病害脅迫下棉花植株鮮生物量的高光譜提取

張 鑫，陳 兵，劉立峰，李天南，，王 瓊，王方永，韓煥勇，肖春華

(1.新疆農(nóng)墾科學(xué)院/農(nóng)業(yè)部西北內(nèi)陸區(qū)棉花生物學(xué)與遺傳育種重點(diǎn)實(shí)驗(yàn)室，新疆石河子 832003；2.中國(guó)農(nóng)業(yè)大學(xué)，北京 100081； 3.石河子大學(xué)，新疆石河子 832000)

隨著遙感技術(shù)的發(fā)展，高光譜監(jiān)測(cè)植被參數(shù)的相關(guān)研究越來(lái)越多，其中不乏對(duì)植株生物量的光譜識(shí)別和反演研究。由于植株生物量是作物經(jīng)濟(jì)產(chǎn)量的基礎(chǔ)，因此以遙感方式準(zhǔn)確、方便、快捷地獲取生物量參數(shù)對(duì)長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量估計(jì)具有重要意義。前人的相關(guān)研究多針健康作物植株進(jìn)行生物量監(jiān)測(cè)，且綜合運(yùn)用高光譜數(shù)據(jù)、衛(wèi)星和航空影像數(shù)據(jù)、雷達(dá)數(shù)據(jù)和作物生長(zhǎng)模型等多種數(shù)據(jù)[1]。Casanova等利用植被指數(shù)反射模型計(jì)算凈吸收光合有效輻射(The fraction of absorbed photosynthetically active radiation，簡(jiǎn)稱(chēng)fAPAR)，精確預(yù)測(cè)了水稻生育期的生物量[2]。Thenkabail等運(yùn)用窄波段歸一化植被指數(shù)建立棉花、馬鈴薯、大豆和玉米的鮮生物量估算方程[3]。Hansena等計(jì)算了438～884 nm范圍內(nèi)所有2波段間相關(guān)關(guān)系，構(gòu)建了多種歸一化指數(shù)，對(duì)小麥地上鮮生物量進(jìn)行光譜提取[4]。Basuki等利用微波雷達(dá)遙感數(shù)據(jù)對(duì)森林生物量等結(jié)構(gòu)參數(shù)進(jìn)行估算[5]。Koppe等對(duì)水稻生物量進(jìn)行研究，運(yùn)用三江平原拔節(jié)期的遙感數(shù)據(jù)對(duì)水稻地上生物量進(jìn)行預(yù)測(cè)[6]。

宋開(kāi)山等建立多個(gè)高光譜比值植被指數(shù)模型對(duì)大豆地上鮮生物量進(jìn)行提取[7]。黃春燕等通過(guò)采集新疆棉花多時(shí)相高光譜數(shù)據(jù)對(duì)棉花生育時(shí)期的地上鮮生物量進(jìn)行估算[8]。孫小艷等運(yùn)用單變量線性和非線性回歸分析建立4種歸一化差異植被指數(shù)(normalized difference vegetation index，簡(jiǎn)稱(chēng)NDVI)模型，對(duì)甘肅河西綠洲小麥地上干生物量(aboveground net primary production，簡(jiǎn)稱(chēng)ANPP)進(jìn)行提取[9]。任廣波等對(duì)HJ-1高光譜遙感影像進(jìn)行分析，建立7種常用的窄波段植被指數(shù)和2種紅邊指數(shù)對(duì)黃河口蘆葦和堿蓬生物量進(jìn)行估測(cè)，結(jié)果發(fā)現(xiàn)，單植被指數(shù)(single ratio index，簡(jiǎn)稱(chēng)SRI)和線性插值紅邊指數(shù)紅邊位置(red edge position，簡(jiǎn)稱(chēng)REP)的估測(cè)精度最高[10]。王新云等綜合全極化波段雷達(dá)數(shù)據(jù)、HJ1B影像及野外調(diào)查的數(shù)據(jù)，有效監(jiān)測(cè)了荒漠草原人工檸條灌木林地上生物量[11]。劉明等從中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer，簡(jiǎn)稱(chēng)M0DIS)中提取10種植被指數(shù)，分別結(jié)合回歸分析法和人工神經(jīng)網(wǎng)絡(luò)法對(duì)春玉米葉面積指數(shù)(leaf area index，簡(jiǎn)稱(chēng)LAI)和地上鮮生物量進(jìn)行模擬，不同方法組合的植被指數(shù)不同，效果也不同，其中利用人工神經(jīng)網(wǎng)絡(luò)法的反演精度高于回歸分析法[12]。王紅巖等利用BJ-1、HJ數(shù)據(jù)及Landsat TM數(shù)據(jù)，結(jié)合地面同步實(shí)測(cè)草地生物量數(shù)據(jù)，系統(tǒng)比較它們對(duì)草地生理參數(shù)估算方面的差異與能力，其中自主國(guó)產(chǎn)遙感數(shù)據(jù)有其特色，應(yīng)用潛力很大[13]。丁蕾等采集了春季黃河口濕地蘆葦光譜和生物量數(shù)據(jù)，并運(yùn)用修改型土壤調(diào)節(jié)植被指數(shù)(modified soil adjusted vegetation index，簡(jiǎn)稱(chēng)MSAVI)構(gòu)建了基于現(xiàn)場(chǎng)光譜的蘆葦生物量診斷模型[14]。陳鵬飛等通過(guò)創(chuàng)建一種新的植被指數(shù)(紅邊三角植被指數(shù))對(duì)玉米、小麥冠層生物量進(jìn)行估算發(fā)現(xiàn)，與現(xiàn)有的植被指數(shù)相比，在較高生物量條件下該植被指數(shù)仍可保持其對(duì)生物量變化的高敏感性，具有較好的估測(cè)效果[15]。目前，多數(shù)研究?jī)H從相關(guān)系數(shù)或者統(tǒng)計(jì)估算模型決定系數(shù)方面分析了光譜變量對(duì)生物量估算的可行性，而模型精度檢驗(yàn)及比較分析較少，且針對(duì)病蟲(chóng)害條件下植株生物量的提取研究較少，尤其棉花黃萎病發(fā)生后植株生物量的提取模型尚未見(jiàn)系統(tǒng)報(bào)道。

本研究旨在分析黃萎病棉株鮮生物量的光譜響應(yīng)特征，找到黃萎病棉株鮮生物量光譜識(shí)別的敏感波段，據(jù)此建立光譜特征參數(shù)對(duì)黃萎病棉株地上鮮生物量進(jìn)行光譜提取，以期為棉花黃萎病發(fā)生后的植株鮮生物量提取提供新的方法，并為大面積的病害衛(wèi)星遙感監(jiān)測(cè)提供技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)地種植情況

2013—2014年同步開(kāi)展小區(qū)和大田試驗(yàn)。小區(qū)試驗(yàn)在新疆農(nóng)墾科學(xué)院棉花所病圃田進(jìn)行。試驗(yàn)區(qū)土壤肥力中等，面積約23.5 m2，隨機(jī)區(qū)組設(shè)計(jì)，每處理3個(gè)重復(fù)。以新陸早45號(hào)(XLZ-45)和金墾86-29為試驗(yàn)品種。小區(qū)理論種植密度為24萬(wàn)株/hm2，播種窄行行距為20 cm，寬行行距為 40 cm，寬窄行交替種植，株距為 9.5 cm。2013年4月18日播種，膜上點(diǎn)播，膜下滴灌，灌水量為5 600 m3/hm2，全生育期灌溉10次，每9～10 d 灌溉1次。2/3磷肥、2/3鉀肥和1/3氮肥被用作基肥，1/3磷肥、1/3鉀肥和2/3氮肥隨水滴施，全生育期施肥量為 400 kg/hm2純氮、200 kg/hm2P2O5和 80 kg/hm2K2O。2014年4月21日播種，管理和2013年相同，其他按當(dāng)?shù)馗弋a(chǎn)栽培模式管理。大田試驗(yàn)在石河子墾區(qū)143團(tuán)、149團(tuán)自然發(fā)病棉田進(jìn)行，試驗(yàn)品種為合信14和 XLZ-45，試驗(yàn)處理與小區(qū)相似。

1.2 病情指數(shù)調(diào)查及嚴(yán)重度分級(jí)

在黃萎病發(fā)病的高峰期，用5點(diǎn)調(diào)查法調(diào)查測(cè)試點(diǎn)病情指數(shù)(disease index，簡(jiǎn)稱(chēng)DI)，每個(gè)測(cè)試點(diǎn)測(cè)試10株棉花。陳兵等將調(diào)查點(diǎn)棉花冠層病害嚴(yán)重度分為5級(jí)，即正常(b0)、輕度(b1)、中度(b2)、嚴(yán)重(b3)、極嚴(yán)重(b4)[16]。

1.3 數(shù)據(jù)采集

用野外光譜輻射儀(美國(guó)ASD公司生產(chǎn)，型號(hào)為Field Spec Pro 2500 RS3)測(cè)定測(cè)試點(diǎn)棉花冠層光譜，具體方法見(jiàn)參考文獻(xiàn)[10]。分別于2013年7月18日、7月31日、8月20日、9月19日及2014年7月26日、8月11日、8月23日和9月6日測(cè)定棉花冠層光譜，并同步取樣檢測(cè)棉花黃萎病植株的地上鮮生物量，共獲取93組高光譜與棉花地上鮮生物量同步數(shù)據(jù)。

地上鮮生物量的檢測(cè)方法為在測(cè)定光譜后立即拔出代表性棉株5株，稱(chēng)量子葉節(jié)以上部分鮮生物量，然后計(jì)算每個(gè)光譜測(cè)試點(diǎn)對(duì)應(yīng)的單位土地面積鮮生物量。

1.4 數(shù)據(jù)分析方法

將Viewspec Program軟件中光譜數(shù)據(jù)導(dǎo)出到Excel 2007中，計(jì)算鮮生物量平均值，將鮮生物量和光譜反射率進(jìn)行相關(guān)分析，篩選最佳波段并構(gòu)建新的光譜指數(shù)，最后進(jìn)行回歸分析，應(yīng)用SPSS 19.0軟件進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。選取2013年的50個(gè)樣本進(jìn)行建模，2014年的43個(gè)樣本進(jìn)行提取模型的檢驗(yàn)。

2 結(jié)果與分析

2.1 棉花黃萎病植株鮮生物量變化

由表1可知，不同時(shí)期的棉株鮮生物量在2年內(nèi)都隨著棉株黃萎病嚴(yán)重度的增加而減小，且病情越嚴(yán)重，減小的幅度越大，說(shuō)明病害棉株鮮生物量的減小不受年份和時(shí)期的影響。隨著棉花的生長(zhǎng)(2013年7月18日至9月19日，2014年7月26日至9月6日)，病害等級(jí)正常到輕度(b0～b2)的棉株鮮生物量在鈴期以前(2013年7月18日至8月20日，2014年7月26日至8月23)均呈逐漸增長(zhǎng)的趨勢(shì)，但吐絮期(2013年9月19日，2014年9月6日)有所不同，2013年9月19日b1棉株鮮生物量略微增加，其他嚴(yán)重度均減?。欢?014年9月6日重度病害(b3、b4)呈逐漸下降的趨勢(shì)，其他嚴(yán)重度均增加。由方差分析結(jié)果可知，2013、2014年病害等級(jí)為 b1～b4的棉株鮮生物量均與正常(b0)成顯著差異，不同病害嚴(yán)重度的植株鮮生物量存在一定的差異性；從病害嚴(yán)重度來(lái)看，病害相鄰處理鮮生物量差異顯著性存在交叉，但b4與其他病害程度(除b3外)鮮生物量均存在極顯著差異，說(shuō)明7月底到8月中下旬和b4對(duì)發(fā)病棉株鮮生物量的影響較大。

表1 棉株鮮生物量變化特征

注：同列數(shù)據(jù)后不同的大寫(xiě)字母分別表示差異極顯著(P<0.01)。

2.2 棉花黃萎病植株鮮生物量光譜敏感波段選擇

對(duì)2013年不同時(shí)期不同嚴(yán)重度棉花黃萎病的植株鮮生物量與光譜反射率進(jìn)行相關(guān)分析。由圖1可知，黃萎病棉花植株鮮生物量與反射率值在400～582 nm、704～1369 nm、1627～1729 nm波段呈顯著正相關(guān)關(guān)系，其中432～467nm、517～573 nm、706～1368 nm波段兩者呈極顯著正相關(guān)關(guān)系，除紅邊(680～780 nm)波段外，單波段545 nm(r=0.786)、939 nm(r=0.866)、1 676 nm(r=0.506)處兩者的正相關(guān)性較高。因此，400～582 nm、704～1 369 nm、1 627～1 729 nm為黃萎病棉株鮮生物量識(shí)別的光譜敏感波段區(qū)域，432～467 nm、517～573 nm、706～1 368 nm為黃萎病棉株鮮生物量的光譜敏感波段，單波段545、939、1 676 nm為黃萎病棉株鮮生物量的最佳光譜波段。

2.3 棉花黃萎病植株鮮生物量的光譜提取

對(duì)2013年棉花黃萎病植株光譜敏感波段區(qū)域正相關(guān)度最高的545、939、1 676 nm進(jìn)行組合，構(gòu)建新的黃萎病棉株鮮生物量估測(cè)光譜指數(shù)，包括R545、R939、R1 676、R939-R554、R939/R554、(R939-R554)/(R939+R554)、R1 676-R554、R1 676/R554、(R1 676-R554)/(R1 676+R554)、R939-R1 676、R939/R1 676、(R939-R1 676)/(R939+R1 676)，并建立黃萎病棉株鮮生物量估算模型。在12個(gè)估測(cè)參數(shù)所建立的線性、多項(xiàng)式和指數(shù)方程中，同一參數(shù)所建立的3種方程的決定系數(shù)差異很小，同時(shí)考慮到線性模型最簡(jiǎn)單實(shí)用，因此以線性方程作為病害棉株鮮生物量的診斷模型。由表2可知，除R939/R554、(R939-R554)/(R939+R554)、R1 676-R545外，其余線性提取方程決定系數(shù)R2均達(dá)到極顯著水平。其中單波段R545、R939建立的估算模型決定系數(shù)較高，分別為0.628、0.720；在組合波段中，新建光譜指數(shù)R939-R545、R939-R1 676建立的估算模型決定系數(shù)較高，分別為 0.685、0.684，可作為黃萎病棉株鮮生物量識(shí)別的最佳光譜模型。

以2014年的獨(dú)立試驗(yàn)數(shù)據(jù)對(duì)表2中極顯著的診斷方程進(jìn)行檢驗(yàn)。由表2可知，單波段R545、R939、R1 676檢驗(yàn)決定系數(shù)較高，分別為0.688、0.718、0.741，而新建光譜指數(shù)R939-R545的檢驗(yàn)決定系數(shù)較高，為0.683；對(duì)建立的達(dá)到顯著水平的模型進(jìn)行均方根誤差(RMSE)檢驗(yàn)得到，R939、R1 676、R939-R545光譜指數(shù)對(duì)應(yīng)的RMSE較低，分別為2.168、1.622、2.128。綜上所述，R939和新建光譜指數(shù)R939-R545的檢驗(yàn)決定系數(shù)較高，分別為0.718、0.683，均方根較小，分別為2.168、2.128，相對(duì)誤差較小，分別為0.32、0.28，表明二者為棉花黃萎病植株鮮生物量光譜識(shí)別的最佳模型。

表2 棉花黃萎病植株鮮生物量估算模型

注：“**”表示P<0.01極顯著水平；建模樣本數(shù)、檢驗(yàn)樣本數(shù)分別為50、43；“*”表示新建光譜指數(shù)；“—”表示沒(méi)有數(shù)值。

3 討論

本研究提出一種利用光譜技術(shù)提取病害棉株鮮生物量的方法。首先對(duì)棉花黃萎病植株鮮生物量變化特征進(jìn)行分析，受黃萎病的影響，2013、2014年的棉株鮮生物量在同一病害嚴(yán)重度水平總體隨生育期的延長(zhǎng)在鈴期前呈逐漸增長(zhǎng)的趨勢(shì)，之后有增有減。主要原因可能是2年的種植品種不同和吐絮期病害棉株產(chǎn)生2次生長(zhǎng)所致。2013年秋季霜凍來(lái)得比較早，導(dǎo)致同一病害嚴(yán)重度水平下的棉花在吐絮期因受到霜凍影響，鮮生物量有所下降，而2014年秋季霜凍來(lái)得比較晚，導(dǎo)致棉花在吐絮期正常生長(zhǎng)，受害輕的植株有返青現(xiàn)象明顯，生物量輕微增加，但受害重的植株已經(jīng)死亡或接近死亡，鮮生物量不在明顯增加。通過(guò)分析棉花黃萎病嚴(yán)重度與植株鮮生物量的相關(guān)性，選出400～582、704～1 369、1 627～1 729 nm 為黃萎病棉花植株的鮮生物量光譜識(shí)別的敏感波段區(qū)域，432～467、517～573、706～1 368 nm為黃萎病棉花植株的鮮生物量光譜的敏感波段，單波段545、939、1 676 nm為黃萎病棉花植株鮮生物量光譜的最佳波段，與相關(guān)研究存在差異。Hansena等認(rèn)為，438～884 nm范圍可作為敏感波段來(lái)估算小麥地上鮮生物量[4]；王秀珍等研究發(fā)現(xiàn)，波長(zhǎng)為376～722、754～917 nm光譜反射率和水稻地上鮮生物量之間的相關(guān)系數(shù)可達(dá)到顯著性檢驗(yàn)水平，不同的研究結(jié)果可能是由研究作物不同和作物生長(zhǎng)狀況不同敏感波段范圍發(fā)生變化所致[17]。本研究推薦以光譜指數(shù)R939、(R939-R545)為自變量建立的模型是黃萎病棉株鮮生物量光譜識(shí)別的最佳模型，與宋開(kāi)山等建立的作物生物量估算模型種類(lèi)[7-8]不同。宋開(kāi)山等認(rèn)為，多個(gè)高光譜比值植被建立的模型是大豆地上鮮生物量估算的最佳模型，可能是由于棉花品種、生長(zhǎng)狀態(tài)等的差異導(dǎo)致[7]；黃春燕等認(rèn)為，比值植被指數(shù)(ratio vegetation index，簡(jiǎn)稱(chēng)RVI)建立的指數(shù)函數(shù)是反演棉花地上鮮生物量的最佳模型[8]。在運(yùn)用高光譜技術(shù)監(jiān)測(cè)棉花黃萎病植株鮮生物量時(shí)要注意，因?yàn)榈孛嬷С帜Ｐ屯窃趩蝹€(gè)品種、某個(gè)區(qū)域、單一栽培措施條件下建立的，所以這種模型的普遍性、適用性及精確性在不同條件下有所不同。