水稻穗腐(fu)病（Rice spikelet rot disease, RSRD）是一(yi)種(zhong)主要(yao)由Fusarium proliferatum引(yin)起的真菌病害。RSRD具有(you)很強的(de)傳染性(xing)，由于有(you)毒病原體的(de)存在，導致水稻產(chan)(chan)量和(he)品(pin)質(zhi)顯(xian)著降低(di)。因此，在侵染早期有(you)效準確(que)地評(ping)估病害(hai)嚴重程度，對(dui)于抑制病害(hai)傳播和(he)最(zui)大限度地減少對(dui)水稻生產(chan)(chan)的(de)潛在損害(hai)至關(guan)重要。遙感技術(shu)可作為監測作物病害(hai)的(de)有(you)效和(he)非破壞性(xing)方法。
目(mu)前(qian)利(li)用成像光(guang)譜的相關研究仍(reng)集中在病害識別或病害嚴重程度（Disease severity, DS）的(de)分(fen)類上。很少有研究(jiu)明確探究(jiu)病害的(de)光譜反應和利用空間(jian)信息來追蹤病害的(de)發展歷程。同時，以往研究(jiu)多(duo)集中于特(te)定(ding)生長階(jie)段的(de)病害監測，較少涵蓋成熟階(jie)段，并且(qie)缺乏對感染早期(qi)階(jie)段的(de)監測研究(jiu)。
本文的研(yan)究(jiu)目(mu)標(biao)是利用近距(ju)離成(cheng)像光譜(pu)技術確定水稻穗在(zai)多(duo)個生(sheng)育期對RSRD的(de)光譜響應，構(gou)建一(yi)個新的(de)適用(yong)于多個生育(yu)期(qi)RSRD病(bing)情嚴重度量化的光譜(pu)指(zhi)數（Spectral index, SI），并與現有的光譜指數(shu)進行比較，評估新指數(shu)在(zai)DS量化和制圖中的作(zuo)用。
南京農(nong)業大學程濤(tao)教授(shou)團隊選取了江(jiang)蘇常(chang)見的8個粳稻品種(zhong)種(zhong)植于24個2 m × 3 m大小的(de)(de)地(di)塊(kuai)。獲取抽穗期(qi)、開花期(qi)和灌漿期(qi)的(de)(de)5-8個感染穗(sui)放置于背景板(ban)上以進行成像光譜(pu)數據采集。高光譜(pu)成像系統(tong)為(wei)一個搭(da)載有(you)數碼相機（EOS 80D, Canon）和推掃(sao)式可見光/近紅外(wai)高光譜(pu)相機（GaiaField-V10E, 江蘇(su)雙利合譜公(gong)司）的(de)自動線(xian)性掃(sao)描平臺(tai)（HSIA-MScope-X, 江(jiang)蘇(su)雙(shuang)利合(he)譜公司）。
圖1 在光照條(tiao)件下獲取水稻穗RGB和高光譜影像的實(shi)驗裝置
為(wei)了獲取(qu)定(ding)量化的(de)RSRD，首先對(dui)RGB影像進行顏(yan)色空間轉換，然后利用Lab顏色空間(jian)用于背(bei)景去(qu)除(chu)以及(ji)RSRD識別(bie)（該空間中(zhong)“L"表(biao)示亮度，“a"和“b"表示顏色對抗的維(wei)度）（圖2B）。通過通道b和局部閾值去除背景后，進(jin)行形態(tai)學細(xi)化，然后利(li)用通道(dao)a和局部閾值(zhi)將穗像(xiang)素分為(wei)感(gan)染穗像(xiang)素和健康穗像(xiang)素。
其(qi)中(zhong)，nd和N分別是感病像(xiang)素數和(he)每個樣本的所有(you)像(xiang)素數。
隨著(zhu)病害的(de)發展(zhan)，VNIR光譜曲(qu)線逐漸(jian)變(bian)平。為(wei)了提(ti)高所(suo)提(ti)取特征的(de)(de)靈(ling)敏度，將(jiang)多個波段組合在一(yi)起來(lai)表示(shi)反(fan)射(she)率曲(qu)線逐漸(jian)平坦的(de)(de)趨勢（圖2C）。因此(ci)選擇雙差指數（DD）的(de)形式來描(miao)述變異強度，公式如下所(suo)示。其(qi)中，Rλ1、Rλ2、Rλ3為吸收谷或反射峰的(de)敏感帶反射率(lv)，按波長(chang)的(de)遞增順序排列。
利(li)用如下步驟(zou)確定(ding)構建DD的三個波段：（1）計算反射率(lv)和(he)DS值(zhi)之(zhi)間的斯皮爾曼(man)相關系數；（2）將波段(duan)分(fen)為正相關和負相關區域(yu)；（3）選取各區域相關性最qiang的波段，以在相關區域上形成若干備選特征（圖3）。在(zai)紅光區(qu)和近紅外(wai)區(qu)主(zhu)要(yao)選擇了各階(jie)段對RSRD嚴重程度敏(min)感(gan)的(de)共同波段，以保(bao)證指數對(dui)RSRD敏(min)感(gan)性(xing)(xing)的(de)一致性(xing)(xing)。同時(shi)為增強對(dui)感(gan)病早期的(de)敏(min)感(gan)性(xing)(xing)，采用抽穗期保(bao)留(liu)的(de)3個代表(biao)性波段(duan)構建(jian)3個(ge)候選指(zhi)標。通過R2的值，確定(ding)RSRI（Rice spikelet rot index）方程如下所示。
圖2 RSRI構(gou)建、DS量化和DS映射過(guo)程的技術流(liu)程圖(tu)。數據預處理(li)（A）；DS提取（B）；指數構建（C）；建模(mo)與映射（D）
圖3 不同生(sheng)長階段DS與波(bo)長(chang)反射(she)率之間的Spearman相(xiang)關(guan)系(xi)數。灰色和白(bai)色背(bei)景分別代表(biao)負(fu)相(xiang)關(guan)和正相(xiang)關(guan)。黑色的垂直線對應(ying)于每(mei)個灰色或白(bai)色相(xiang)關(guan)區(qu)域的最大相(xiang)關(guan)系(xi)數
DS和SI之間的(de)關系在不(bu)同階(jie)段(duan)有所不(bu)同（圖4）。抽穗期RSRI比其他SI有更高(gao)的R2。對于花期(qi)和灌漿期(qi)，RSRI在輕度和重度染病樣本中均表現出最qiang的相關性。對于同一SI，各(ge)生育期校正回(hui)歸模(mo)型的權重不同，尤其(qi)是抽穗期。
圖4 DS和SI的(de)回(hui)歸線。綠色(se)、藍色(se)和(he)紅色(se)方塊(kuai)分別表示抽穗、開花(hua)和(he)灌漿(jiang)階段(duan)的(de)樣本(ben)
總的來(lai)說(shuo)，每個(ge)SI對于DS估計精度在不(bu)同(tong)生(sheng)長階(jie)段(duan)有(you)顯著差(cha)異（圖5）。DS的量化性(xing)能以(yi)開花期最好，抽穗(sui)期最差(cha)。RSRI與現有SI在DS量化上(shang)表現出截然不同(tong)的準確(que)性。對于抽穗期，RSRI在DS量(liang)化方(fang)面(mian)的精度(du)最好(hao)（R2 = 0.65），并且在(zai)所(suo)有(you)五個指標(biao)中，RSRI的(de)RMSE和驗證R2的置(zhi)信區間（CI）最為集中。所有(you)現有(you)的SI都未能有效量化DS，他們的(de)精度(du)指標在抽穗期有更大的(de)CI。此外，現有SI對開花期輕度的(de)RSRD嚴(yan)重低估，但RSRI沒有。RSRI在各個生長階段的DS量化中表現最好。
圖(tu)5實測和(he)預測的DS散點(dian)圖。抽穗（左列）、花(hua)期（中(zhong)列）和(he)灌漿期（右列）。從上(shang)到下分別表示RSRI（A-C）、NPCI（D-F）、CCI（G-I）、PRI670（J-L）、PSRI（M-O）和(he)NDVI（P-R）
對穗內DS的空間變(bian)化進行(xing)可視化（圖6）。現(xian)有的(de)SI不(bu)能生(sheng)成DS分布的真實映射。基于RSRI的(de)映射圖顯示更少的(de)健康(kang)像素被高估為黃色(se)的(de)輕度染(ran)(ran)病，并且其(qi)也能正確地顯示嚴重染(ran)(ran)病區域(yu)，而不像其(qi)余SI對嚴(yan)重染病(bing)區域的響應(ying)不(bu)敏(min)感。
圖(tu)6 來自RSRI和現有SIs的三個獨立(li)小穗樣本的RGB圖(tu)像(xiang)、病變分布參考和(he)DS圖（A、B、C分別是輕微感染、輕度(du)感染和(he)嚴(yan)重(zhong)感染的穗）
本研究表明，RSRI可以作為一種(zhong)新的(de)(de)指標用(yong)于水稻穗(sui)腐病的(de)(de)全生育(yu)期監測，在育(yu)種(zhong)和作物保護中有很好的(de)(de)應(ying)用(yong)前景(jing)，并且不(bu)用(yong)考(kao)慮穗(sui)的(de)(de)成熟效應(ying)。
通(tong)訊作者(zhe)信息：
程(cheng)濤(tao)，博士，南京農業(ye)大學教授，博士生導師。
主要(yao)研究方向：作(zuo)物生長光譜監測、作(zuo)物表型(xing)信(xin)息(xi)高通(tong)量獲取、遙感大數(shu)據與作(zuo)物制(zhi)圖、天空地一體(ti)化集成監測預測等。
參考文獻(xian)：
Xue, B., Tian, L., Wang, Z. et al. Quantification of rice spikelet rot disease severity at organ scale with proximal imaging spectroscopy. Precision Agric (2023).
© 2019 版權所有：江蘇雙利合譜科技有限公司 備案號： 技術支持：化工儀器網 GoogleSitemap 管理登陸
在線客服