精度的前提下以最快的速度完成识别分类工作ꎮ王守会等[61]结合气象与遥感数据建立螨害预测模型ꎬ研究表明ꎬ所建模型同时兼备遥感数据与气象数据的优点ꎬ为特殊气候环境和耕作方式下探索大尺度区域的棉花螨害预测提供了理论依据ꎮ卫星获取的遥感数据中包含丰富的纹理信息ꎬ但现有的卫星病虫害遥感监测研究对其纹理信息挖掘不够深入ꎬ而且可将生境因子(温度㊁降水等)信息纳入以有效提升遥感监测的精度ꎮ5㊀遥感技术在棉花病虫害监测领域应用的挑战与展望㊀㊀综上所述ꎬ作物病虫害遥感监测领域成果丰硕ꎬ并且逐步形成了一套基于天地空遥感探测㊁软件拼接矫正处理㊁机器学习建模评价的遥感监测应用体系ꎮ但棉花病虫害发病机理复杂ꎬ在棉花实际生产中应用病虫害遥感监测还面临许多问题ꎬ亟待推出解决方案ꎬ具体体现在以下几个方面ꎮ5.1㊀多尺度㊁多平台㊁多源数据的融合使用棉花病虫害遥感监测研究多使用单传感器ꎬ易受气候和大气影响ꎬ导致采集信息的时空分辨率低㊁对病虫害监测的适用性和灵活性差㊁监测弊端明显ꎬ亟需新技术将各传感器的优势融合起来ꎮ注重多源遥感的同时还需加强多尺度多平台遥感在棉花病虫害监测领域的使用ꎬ将传统的光学遥感与荧光成像㊁传感监测㊁气象卫星等平台的数据进行有机融合ꎬ突破传统监测存在的尺度区域限制㊁时空信息不连续等问题ꎮ荧光成像㊁气象数据㊁热成像等平台在很多领域都有不错的应用成果ꎬ但在病虫害监测领域的应用研究呈现脱节状态ꎬ因此可将这些平台的信息与天地空遥感信息有机融合ꎬ充分发挥各平台的监测优势ꎬ形成多尺度㊁多平台㊁多源信息融合的监测网ꎬ构建精准决策管理的棉花病虫害监测861山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀体系ꎮ目前已有部分学者[62-64]将两种来源的遥感数据融合使用ꎬ结果表明ꎬ可以在减少特征冗杂的基础上增强监测模型的信息表达能力ꎬ比单一数据源的监测结果更准确ꎮ5.2㊀棉花病虫害遥感监测数据库的完善我国棉花种植分布广ꎬ环境存在区域性差异ꎬ当前研究中构建的监测模型多为仅适用于部分地区的理想状态ꎬ使棉花病虫害遥感监测过分依赖于特定的环境㊁生长期ꎬ无法通用ꎬ不利于病虫害的实时监测及早期防治ꎮ另外ꎬ棉花遥感数据库不足亦会导致误判胁迫的类别ꎬ如棉花在受黄萎病和严重氮素胁迫下表征出来的光谱相似ꎬ小麦在白粉病和水肥胁迫下表征出来的外部形态特征相似等ꎬ从而出现 同谱异物 和 异物同谱 的问题ꎮ因此ꎬ需获取不同环境㊁不同生长期的光谱特征㊁图像特征和生境特征ꎬ将多特征因素纳入到模型的构建和评价中ꎬ并比较分析各类胁迫下棉花的光谱㊁图像差异ꎬ挑选对各类病虫害敏感的特征ꎬ建立完善的病虫害遥感数据库ꎬ从而为复杂条件下精准监测棉花病虫害打下基础ꎮ5.3㊀棉花病虫害遥感监测预警平台的搭建目前病虫害监测研究主要集中在为害程度的监测ꎬ是病虫害发生后的跟进处理ꎬ如能在病虫害发生前进行预警ꎬ则能及早采取措施ꎬ降低病虫害给农业生产带来的危害ꎬ因此亟需搭建一套完善的棉花病虫害遥感监测预警平台ꎬ做到当棉花种植区周边生境达到病虫害易发条件时提前预警ꎬ从而在发病初期阻断传播ꎮ而且该预警平台可纳入气象㊁土壤等生境因素ꎬ并结合无人机及卫星高分影像ꎬ实现在全国范围内基于生境因素和多源数据精准预测预警病虫害发生ꎬ以降低经济损失ꎮ5.4㊀遥感监测数据处理方法的优化制约病虫害遥感监测效果的因素还包括复杂的数据处理软件及算法ꎬ通常获得的遥感数据要在使用相关软件或算法进行拼接㊁解析之后才能形成处方图指导田间作业ꎬ这往往需要耗费大量的时间ꎬ会导致监测结果较田间病虫害发生动态滞后ꎮ随着遥感监测技术的发展ꎬ未来遥感获取的图像无论从数量还是光谱与空间分辨率上都会大幅提高ꎬ亟需后续软件研发过程中纳入最新遥感监测模型ꎬ缩短处理时间ꎬ提高处理精度等ꎬ从而更加及时准确地洞察病虫害发展动态ꎬ制定更加科学有效的防治方案ꎮ5.5㊀重视生境因素对病虫害发生的影响病虫害的暴发常伴随着温度㊁湿度等生境因素的改变ꎬ病虫害的虫卵或病原体多隐藏在叶片背部或者根部土壤中ꎬ前期难以发现ꎬ当遇到合适的生境便会大规模暴发ꎮ因此明确生境因素对棉花病虫害发生的影响是病虫害监测的关键一步ꎬ这就要求未来的研究方向要从表观观测深入到发生机制的监测中ꎬ应将温湿度㊁土壤㊁气象等生境信息纳入监测模型的考量中ꎬ以使模型能适用各种复杂田间环境ꎬ从而提高病虫害早期监测预警能力ꎮ参㊀考㊀文㊀献:[1]㊀杨向东.中国棉花产业现状分析[J].农村经济与科技ꎬ2022ꎬ33(5):19-22ꎬ39.[2]㊀明坤ꎬ闫硕.近几年我国棉花主要病虫害发生及防控情况分析[J].棉花科学ꎬ2020ꎬ42(3):13-19ꎬ26. [3]㊀ZhangJCꎬHuangWJꎬLiJYꎬetal.Developmentꎬevaluationandapplicationofaspectralknowledgebasetodetectyellowrustinwinterwheat[J].PrecisionAgricultureꎬ2011ꎬ12(5):716-731.[4]㊀张凝ꎬ杨贵军ꎬ赵春江ꎬ等.作物病虫害高光谱遥感进展与展望[J].遥感学报ꎬ2021ꎬ25(1):403-422. [5]㊀李耀发ꎬ鹿秀云ꎬ袁立兵ꎬ等.棉花病虫害种类及其绿色防控技术[J].河北农业ꎬ2022(4):30-31.[6]㊀孙瑞琳ꎬ孙全ꎬ孙成明ꎬ等.基于不同平台的小麦病虫害遥感监测研究进展[J].中国农机化学报ꎬ2021ꎬ42(3):142-150.[7]㊀杨国峰ꎬ何勇ꎬ冯旭萍ꎬ等.无人机遥感监测作物病虫害胁迫方法与最新研究进展[J].智慧农业:中英文ꎬ2022ꎬ4(1):1-16.[8]㊀赵春江.农业遥感研究与应用进展[J].农业机械学报ꎬ2014ꎬ45(12):277-293.[9]㊀张竞成ꎬ袁琳ꎬ王纪华ꎬ等.作物病虫害遥感监测研究进展[J].农业工程学报ꎬ2012ꎬ28(20):1-11.[10]黄文江ꎬ张竞成ꎬ罗菊花ꎬ等.作物病虫遥感监测与预测[M].北京:科学出版社ꎬ2015.[11]AshourlooDꎬMobasheriMRꎬHueteA.Developingtwospectraldiseaseindicesfordetectionofwheatleafrust(Pucciniatritici ̄na)[J].RemoteSensingꎬ2014ꎬ6:4723-4740.[12]WhiteJWꎬAndrade ̄SanchezPꎬGoreMAꎬetal.Field ̄basedphenomicsforplantgeneticsresearch[J].FieldCropsRe ̄searchꎬ2012ꎬ133:101-112.[13]MahleinAKꎬSteinerUꎬHillnhütterCꎬetal.Hyperspectralim ̄agingforsmallscaleanalysisofsymptomscausedbydifferentsugarbeetdiseases[J].PlantMethodsꎬ2012ꎬ8:3.[14]PinterJrPJꎬHatfieldJLꎬSchepersJSꎬetal.Remotesensingforcropmanagement[J].PhotogrammertricEngineering&Re ̄moteSensingꎬ2003ꎬ69(6):647-664.961㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展。

病害胁迫下棉花叶片色素含量高光谱遥感估测研究


谱 特 对 其进 行 估 测 。Ho l 等 研 究 r植 被 光 谱 与叶 绿 素 浓 rr e
度的火系 . j 提H 光谱“ 红边” 位氍可指示植被叶绿素浓度变化
情况 。 lcb r 发 现 . 层 和 Ⅱ 片单 位 重 量 色 素浓 度 与 Bak un等 冠 t - 反射 光 谱倒 数 对 数 值 l (/ ) o 1R 的一 阶 、 阶 导 数极 显 著 相 g 二 火 .碰层 他 面 积 色 素浓 度 其 l ( / ) 一 导 数极 显 著 j o 1R 的 阶 g f父 。 rg 等研 究 发 现 60n l 的 红光 被 叶 绿 素 强烈 吸 } 1 Boc 7 l 处 T 收 。导敛 反 射 率 很 小! 。 霞 等 研 究 厂棉 花 功 能 f 色 素 含 量 姚 I t - 和 光 i特 参数 问 的 相 火性 ,认 为光 谱指 数 可 估 算 棉 花 功 能 } { _ Ⅱ 色 素含 一 。Ha od n b u ae等分 析 1米 冠 层 及 单 叶 的 光 谱 影 王 像 .许 川 综 合 窄 波 段 光 谱 指 数 对 叶 绿 素 进 行 丁 估 测 【 。 。 1 1 试 验地 及 种 植 情 况 . 试 验 于 20  ̄ 20 05 0 8年 在 新 疆 石 河 子 棉 区 进 行 。小 区 试
色素遥感估测方面 的报道较 少 ,而病 害胁迫下棉 叶色 索 姗 卡 傲色素含最 与 f f 其光合能力 、 发育阶段 和营养状况有较 好 的村 炎件,它们通常是植被环பைடு நூலகம்胁 迫 、 1 光合作 用能力和植
被发 育阶 段 的指 尔 器 [ 。当植 被 受 胁 迫 时 .色 素 含 量 常 发 1
7 8建立的模 更实用 , 51 可做为病 叶叶绿素 a b和 a t , +b含量 的最佳估测模型 。 研究结果对高光谱信息定量 估测病害棉叶色素含鼍 。 对利用高光谱 监测棉花长势及病害影响评价均具有较 高的实用价值 。 关键词 棉花 ; 病害胁 迫;高光谱 : 色素含量 ; 估测模型

利用叶片高光谱反射率预测棉花叶绿素含量

第42卷 第3期2023年5月Vol.42 No.3May 2023,195~202华中农业大学学报Journal of Huazhong Agricultural University利用叶片高光谱反射率预测棉花叶绿素含量李旭1,陈柏林2,周保平1,石子琰1,洪国军11.塔里木大学信息工程学院,阿拉尔 843300;2.塔里木大学化学化工学院,阿拉尔 843300摘要 为提高棉花叶绿素含量预测的准确性,利用连续小波分析和传统光谱变换对棉花叶片原始光谱进行分解和变换,以特征小波系数和光谱特征波段为自变量,并利用单变量、逐步回归和偏最小二乘法建立反演棉花叶片叶绿素含量的数学模型。

结果显示,不同的光谱处理方法使得棉花叶片叶绿素和光谱反射率的相关性都有不同程度的提升,对于传统光谱变换,倒数对数一阶微分lg (1/R ′)对棉花叶片叶绿素相关性提高了0.41。

结果表明,连续小波分析在信息降噪和挖掘特征信息方面优于传统光谱模型,建立的模型RPD>2,具有很好的稳定性,对样本数据都具很好的预测能力。

关键词 高光谱; 无损检测; 连续小波分析; 传统光谱变换; 叶绿素; 棉花中图分类号 S562 ; S127 文献标识码 A 文章编号 1000-2421(2023)03-0195-082020年新疆棉花产量为520万t ,占国内棉花总产量的87%左右,对新疆的经济和社会发展起着举足轻重的地位。

叶绿素是影响作物光合作用的重要因素,与作物的生长和产量息息相关。

研究表明,叶绿素与叶片氮浓度也具有相关性[1]。

氮肥的过量使用会对土壤和地下水资源造成一定破坏和污染[2-3]。

传统的叶绿素检测一般采用化学分析方法,虽然其具有较高的精度,但是化学分析过程复杂、耗时并且需要破坏作物,不能满足现代农业快速无损检测的要求。

光谱分析技术具有快速、无损等特点,随着光谱分析技术的不断发展,已被广泛应用于农作物生化参量的监测分析,进而为农业生产提供科学化管理。

利用光谱红边参数监测黄萎病棉叶叶绿素和氮素含量


著( P < 0 . 0 1 ) , 其中以A r e a 6 7 2 为 自变量建 立 的病 害棉 叶 C h l a 、 C h l a + b 和L N C的诊断模 型和 L o 为 自变量 建立 的 C h l b
诊断 模型 的精度 最高 ,能很好 的诊 断病 害棉叶 C h l 含量 和 L NC。 关键 词 :棉 花 ; 病 害胁 迫 ;高光谱 ;叶绿素含 量 ;氮素 含量 ;诊 断模 型
B r e e d i n g , Mi n i s t r y o f Ag r i c u l t u r e/ X i  ̄i a n g P r o d u c i t o n& C o n s t r u c i t o n C o r p s S u b c e n t e r o f Na t i o n l a C o a o n I mp r o v e me n t Ce n t e r , S h i h e z i 8 3 2 0 0 0 ,
C o R o n I n s i t t u t e , Xi n j i a n g Ac a d e my Ag i r c u l t u r a l a n d Re c l a ma t i o n S c i e n c e / N o r t h we s t I n l nd a R e g i o n Ke y L a b o r a t o r y o f Co t t o n B i o l o g y a n d G e n e i t c
CHEN Bi ng ,HAN Hua n— Yon g ,W ANG Fa n g. Yo ng ,LI U Zh e ng 1 DENG Fu — J un1 LI N Ha i 1 YU Yu ,LI
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

棉花学报Cotton Science2013,25(3):254~261基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究陈兵1,王方永1,韩焕勇1,刘政1,邓福军1,林海1,余渝1,李少昆2,3,王克如2,3,肖春华3(1.新疆农垦科学院棉花研究所/农业部西北内陆区棉花生物学与遗传育种重点实验室/国家棉花改良中心新疆生产建设兵团分中心,新疆石河子832003;2.中国农业科学院作物科学研究所/国家农作物基因资源与基因改良重大科学工程,北京100081;3.新疆兵团绿洲生态农业重点开放实验室/石河子大学,新疆石河子832000)摘要:以黄萎病胁迫下棉花叶片为供试材料,分析了黄萎病棉叶氮素含量(LNC)与光谱红边参数间的关系,建立了黄萎病棉叶LNC(Leaf nitrogen content)的光谱红边参数诊断模型。

结果表明:(1)随着黄萎病严重程度的增加,棉叶LNC逐渐减小,且差异显著;(2)黄萎病棉叶红边参数红边位置(REP)、红边振幅(Dr)、红谷位置(Lo)、红边深度(Depth672)和红边面积(Area672)均减小,红边宽度(Lwidth)增加,且Area672的值减小的幅度最大, Dr减小的幅度最小,Lwidth的值增加的幅度较大;(3)黄萎病棉叶LNC含量均与红边参数REP、Lo、Depth672和Area672呈极显著正相关,与Lwidth呈极显著负相关,与Dr未达显著相关;(4)基于红边参数建立的黄萎病棉叶LNC含量的诊断模型均达到极显著水平(<0.01),其中以Area672为自变量建立的黄萎病棉叶LNC的诊断模型的精度最高,2超过0.7,小于0.6,小于0.007,能很好地诊断黄萎病棉叶LNC。

关键词:棉花;黄萎病;胁迫;高光谱;红边参数;氮素含量;诊断模型中图分类号:S562文献标志码:A文章编号:1002-7807(2013)03-0254-08CHEN Bing1,WANG Fang-yong1,HAN Huan-yong1,LIU Zheng1,DENG Fu-jun1,LIN Hai1,YU Yu1,LI Shao-kun2,3,WANG Ke-ru2,3,XIAO Chun-hua3(1.832000,;2.100081,;3.832003,) Using data from red-edge parameters of haperspectra,we endeavored to provide an expedient way to extract leaf nitro-gen contents(LNC)of cotton infected with Verticillium wilt,and to lay the groundwork for estimating cotton yield infected by Verticillium wilt using remote sensing technology.The relationship between LNC and red edge parameters were analyzed,and diagnose models of spectra red edge parameters were established for cotton leaves infected by Verticillium wilt.The main results are as follows:(1)With the increase of leaf severity level,LNC little by little decreased,difference is significant.(2)In all red edge parameters,REP,Dr,Lo,Depth672and Area672all decreased,and the degree of decrease was maximum to Area672value,the degree of decrease was minimum to Dr value;but Lwidth largely increased.(3)LNC had best significant positive correlations with REP,Lo,Depth672and Area672,had best significant negative correlations with Lwidth,and no best significant correlations with Dr.(4)Diagnose models of LNC to disease cotton leaves on the basis of spectra red edge parameters all attached best sig-nificant correlations(<0.01).The diagnose models based on Area672had best estimated precision for LNC,and2were over 0.7,less than0.6,less than0.007.So using red edge parameters of haperspectra monitor LNC of cotton infected by 收稿日期:2012-07-09作者简介:陈兵(1979-),男,博士,副研究员,zyrcb@基金项目:国家自然基金(41161068);兵团科技攻关项目(2011BA001,2011BA008)和新疆农垦科学院科技引导计划(YYD201102)3期陈兵等:基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究Verticillium wilt is accurate and convenient,and those models can better diagnose LNC.cotton;Verticillium wilt;disease stress;hyper spectra;red edge parameters;nitrogen contents;diagnose models植被叶片氮素是表征植被健康状况的主要生理指标,氮素是影响植被生长最重要的营养元素,因此,氮素含量的变化能直接和间接地反映作物生长好坏,最终影响作物的产量与品质[1-2]。

由于氮素含量与植被营养、长势等指标密切相关,他们与植被光合能力、发育阶段又有较好的相关性,所以它通常被认为是植被胁迫、光合作用能力和植被发育阶段的指示器[3]。

光谱红边主要是由植被叶片叶绿素在红光波段对光的强烈吸收与叶片内部组织在近红外波段对光的多次散射形成的强反射造成的,波长范围一般在680~750nm。

由于光谱红边主要依据作物的营养状况、生物量和物候期而发生变化,作物的叶片组织发生变化时也会引起光谱红边的相应变化,尤其当植被受到各种胁迫时植被的红边特征常发生显著的变化[4-6]。

因此,可通过光谱红边特征对植被叶片氮素含量进行估测。

前人利用光谱特征对植被氮素含量监测进行了大量的研究。

例如,直接采用光谱反射率监测植株氮素含量[7],利用对数形式的植被指数监测植株氮素含量[8],利用不同敏感波段构建不同植被指数监测植株氮素含量[9]。

在利用光谱红边参数监测植被氮素含量方面,众多学者也提出了不同的监测方法:有直接采用单一方法计算某一红边参数对植株氮素含量进行监测的研究[10-11],有改进或创建新的红边参数对植株氮素含量进行监测的研究[12],有利用不同算法计算同一光谱红边参数对植株氮素含量进行监测的研究[13-14],也有采用2种或2种以上不同红边参数对植株氮素含量进行监测的研究[15-17]。

但多数研究并不深入和全面。

例如,有的仅分析了不同的氮素水平下作物光谱和红边参数特征,并未对他们之间的相互关系进行分析[10];有的虽然较深入分析了红边参数和叶片氮素的变化情况及两者的相关性,但未做进一步的定量诊断和反演分析[18];有的虽利用1个或2个红边参数对作物叶片氮素情况进行了诊断,但未考虑到其他不同红边参数的诊断情况[13];也有的虽利用不同红边参数对作物叶片进行了诊断,但未对结果进行比较和分析[15];利用红边参数对病害叶片氮素含量进行诊断的系统研究更是少见[12]。

本文考虑到以往研究的不足,全面开展黄萎病胁迫下棉叶氮素含量的多个红边参数的比较研究,筛选出相关性最好的红边参数,建立了黄萎病棉叶氮素含量的最佳红边参数诊断模型,以期为大面积航空航天遥感监测棉花病害及长势监测、估产提供理论依据。

材料与方法试验地及种植情况试验于2005-2011年在新疆石河子棉区进行。

分别进行2个不同的试验,实验点位置如图1。

第一个试验分别设在石河子大学新疆作物高产研究中心试验站和新疆农垦科学院棉花所黄萎病病圃田。

2个试验点相距约5km,前茬均为棉花,因此,土壤特性相近,均为壤质灰漠土,有机质含量19~22g·kg-1,碱解氮含量77~82mg·kg-1、速效磷含量93~97mg·kg-1、速效钾含量300~315mg·kg-1。

2005-2009年在石河子大学新疆作物高产研究中心试验站供试棉花品种8个(新陆早6号、新陆早7号、新陆早13号、新陆早24号、新陆早33号、中棉所36、新彩5号和新海21号)。

小区面积约为42.5m2,按随机区组设计,3个重复,种植密度为24万株·hm-2。

2005-2006年为60cm+30cm宽窄行设计,2007-2009年为15cm+50cm宽窄行设计。

分别在每年的4月中下旬播种,覆宽膜种植,膜上点播,膜下滴灌,灌水量为3300m3·hm-2,施肥量为纯氮300kg·hm-2,P2O5150kg·hm-2和K2O75kg·hm-2。

全生育期灌溉11次,时间从每年的6月12日开始到8月24日结束,每8d灌溉一次。

所有的磷、钾和1/3的氮肥被用作基肥,2/3的氮肥用作追肥,其中2005-2007年于每年的6月28日和7月26日分2次随水施入,2008-2009年按比例每次灌水时随水滴施。

其他按当地高产栽培模式管理。

2010-2011年在新疆农垦科学院棉花所黄萎病病圃田种植新陆早8号和新陆早33号2个品种。

小区设置和管理均与石河子大学新疆作物高产研究中心试验站基本相同,种植密度为26255棉花学报25卷样本材料获取及病情严重度分级在黄萎病发生高峰期进行病害严重度调查,不同严重度类型注意选用棉株相邻或相近叶位叶片作为样叶,每小区内取棉株3株(包括正常和黄萎病棉株),每株取发病不同程度棉叶5片(包括正常叶)作为样本叶片。

相关文档
最新文档