高光谱的病害棉叶光合参数提取

引用本文

陈兵, 王刚, 刘景德, 马占鸿, 王静, 李天南. 高光谱的病害棉叶光合参数提取[J]. 光谱学与光谱分析, 2018,38(6): 1834-1838.
CHEN Bing, WANG Gang, LIU Jing-de, MA Zhan-hong, WANG Jing, LI Tian-nan. Extraction of Photosynthetic Parameters of Cotton Leaves under Disease Stress by Hyperspectral Remote Sensing[J]. Spectroscopy and Spectral Analysis, 2018,38(6): 1834-1838.
Doi:10.3964/j.issn.1000-0593(2018)06-1834-05 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

高光谱的病害棉叶光合参数提取

陈兵¹, 王刚⁴, 刘景德^1,^*, 马占鸿², 王静³, 李天南^1,²

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, 新疆石河子 832000

2. 中国农业大学植保学院, 北京 100083 3. 新疆石河子职业技术学院水利建筑工程分院, 新疆石河子 832003

4. 新疆农垦科学院, 新疆石河子 832000

作者简介: 陈兵, 1979年生, 新疆农垦科学院棉花研究所副研究员 e-mail: zyrcb@126.com;王刚, 1981年生, 新疆农垦科学院副研究员 e-mail: wg5791@163.com;陈兵, 王刚: 并列第一作者

收稿日期: 2017-09-07

基金: 国家自然科学基金项目(41161068)和新疆农垦科学院科技引导计划项目(YYD201102)资助

摘要

应用高光谱遥感监测黄萎病胁迫下棉花叶片光合参数。在350~2 500 nm光谱波段获取207个不同时期不同病情严重度的棉叶样本光谱数据, 同步利用光合仪测量样本光合参数。采用单因素方差和相关分析研究光合参数特征, 提取样本叶片光合参数的敏感波段并筛选光谱特征参数, 采用线性和非线性回归方法建立预测模型并检验。结果表明: 随病情严重度增加, 棉叶净光合速率、气孔导度、蒸腾速率均下降, 胞间CO₂浓度先降后增, 差异显著; 病情严重度与光合参数均达到显著相关, 与净光合速率、蒸腾速率、气孔导度、胞间 CO₂浓度相关系数分别为-0.97, -0.957, -0.886和0.715。选择与光合参数相关性最好的光谱敏感波段R704, R706, R699, R690, FD688, FD732, FD690, FD731, FD681组建新的光谱特征参数并与传统参数一起对净光合速率、蒸腾速率、气孔导度和胞间 CO₂浓度进行反演, 其中是以光谱参数PRI[FD732, FD688]), R706, RVI[890, 670]), R690为自变量建立的净光合速率、蒸腾速率、气孔导度和胞间CO₂浓度反演方程精度最高, 预测 R²分别为0.827, 0.810, 0.658, 0.573; RMSE分别为5.466, 2.801, 109.500, 63.500; RE分别为0.041, 0.137, 0.158, 0.021。表明通过高光谱遥感可以实现棉花黄萎病叶片光合生理参数的提取。

关键词: 棉花; 黄萎病; 叶片; 光合参数; 高光谱; 模型

中图分类号:O657.3 文献标志码:A

Extraction of Photosynthetic Parameters of Cotton Leaves under Disease Stress by Hyperspectral Remote Sensing

CHEN Bing¹, WANG Gang⁴, LIU Jing-de^1,^*, MA Zhan-hong², WANG Jing³, LI Tian-nan^1,²

1. Cotton Institute, Xinjiang Academy Agricultural and Reclamation Science/Northwest Inland Region Key Laboratory of Cotton Biology and Genetic Breeding, Shihezi 832000, China

2. College of Plant Protection, China Agricultural University, Beijing 100083, China

3. Institute of Water Conservation and Architectural Engineering, Xinjiang Shihezi Vocational College, Shihezi 832003, China

4. Xinjiang Academy of Agricutural and Reclamation Science, Shihezi 832000, China

Abstract

Hyperspectra remote sensing technique was applied to detect photosynthetic parameters (PP) in cotton leaf defected Verticillium wilt. The reflectance data about 207 was acquired in 350~2 500 nm bands in different dates and severity level of cotton leaves, and PP were measured by photosynthetic instrument. Analysis of variance and relationship analysis were used to process the PP character, extra spectral sensitive bands and selected character parameters of spectra with PP linear and nor-linear models were applied to product PP of cotton leaf of disease and tested. The result showed: with the disease condition increase, the data was increased to leaf net photosynthetic rate (A), transpiration rate (E), stomatal conductance (GH₂O), howeverintercellular CO₂ (CI) firstly decreased and then up, and the difference was significant between severity levels and PP. The relationship became better between severity level and PP, which r were -0.97, -0.957, -0.886, 0.715, respectively. New spectral parameters, R704, R706, R699, R690, FD688, FD732, FD690, FD731, FD681 were built on the base of sensitive bands together with tradition spectral parameters to established revise models of A, E, GH₂O, CI of cotton leaves with disease. Those models as PRI[FD732, FD688]), R706, RVI[890, 670]), R690 for the independent variable had the highest accuracy to estimate A, E, GH₂O, CI, R² of prediction, which were 0.827, 0.810, 0.658 and 0.573 respectively; RMSE were 5.466, 2.801, 109.500 and 63.500 respectively; RE were 0.041, 0.137, 0.158 and 0.021 respectively, which can realize the inversion of photosynthetic physiological parameters of cotton by remote sensing.

Keyword: Cotton; Verticillium wilt; Photosynthetic parameters; Hyperspectral; Models

文章图片

引言

当作物被病原菌侵染时, 作物内部结构和农学参数通常会发生变化, 尤其叶片内部叶绿体受损导致叶片光合能力下降, 光合作用减弱, 产生的有机物减少, 同时导致作物外部形态不同器官发生颜色、斑点和畸形等变化, 影响了作物的产量和品质^{[1, 2]}。通过监测作物农学参数的变化, 对农学参数进行提取, 可预测病害发生的可能性, 并进一步推断病害发生的程度, 为病害的发现和防治提供有效的数据源。 Jay等对甘蔗14个品种的5个农学参数进行了长达3年的遥感监测研究, 对比植被指数和编程2种方法对农学参数进行了反演, 植被指数的预测结果略好于编程方法, 两者没有显著的差异^[3]。 Hernandez等建立了光合反射率指数(photochemical reflectance index, PRI)与针叶树光合参数进行了相关分析, 发现PRI与气孔导度显著相关(r²=0.45)^[4]。伍南等分析了杉木冠层遭受炭病的冠层高光谱特征与色素含量, 建立了病害胁迫下杉木冠层色素含量高光谱估算模型, 相对误差小于0.15^[5]。何汝艳等利用小波法估测出了条锈病胁迫下冬小麦冠层叶片全氮含量, 具有较高的估测精度^[6]。程帆等采用随机函数和回归系数法提取特征波段, 最小二乘回归建立模型实现了病害的早期诊断。在叶片的众多农学参数中, 光合参数是最为重要的参数之一^[7]。利用遥感技术可无损、快速、大面机进行作物光合参数监测, 近年来相关研究不断展开。 Ren等研究表明针茅植物地上生物量与光合作用密切相关, 利用红边面积能有效对其光合能力进行估测^[8]。金秀良等对棉花整个生育期光合有效辐射吸收分量与光谱反射率进行了分析, 筛选出绿度植被指数和反射率比值建立了光谱估算模型, 决定系数达到了0.65^[9]。仇亚红等通过分析抽雄吐丝期玉米穗位叶在4个不同氮肥水平下的叶片净光合速率、气孔导度、蒸腾速率等光合参数及光谱反射率的变化规律, 明确了光合相关参数与原始光谱反射率、一阶微分光谱、植被指数等高光谱数据之间的关系^[10]。而利用光谱特征对黄萎病病害胁迫下病叶光合生理参数的监测研究尚未见相关报道。

以棉花黄萎病病叶为研究对象, 采集不同感病阶段病害叶片的光谱反射率并提取光谱信息, 同时测量对应叶片光合生理参数, 建立棉花黄萎病叶片光合生理参数的反演模型。以期为大面积遥感监测棉花黄萎病的发生发展提供理论依据和方法。

1 实验部分

1.1 试验地及种植情况

试验于2014年— 2016年在新疆农垦科学院棉花研究所黄萎病病圃试验田和大田开展。棉花品种为金垦86-29, 4月20号左右播种, 覆膜种植, 膜上点播, 膜下滴灌。全生育期共灌溉10次, 时间为每年的6月12日开始到8月22日结束, 灌溉周期为每8~9天一次, 全生育期灌水量5 600 m³· ha^-1。施肥量为380~400 kg· ha^-1纯氮, 160~180 kg· ha^-1 P₂O₅和100~120 kg· ha^-1 K₂O, 其中1/3的磷、钾以及氮肥被用作基肥, 剩余2/3的磷、钾以及氮肥分别在棉花生长期间每次随灌水一起滴施。大田试验选取在143团、 149团、芳草湖农场等常年发生棉花黄萎病严重的棉田, 试验品种为新陆早72号、 45号, 栽培措施按当地高产栽培模式管理。

1.2 病情严重度划分及样本选取

棉花黄萎病叶发病严重度按枯黄面积占整个叶片总面积百分数不同划分5级, 即: 正常(b0): 0%枯黄面积; 轻度(b1): 0%~25%枯黄面积; 中度(b2): 25%~50%枯黄面积; 严重(b3): 50%~75%枯黄面积; 极严重(b4): 75%~100%枯黄面积。样叶选取棉株上相同或相近叶位, 每个严重度取4片叶进行光谱测试。

1.3 叶片光谱测定

叶片光谱用ASD Field spec Pro FR 2500光谱仪与 ASD Leaf Clip耦合测定。 ASD Leaf Clip自带模拟光源, 每个样叶分别测试上中下3个部位, 取平均值为该样叶光谱值, 每次测量前均需用ASD Leaf Clip内置标准参考白板进行校正。

1.4 叶片光合参数测定

叶片光合参数采用德国WALZ公司的GFS-3000便携式光合作用测定系统, 选择晴朗无云的天气, 于北京时间11:30— 14:00之间进行测定, 参照Dinakar C方法^[11]进行数据的光合参数的采集。样叶测试位置与光谱测试一致。

1.5 数据分析

用ASD公司提供的Viewspec Program软件处理测得的单叶原始反射光谱数据和光谱反射率曲线, 在MATLAB 7.8软件中对反射光谱数据进行一阶微分处理, 微分光谱的近似计算方法为:

$ρ' (λ_{i}) = \frac{[ρ (λ_{i} + 1) - ρ (λ_{i} - 1)]}{(λ_{i} + 1) - (λ_{i} - 1)} (1)$

其中, λ _i为波段i波长值; ρ (λ _i)为波长λ _i的反射率值; ρ '(λ _i)为波段i的一阶微分值。

利用Excel 2013以及MATLAB 7.8对光谱反射率、一阶微分光谱与叶片光合参数进行方差和相关分析, 选择光合参数对应的光谱敏感波段, 根据敏感波段重构新的光谱参数: R704, FD688, FD73, NDVI[704, 1309], DVI[FD732, FD688], RVI[FD732, FD688], PRI[FD732, FD688], R706, FD690, DVI[1200, 706], DVI[FD690, FD2265], RDVI[FD690, FD2265], R699, R564, FD731, DVI[FD731, FD1183], R690, R564, FD681, DVI[FD681, FD2291], NDVI[690, 1357], RVI[690, 1357], PRI[690, 1357]; 同时提取传统的光谱特征参数: 归一化指数(NDVI)、生理反射指数(PRI)、生理反射植被指数(PPR)、绿波段植被指数(GreenNDVI)、调整土壤亮度植被指数(SAVI)、土壤调节植被指数(OSAVI)、转换叶绿素吸收反射指数(TCARI)、差值植被指数(DVI)、比值植被指数(RVI)、重归一化植被指数(RDVI)、红边斜率(DIr)、红边面积(SDr)、红边位置(REP)、红谷位置(Lo), 利用这些参数建立回归估算模型, 2014年— 2016年的103个样本为建模样本, 104个样本为检验样本。用测定值与预测值的相关系数、均方根误差和相对误差对模型精度进行评价。

2 结果与讨论

2.1 不同严重程度黄萎病棉叶光合生理参数变化特征

从表1可知, 随病情严重度增加, 棉叶净光合速率、气孔导度、蒸腾速率均下降, 胞间CO₂浓度先降后增。净光合速率下降的幅度最大, 且不同严重度(b0, b1, b2, b3, b4)均达到极显著差异; 蒸腾速率下降的幅度较大, 各不同严重度(b0, b1, b2, b3, b4)均达到显著差异; 气孔导度下降的幅度大, 病情较轻时(b0, b1, b2)达到显著差异, 病情重时(b3, b4)未达到显著差异; 胞间CO₂浓度在病害轻时(b0, b1, b2)未达显著差异, 病害重时(b3, b4)达显著差异。病害叶片严重度与净光合速率呈极显著负相关, 相关系数最高(r=-0.970), 与蒸腾速率呈极显著负相关, 相关系数很高(r=-0.957), 与气孔导度呈极显著负相关, 相关系数较高(r=-0.886), 与胞间 CO₂浓度呈极显著正相关(r=0.715)。

表1 不同严重度棉叶与光合参数关系 Table 1 The relation between photosynthetic parameters with different levels of disease severity of cotton leaves

注: 同一列不同字母代表p< 0.01水平上差异显著

Note: The different letters represent significant at 0.01 level

2.2 黄萎病棉叶光合参数与病情严重度和光谱反射率的相关性

图1可知, 病害叶片光谱反射率与净光合速率在439~728和976~2 500 nm波段呈极显著负相关, 704 nm处相关性最好; 与蒸腾速率在426~731和943~2 500 nm波段呈极显著负相关, 706 nm处相关性最好; 与气孔导度在430~724和912~2 500 nm波段呈极显著负相关, 699 nm处相关性最好; 与胞间CO₂在430~727和874~2 500 nm波段呈极显著正相关, 690 nm处相关性最好。

	Figure Option View Download New Window
	图1 病害叶片光合生理参数与反射光谱(a)和一阶微分光谱(b)相关性Fig.1 The relationships between photosynthetic physiological parameters and reflectance (a) and derivative spectra (b) of diseased leaves

病害叶片一阶微分值与净光合速率值在2 265和690 nm处相关系数绝对值最大; 与蒸腾速率2 265何690 nm处的相关系数绝对值最大; 与气孔导度在731和1 183 nm处的相关系数的绝对值最大; 与胞间CO₂在681和2 291 nm处的相关系数的绝对值最大。

2.3 黄萎病棉叶光合参数的光谱特征参数选择

棉花病害叶片光合生理参数与光谱参数相关性分析如表2。所有光谱参数和净光合速率、蒸腾速率、气孔导度、胞间CO₂浓度均达到显著相关, 相关系数平均值分别为0.856, 0.778, 0.772, 0.704。新建立光谱参数的相关系数整体上高于传统光谱参数, 平均值分别为0.883, 0.788, 0.804, 0.705, 最高相关系数达到了0.930, 0.853, 0.844, 0.789。新建立和传统的光谱参数中, 与净光合速率相关性最好的是PRI[FD732, FD688], DREP; 与蒸腾速率相关性最好的是R706, PRI[570, 531]; 与气孔导度相关性最好的是FD731, RVI[890, 670]与胞间CO₂浓度相关性最好的是R690, Lo。

表2 病害叶片光合参数与高光谱特征参数间的相关性 Table 2 The correlations between photosynthetic and hyper spectral parameters of cotton disease leaves

注: 光谱参数一栏加标* 表示此参数为新创建的特征参数; 相关性一栏, 加标* * 表示相关性已达0.01显著水平

Note:* New established parameters; * * Significant at the 0.01 probability level

2.4 棉花黄萎病叶片光合参数的高光谱估算模型

根据选出的棉花病害叶片光合生理参数相关性分析最好的光谱参数分别建立净光合速率、蒸腾速率、气孔导度、胞间CO₂浓度的高光谱估算模型(表3)。表3可知, 尽管不同光合参数的高光谱估算模型的表达式不同, 净光合速率和胞间CO₂浓度的高光谱估算模型是线性和对数函数, 蒸腾速率的高光谱估算模型是指数和二项式函数, 气孔导度的高光谱估算模型是幂函数, 估算模型均具有高的拟合R², 最高的达到了0.864。为更好的选择棉花病害光合参数估算最优模型, 需要对每个模型进行精度检验。考虑到估算模型既要有高的精度又要有实用性, 最优模型选择标准是方程计算简单, 预测R²最高, 均方根误差RMSE和相对误差RE较小。综合考虑以上指标后, 可推荐21.696^*(PRI[FD732, FD688])+13.574(预测R²=0.827, RMSE=5.466, RE=0.041); 64.5e^-9.071(R706)(预测R²=0.810, RMSE=2.801, RE=0.137); 2.0283^*(RVI[890, 670])^2.437(预测R²=0.658, RMSE=109.500, RE=0.158); 781.65^*(R690)+142.83(预测R²=0.573, RMSE=63.500, RE=0.021)分别为净光合速率、蒸腾速率、气孔导度、胞间CO₂浓度的高光谱最优估算模型。

表3 高光谱参数估测病叶光合参数的模型及精度分析 Table 3 Model fittings and error analyses of photosynthetic parameters estimation for diseased leaves using hyperspectral data

光合参数	模拟方程	拟合R²	预测R²	相对误差	均方根误差
净光合速率A	21.696^*(PRI[FD732, FD688])+13.574	0.864^{* *}	0.827^{* *}	0.041	5.466
	848.03^*ln(DREP)-5 545.6	0.732^{* *}	0.693^{* *}	0.037	6.303
蒸腾速率E	64.5^*e^-9.071(R706)	0.810^{* *}	0.810^{* *}	0.137	2.801
	277.59^(PRI[570, 531] )²+120.84^(PRI[570, 531] )+10.623	0.824^{* *}	0.759^{* *}	0.025	2.748
气孔导度GH₂O	1× 1 ${0^{6}}^{*}$ (FD731)^1.72	0.821^{* *}	0.722^{* *}	0.431	140.700
	2.0283^*(RVI[890, 670])^2.437	0.798^{* *}	0.658^{* *}	0.158	109.500
胞间CO₂浓度CI	781.65^*(R690)+142.83	0.591^{* *}	0.573^{* *}	0.021	63.500
	-3026^*ln(Lo)+19 966	0.629^{* *}	0.633^{* *}	0.510	60.600

表3 高光谱参数估测病叶光合参数的模型及精度分析 Table 3 Model fittings and error analyses of photosynthetic parameters estimation for diseased leaves using hyperspectral data

注: * 表示0.05显著水平; * * 表示0.01显著水平

Note: * Significant at the 0.05 probability level; * * Significant at the 0.01 probability level

3 结论

利用高光谱遥感技术对棉花黄萎病叶片光合参数进行监测并建立诊断模型对其进行参数提取, 结论如下:

(1) 棉叶光合参数净光合速率、气孔导度、蒸腾速率均随病情严重度增加而减小, 胞间 CO₂浓度先降后增, 病情严重度与光合参数相关性大小顺序为: 净光合速率> 与蒸腾速率> 气孔导度> 胞间CO₂浓度。

(2)棉叶光谱参数与光合参数均有很好的相关性, 选择各自相关性最好的参数建立光合参数提取模型, 净光合速率、蒸腾速率、气孔导度和胞间CO₂浓度的最佳诊断模型分别是以光谱参数PRI[FD732, FD688]), R706, RVI[890, 670]), R690为自变量的模型, 模型均具有很高的精度(预测R²> 0.57, RE< 0.2)。

结果表明病害对不同叶片光合参数的影响不同, 不同危害程度对光合参数的影响程度差异较大。通过建立光谱诊断模型可实现病害叶片光合参数的提取, 为棉花黄萎病病情诊断提供依据, 为作物不同病害发生后光合参数提取提供借鉴和参考。

The authors have declared that no competing interests exist.

参考文献

文献列表

[1]	CHEN Bing, WANG Ke-ru, LI Shao-kun, et al(陈兵, 王克如, 李少昆, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2011, 27(9): 86. [本文引用:1]
[2]	Sales C R G, Marehiori P E R, Machado R S, et al. Photosynthetica, 2015, 53(4): 1. [本文引用:1]
[3]	Jay S, Maupas F, Bendoula R, et al. Field Crops Research, 2017, 210: 33. [本文引用:1]
[4]	Hernández-Clemente R, Navarro-Cerrillo R M, Suárez L, et al. Remote Sensing of Environment, 2011, 115(9): 2360. [本文引用:1]
[5]	WU Nan, LIU Jun-ang, ZHOU Guo-ying, et al(伍南, 刘君昂, 周国英, 等). Chinese Agricultural Science Bulletin(中国农学通报), 2012, 28(1): 73. [本文引用:1]
[6]	HE Ru-yan, QIAO Xiao-jun, JIANG Jin-bao, et al(何汝艳, 乔小军, 蒋金豹, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2015, 31(2): 141. [本文引用:1]
[7]	CHENG Fan, ZHAO Yan-ru, YU Ke-qiang, et al(程帆, 赵艳茹, 余克强, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2017, 37(6): 1861. [本文引用:1]
[8]	Ren H, Zhou G, Zhang X. Biosystems Engineering, 2011, 109(4): 385. [本文引用:1]
[9]	JIN Xiu-liang, LI Shao-kun, WANG Ke-ru, et al(金秀良, 李少昆, 王克如, 等), Cotton Science(棉花学报), 2011, 23(5): 447. [本文引用:1]
[10]	QIU Ya-hong, YANG Feng, ZHAO Gang-cheng, et al(仇亚红, 杨峰, 赵刚成, 等). Chinese Agricultural Science Bulletin(中国农学通报), 2015, 31(24): 71. [本文引用:1]
[11]	Assal T, Anderson P, Sibold J. Forest Ecology and Management, 2016, 46(365): 137. [本文引用:1]

2011

0.0

CHEN

Bing

, WANG

Ke-ru

, LI

Shao-kun

, et al(陈兵, 王克如, 李少昆, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2011, 27(9): 86.

In order to provide a new technology and method to monitor cotton infected Verticillium wilt by spectra and chlorophyll fluorescence, the effects of spectra reflectance and chlorophyll fluorescence characteristics of cotton leaves under disease stress were studied. Through treatments of Verticillium wilt by inoculation in experiment field, the physical-chemical parameters, spectrum and chlorophyll fluorescence parameters of cotton leaves were measured and analyzed under disease stress. The results showed that with increasing severity level (SL) of disease, the Ch1.a、Ch1.b、Chl.a+b、LWC and LTNC, were decreased, and Car was gone up and then down in disease cotton leaves. The spectral reflectance of cotton leaves was little by little climbed from visible light region to short wave infrared region (400-2 500 nm) with increasing SL of disease. The spectral characteristic parameters of REP、OSAVI、PRI、G_NDVI、Lo、Depth672 and Area672 on leaves of disease were little by little dropped, whereas R550、R680、TCARI、R1200、R1685、Lwidth and ND672 were little by little climbed with increasing SL. The chlorophyll fluorescence parameters of Fv、Fm、Fv/Fm、Fv/Fo、Fm/Fo、ΦPSII were all decreased, but Fo increased with increasing SL of disease. After analyzing of correlation, it was discovered that besides Car, others agronomy, spectrum and chlorophyll fluorescence parameters were all significant relationship with SL. And the correlation of was best between spectral parameters and SL, the second correlation between agronomy parameters and SL, and the better correlation between chlorophyll fluorescence parameters and SL. The spectral reflectance and chlorophyll fluorescence characteristics of cotton leaves were influenced in some degree by disease of cotton, so it is variable to monitoring of cotton disease by the spectrum and chlorophyll fluorescence.

研究病害胁迫对棉叶光谱反射率和叶绿素荧光特性的影响, 以期为利用光谱和叶绿素荧光技术监测棉花黄萎病提供新的技术和方法。通过田间黄萎病接种处理，诱导发病后测定病害棉叶理化参数，光谱及叶绿素荧光参数，并对三者进行分析。结果表明，随着病害严重度增加，棉叶叶绿素a、叶绿素b、叶绿素a+b、叶片含水率、叶片全氮质量分数均减少，类胡萝卜素含量先降后增；不同生育期和不同品种的病害棉叶光谱反射率在可见光到短波红外区域（400～2 500 nm）均呈现逐渐上升的趋势；病叶光谱指数红边位置、优化土壤调节植被指数、生理反射植被指数、绿度归一化植被指数、红谷位置、672nm处的归一化吸收深度和吸收面积均逐渐减少，R550、R680、R1200、R1685、转换叶绿素吸收反射指数、红边宽度和672nm处的归一化的吸收宽度均逐渐增加；病叶叶绿素荧光参数可变荧光、最大荧光、光系统Ⅱ最大光化学效率、光系统Ⅱ的潜在活性、最大荧光与最小荧光比、光系统Ⅱ的量子产额均减小，而初始荧光增加。相关分析后发现，病害棉叶严重度SL与除了类胡萝卜素之外的所有理化参数、光谱和叶绿素荧光参数间均达到显著相关水平，与光谱特征参数的相关性最好，与理化参数的相关性次之，与叶绿素荧光参数的相关性较好。说明病害胁迫对棉叶光谱及叶绿素荧光特征均产生了一定的影响，用光谱和叶绿素荧光监测棉花病害是可行的。

... 引言当作物被病原菌侵染时, 作物内部结构和农学参数通常会发生变化, 尤其叶片内部叶绿体受损导致叶片光合能力下降, 光合作用减弱, 产生的有机物减少, 同时导致作物外部形态不同器官发生颜色、斑点和畸形等变化, 影响了作物的产量和品质^[1,2] ...

2015

0.0

2017

0.0

... Jay等对甘蔗14个品种的5个农学参数进行了长达3年的遥感监测研究, 对比植被指数和编程2种方法对农学参数进行了反演, 植被指数的预测结果略好于编程方法, 两者没有显著的差异^[3] ...

2011

0.0

... 45)^[4] ...

2012

0.0

... 15^[5] ...

2015

0.0

Ru-yan

, QIAO

Xiao-jun

, JIANG

Jin-bao

, et al(何汝艳, 乔小军, 蒋金豹, 等). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2015, 31(2): 141.

为监测条锈病胁迫下冬小麦的氮素营养状况，该文通过野外试验测量了感染条锈病的冬小麦冠层光谱数据和相应叶片全氮（leaf total nitrogen，LTN）含量，分析了冬小麦条锈病病情指数（disease index，DI）与LTN之间的关系，对冠层光谱进行了连续小波变换（continuous wavelet transform，CWT）处理得到小波系数，并选择一些高光谱指数，分别利用支持向量机（support vector machine，SVM）回归方法构建了小波系数、高光谱指数与冬小麦LTN含量之间的反演模型。研究表明，随着冬小麦DI增大，LTN含量逐渐减小，相关系数为?0.784；CWT处理得到的小波系数为自变量构建的反演冬小麦LTN含量的模型精度普遍高于高光谱指数为自变量的模型精度，其中以Mexican Hat小波函数处理得到的小波系数423(4)建立的反演模型为最优模型，RMSE为0.315，RE为7.62%。因此，该研究表明可以联合应用CWT与SVM方法对条锈病胁迫下冬小麦LTN含量进行反演，且具有较高的估测精度。该研究成果对小麦作物病害预防、指导作物施肥具有重要现实应用意义。

... 何汝艳等利用小波法估测出了条锈病胁迫下冬小麦冠层叶片全氮含量, 具有较高的估测精度^[6] ...

2017

0.0

... 在叶片的众多农学参数中, 光合参数是最为重要的参数之一^[7] ...

2011

0.0

... Ren等研究表明针茅植物地上生物量与光合作用密切相关, 利用红边面积能有效对其光合能力进行估测^[8] ...

2011

0.0

JIN

Xiu-liang

, LI

Shao-kun

, WANG

Ke-ru

, et al(金秀良, 李少昆, 王克如, 等), Cotton Science(棉花学报), 2011, 23(5): 447.

Two field experiments were conducted with different densities and waters, the relationship was analyzed between spectral reflectance and the fraction absorption of photosynthetically active radiation(FPAR), and the estimating models were established for FPAR in the whole growth stages of cotton. The results indicated that it was significant correlations among the FPAR with all the vegetation indexes, the green normalized difference vegetation index(GREENNDVI) and the reflectance ratio (GMI) was better, theirs correlations coefficient( r ) were 0.794 and 0.765, respectively, the estimated models of FPAR were established, and the determination coefficients( r 2 ) were 0.657 and 0.633, the root mean square errors( RMSE ) were 0.089 and 0.093, respectively. The results suggested that the FPAR can be effectively estimate by spectral parameters during growth stages of cotton.

1. Key Laboratory of Oasis Ecology Agriculture of Xinjiang Construction Crops , Shihezi , Xinjiang 832003, China ; 2. The Chinese Academy of Agricultural Sciences/ Key Laboratory of Crop Physiology and Production Ministry of Agriculture , Beijing 100081, China ; 3. Institute of Cotton, Xinjiang Academy of Agricultural Reclamation Sciences , Shihezi , Xinjiang 832003, China

通过开展小区棉花密度和水分对比试验，分析不同密度和水分处理的棉花整个生育期光合有效辐射吸收分量(FPAR)与光谱反射率的相关关系，建立棉花FPAR光谱估算模型。结果表明，棉花FPAR与选取的所有植被指数均呈极显著相关，其中绿度植被指数（GREENNDVI）和反射率比值（GMI）与FPAR的相关性最好，相关系数（ r ）分别为0.794和0.765。分别用GREENNDVI和GMI建立棉花FPAR的估算模型，其决定系数（ r 2 ）分别为0.657和0.633，均方根误差（ RMSE ）分别为0.089和0.093。研究表明，利用光谱特征参数可以有效地估算棉花整个生育期的FPAR。

... 65^[9] ...

2015

0.0

... 仇亚红等通过分析抽雄吐丝期玉米穗位叶在4个不同氮肥水平下的叶片净光合速率、气孔导度、蒸腾速率等光合参数及光谱反射率的变化规律, 明确了光合相关参数与原始光谱反射率、一阶微分光谱、植被指数等高光谱数据之间的关系^[10] ...

2016

0.0

... 14:00之间进行测定, 参照Dinakar C方法^[11]进行数据的光合参数的采集 ...