應用CGMD-302光譜儀監測馬鈴薯病害

陳青春，黎學記，2，劉鵬飛，張姿麗，王曉明，蔣 鋒*

（1.仲愷農業工程學院，廣東 廣州 510225；2.廣州市越秀區中小學生綜合實踐活動教育基地，廣東 肇慶 526200）

應用CGMD-302光譜儀監測馬鈴薯病害

陳青春1，黎學記1，2，劉鵬飛1，張姿麗1，王曉明1，蔣 鋒1*

（1.仲愷農業工程學院，廣東 廣州 510225；2.廣州市越秀區中小學生綜合實踐活動教育基地，廣東 肇慶 526200）

為了快速監測馬鈴薯病害程度，利用便攜式光譜儀CGMD-302分別于2011和2012年開展馬鈴薯病害監測研究。結果表明，基于便攜式光譜儀光譜反射率構建的植被指數可以有效地反演馬鈴薯植株病斑面積，其中810 nm光譜反射率、歸一化植被指數（NDVI）以及比值植被指數（RVI）與病斑面積呈負相關，而720 nm光譜反射率與病斑面積呈正相關，預測精度R2均達到0.95以上，均方根誤差（RMSE）和平均相對誤差（RE）均低于8.0%，模型檢驗結果良好。研究結果可以為馬鈴薯植株病害快速監測提供依據。

馬鈴薯；病害；光譜；模型

馬鈴薯是廣東省主要冬種作物之一，因廣東省冬季特殊的天氣條件，許多常見病害均有不同程度發生。傳統的田間觀測效率低下，耗時耗力。病害植株形態和生理的變化會導致相應光譜信息的變動，這為遙感技術在馬鈴薯病害的快速實時監測提供了可能［1］。國內外早在20世紀20～30年代已開始棉花根腐病、馬鈴薯煙草花葉病、條銹病等病害的光譜特征研究［2-20］。不同作物的病蟲危害光譜信息識別的敏感波段主要位于可見光波段和近紅外波段［4-6］，其最佳敏感波段因病害和作物種類不同而變化［7-14］。目前，國內外對馬鈴薯病害監測也進行了一些研究，周竹等［20］利用光譜檢測馬鈴薯黑心病，認為透射光譜系統優于高光譜成像系統，而高光譜成像系統效果優于傅里葉近紅外光譜儀；李小昱等［21］研究發現，采用DS證據理論和支持向量機相結合的方法融合獲取圖像特征和光譜特征，建立多源信息融合馬鈴薯痂瘡病光譜檢測模型，能夠實現對痂瘡病的快速無損監測；席那順朝克圖等［22］研究表明，運用Matlab默認閥值法對馬鈴薯光譜進行小波消噪，通過對比原始光譜和消噪后的光譜，能有效消除馬鈴薯光譜中多余的噪聲，實現馬鈴薯環腐病的監測。但目前研究多集中于馬鈴薯塊莖病害［23-26］，對馬鈴薯葉片病害的研究相對較少，因此本研究擬通過開展不同品種馬鈴薯試驗，利用便攜式光譜儀進行馬鈴薯病害監測，以期對馬鈴薯大面積病害監測預警提供技術支持。

1 材料與方法

1.1 試驗設計

試驗設在廣州市越秀區中小學生綜合實踐活動教育基地（肇慶四會市貞山區蓮四路）旱地。屬亞熱帶季風氣候，濕度偏大，熱量豐富，光照充足，雨量充沛，氣候溫暖，無霜期長。據多年氣象資料統計結果，年平均氣溫21.3℃，年極端最高氣溫37.9℃，年極端最低氣溫-2.6℃。土壤為赤紅壤，肥力中等，前茬為甜玉米。前茬收獲后及時整田納雨蓄墑。試驗采用隨機區組設計，每個品種3次重復，小區面積10 m2。2011年收獲后留于2012年繼續種植，用于觀察病害發生情況。其他管理同大田。小區一壟雙行，株距25 cm，行距30 cm，壟寬60 cm，各重復間設0.5 m走道。種薯于播前催芽。播種時施復合肥（氮磷鉀比為10∶5∶10，下同）600 kg/hm2、豬糞5 000 kg/hm2；幼苗具有3～4葉時追施尿素150 kg/hm2；結薯膨大期追施復合肥400 kg/hm2、硫酸鉀400 kg/hm2；生長后期分2次噴施0.2%磷酸二氫鉀溶液；成熟期以大部分葉片落黃為準。

試驗一（2011年冬種試驗）：各試驗品種（‘大西洋’原種、‘費烏瑞它’原種、‘夏波蒂’原種，‘大西洋’一級種、‘費烏瑞它’一級種、‘新大坪’一級種，‘大西洋’二級種、‘費烏瑞它’二級種、‘夏波蒂’二級種）于2011年11月25日種植，2012年3月20日收獲。

試驗二（2012年冬種試驗）：各試驗品種（‘大西洋’原原種、‘費烏瑞它’原原種、‘夏波蒂’原原種、‘隴薯3號’原原種、‘隴薯6號’原原種、‘隴薯8號’原原種、‘冀張薯8號’原原種，‘大西洋’原種、‘夏波蒂’原種、‘費烏瑞它’原種、‘新大坪’原種，‘大西洋’一級種、‘費烏瑞它’一級種、‘夏波蒂’一級種，‘大西洋’二級種、‘費烏瑞它’二級種、‘夏波蒂’二級種，‘克新1號’商品薯、‘中薯3號’商品薯）于2012年11月22日種植，2013年3月28日收獲。

1.2 病害調查

于馬鈴薯開花期，使用高清數碼相機獲取植株冠層圖像，經過后期圖像分析，獲取馬鈴薯病害程度數據，同步于田間人工調查統計，二者數據結合作為最終病害程度資料。因試驗設施限制，本研究不分病害種類，將所有病害病斑作為整體進行分析。

按照病害程度分為4級：

正常——無病害，葉片呈綠色；

輕度——病斑面積小于30%；

中度——病斑面積小于60%，大于30%；

重度——病斑面積大于60%。

1.3 光譜數據測定

于馬鈴薯開花期，采用國家信息農業工程技術中心研制的便攜式光譜儀CGMD-302［27］測定馬鈴薯冠層光譜反射率（R）。CGMD-302便攜式光譜儀為兩波段（810和720 nm）被動光譜儀。測量時選擇晴朗天氣10:00～14:00，距離冠層0.5 m，探頭垂直向下。

1.4 數據分析

本研究采用決定系數、均方根誤差、平均相對誤差以及預測精度等指標綜合評價構建模型。數據分析、繪圖均于Microsoft Excel 2010中進行。

2 結果與分析

2.1 不同處理馬鈴薯病害程度

從表1可以看出，不同供試材料發病程度差異明顯，同一品種之間，原原種幾乎無病害，原種輕度，一級種中度，而二級種發病最為嚴重，商品用種薯（‘克新1號’、‘中薯3號’）為中度發病。廣東地區冬季溫度較高，濕度相對較大，容易出現病害，因此對于種苗的質量要求較高，普通商用種易發病。

表1 馬鈴薯病害程度Table 1 Disease grade of potato

表2 馬鈴薯冠層光譜反射率（%）Table 2 Canopy spectral reflectance of potato

2.2 不同處理光譜反射率變化

從表2可以看出，不同材料馬鈴薯冠層光譜反射率差異較大，810 nm波段與720 nm波段光譜反射率呈負相關關系（圖1），決定系數高達0.97。在810 nm波段，反射率原原種＞原種＞一級種＞二級種，品種間無明顯差異，在720 nm波段，關系相反，反射率原原種＜原種＜一級種＜二級種。

2.3 發病病斑面積與光譜參數關系

從表1和表2可以看出馬鈴薯病斑面積與光譜反射率有著明顯的相關性。圖2表明，810 nm光譜反射率與病斑面積呈顯著負相關關系，二次函數形式決定系數高達0.97；圖3表明720 nm光譜反射率與病斑面積呈顯著正相關關系，二次函數形式決定系數高達0.99。歸一化植被指數（Normalized difference vegetation index，NDVI）（810，720）和比值植被指數（Ratio vegetation index，RVI）（810，720）與病斑面積的關系與810 nm波段光譜反射率的相似，均與病斑面積呈顯著負相關關系，決定系數高達0.98以上（圖4、圖5）。由此可以看出，利用光譜參數可以有效地實現馬鈴薯病斑面積的快速監測。

圖1 810nm光譜反射率與720 nm光譜反射率關系Figure 1 Relationship between R810nm and R720nm

圖2 810nm光譜反射率與病斑面積關系Figure 2 RelationshipbetweenR810nmandlesionarea

圖3 720nm光譜反射率與病斑面積關系Figure 3 RelationshipbetweenR720nmandlesionarea

2.4 模型檢驗

利用獨立數據對所構建模型進行檢驗，結果顯示（表3），4種光譜參數構建的模型預測精度均高達0.95以上，均方根誤差（RMSE）以及平均相對誤差（RE）均低于 8.0%。綜上所述，利用CGMD-302便攜式光譜儀獲得的冠層光譜數據構建的光譜參數，可以實現對馬鈴薯病斑面積的快速監測。

圖4 NDVI（810，720）與病斑面積關系Figure 4 RelationshipbetweenNDVI（810，720）and lesionarea

圖5 RVI（810，720）與病斑面積關系Figure 5 Relationship between RVI（810，720）and lesionarea

表3 模型檢驗Table 3 Model test

3 討論

馬鈴薯脂肪含量低，蛋白質品質高，熱量較小麥、水稻低，符合當前中國居民膳食多元、飲食健康的追求，同時馬鈴薯全粉貯存時間長，適宜作為戰略貯備糧［28］。2015年2月1日，中央一號文件明確提出將馬鈴薯列為水稻、小麥、玉米之后的第四大主糧作物。

由于廣東省冬季特殊的氣象條件，為冬種馬鈴薯提供了便利，但由于高濕高熱的現實也給冬種馬鈴薯病害發生創造了適宜條件。如何實現對馬鈴薯病害的快速監測，對馬鈴薯生產管理具有重要的意義［29，30］。遙感技術的出現，為這一問題的解決提供了可能。目前國內外學者對其他作物病蟲害監測做了大量的工作［2-19］，給出了不同病害監測的適宜波段，但以往的研究多使用的是高光譜儀，成本高，不適合大面積使用，南京農業大學國家信息農業工程技術中心［27］結合目前國內外研究結果研制了兩波段便攜式光譜儀，為光譜儀大面積應用提供了方便。通過本研究結果也表明，利用該儀器獲得的數據構建的光譜參數，可以有效地實現馬鈴薯病斑面積的快速監測，預測精度高達0.95以上，均方根誤差（RMSE）以及平均相對誤差（RE）均低于8.0%。

同時本研究也表明，不同等級的馬鈴薯種薯發病程度差異顯著，原原種因其規范的生產，田間發病程度相對較低，而本田留種的馬鈴薯，在田間表現相對較差，屬于病害高發群體。鑒于廣東本地高溫高濕的特殊情況，不適合本地繁種，如何選擇適宜等級的馬鈴薯種薯對于廣東省馬鈴薯冬種具有特殊的意義［31］。

因試驗場地和材料限制，本研究涉及品種相對較少，在以后的研究中應該加大不同等級馬鈴薯品種的引入，更加深入地研究不同馬鈴薯品種在冬種條件下的表現，對所構建的模型進行進一步的驗證和完善。

［1］WuD，ZhuD-S，HeY，etal.Nondestructivedetectionofgreymoldof eggplant based on ground multi-spectral imaging sensor［J］. Spectroscopy Spectral Anal，2008，28（7）:1496-1500.

［2］Bawden F C.Infra-red photography and plant virus diseases［J］. Nature，1933，132:168.

［3］Taubenhaus J J，Ezekiel W N，Neblette C B.Airplane photography in the study of cotton root rot［J］.Phytopathology，1929，19（11）: 1025-1029.

［4］Raikes C，Burpee L L.Use of multispectral radiometry for assessment of Rhizoctonia blight in creeping bentgrass［J］. Phytopathology，1998，88（5）:446-449.

［5］Wang D，Dowell F E，Lan Y，et al.Determining pecky rice kernels using visible and near-infrared spectroscopy［J］.International Journal of Food Properties，2002，5（3）:629-639.

［6］Zhang J C，Yuan L，Wang J H，et al.Research progress of crop diseases and pests monitoring based on remote sensing［J］.Trans CSAE，2012，28（20）:1-11.

［7］Zhang M，Qin Z，Liu X，et al.Detection of stress in tomatoes induced by late blightdisease in California，USA，using hyperspectral remote sensing［J］.International Journal of Applied Earth Observation and Geoinformation，2003，4（4）:295-310.

［8］Huang M，Wang J H，Huang W J，et al.Hyperspectral character of stripe rust on winter wheat and monitoring by remote sensing［J］. JournalofAgriculturalEngineering Research，2003，19（6）: 154-158.

［9］Jiang J，Huang W.Using the distance between hyperspectral rededge position and yellow edge position to identify wheat yellow rust disease［J］.Spectroscopy and Spectral Analysis，2010，30（6）: 1614-1618.

［10］陳兵，王克如，李少昆，等.病害脅迫對棉葉光譜反射率和葉綠素熒光特性的影響［J］.農業工程學報，2011，27（9）:86-93.

［11］李澤東，李宏寧，方玉萍，等.黃瓜霜霉病害的窄帶多光譜圖像光譜分類和評估研究［J］.云南師范大學學報:自然科學版，2011，31（6）:63-69.

［12］馮潔，廖寧放，趙波，等.常見黃瓜病害的多光譜診斷［J］.光譜學與光譜分析，2009，29（2）:467-470.

［13］邢東興，常慶瑞.基于光譜反射率的果樹病蟲害級別定量化測評——以紅富士蘋果樹黃葉病害，紅蜘蛛蟲害為例［J］.西北農林科技大學學報:自然科學版，2009，37（11）:143-148.

［14］趙聰慧，張淑娟.作物病害的計算機視覺和光譜檢測技術研究進展［J］.農機化研究，2009（11）:230-234.

［15］馮偉，王曉宇，宋曉，等.基于冠層反射光譜的小麥白粉病嚴重度估測［J］.作物學報，2013，39（8）:1469-1477.

［16］ 王斌，薛建新，張淑娟.基于高光譜成像技術的腐爛，病害梨棗檢測［J］.農業機械學報，2013，44（1）:205-209.

［17］柴阿麗，廖寧放，田立勛，等.基于高光譜成像和判別分析的黃瓜病害識別［J］.光譜學與光譜分析，2010，30（5）:1357-1361.

［18］劉良云，黃木易，黃文江，等.利用多時相的高光譜航空圖像監測冬小麥條銹病［J］.遙感學報，2004，8（3）:275-281.

［19］蔣金豹，李一凡，郭海強，等.不同病害脅迫下大豆的光譜特征及識別研究［J］.光譜學與光譜分析，2012，32（10）:2775-2779.

［20］周竹，李小昱，高海龍，等.漫反射和透射光譜檢測馬鈴薯黑心病的比較［J］.農業工程學報，2012，28（11）:237-242.

［21］李小昱，陶海龍，高海龍，等.基于多源信息融合技術的馬鈴薯痂瘡病無損檢測方法［J］.農業工程學報，2013，29（19）:277-284.

［22］席那順朝克圖，郁志宏，張寶超，等.基于小波分析的馬鈴薯環腐病光譜數據去噪［J］.農村牧區機械化，2013（3）:19-22.

［23］湯全武，史崇升，湯哲君.基于HIT的馬鈴薯外部缺陷特征的提取［J］.東北農業大學學報，2014，45（6）:114-121.

［24］周竹，李小昱，陶海龍，等.基于高光譜成像技術的馬鈴薯外部缺陷檢測［J］.農業工程學報，2012，28（21）:221-228.

［25］蘇文浩，何建國，劉貴珊，等.近紅外高光譜圖像技術在馬鈴薯外部缺陷檢測中的應用［J］.食品與機械，2013，29（5）:127-133.

［26］代芬，Bergholt M S，Benjami A J V.近紅外激發熒光光譜與拉曼光譜快速鑒別馬鈴薯品種［J］.光譜學與光譜分析，2014，34（3）: 677-680.

［27］倪軍，姚霞，田永超，等.便攜式作物生長監測診斷儀的設計與試驗［J］.農業工程學報，2013，29（6）:150-156.

［28］曾凡逵，許丹，劉剛.馬鈴薯營養綜述［J］.中國馬鈴薯，2015，29（4）:233-243.

［29］趙多長.加強重大病害綜合防治促進馬鈴薯產業發展［J］.中國馬鈴薯，2010，24（3）:190-191.

［30］曹先維，陳洪.廣東省馬鈴薯生產及青枯病的危害［J］.馬鈴薯雜志，1999，13（1）:32-33.

［31］李小波，安康，方志偉，等.2014年廣東省冬種馬鈴薯品種比較試驗［J］.中國馬鈴薯，2016，30（1）:6-9.

Rapid Monitoring for Potato Disease by CGMD-302 Spectrometer

CHEN Qingchun1，LI Xueji1，2，LIU Pengfei1，ZHANG Zili1，WANG Xiaoming1，JIANG Feng1*
（1.Zhongkai University of Agriculture and Engineering，Guangzhou，Guangdong 510225，China；2.Students Comprehensive Practical Activities Education Base of Guangzhou Yuexiu District，Zhaoqing，Guangdong 526200，China）

Two experiments were carried out in 2011 and 2012 using CGMD-302 spectrometer to monitor potato diseases of different potato varieties of various seed grades in order to rapidly monitor potato diseases.The results showed that there was a negative correlation between canopy spectral reflectance at 810 nm，normalized difference vegetation index（NDVI），ratio vegetation index（RVI）and lesion area，while a positive correlation was found between canopy spectral reflectance at 720 nm and lesion area.The prediction accuracy was above 0.95，and the root mean square error（RMSE）and the average relative error（RE）were both less than 8.0%.The findings might provide the technical basis for rapid monitoring of potato disease grade.

potato；disease；spectrum；model

S532

A

1672－3635（2016）05-0302-06

2016-01-05

廣東省優質旱糧生產示范基地建設項目（粵財農［2009］36；粵財農［2011］17號）。

陳青春（1983-），男，講師，博士，從事作物精確管理研究。

蔣鋒，博士，副教授，從事玉米、薯類高產栽培育種研究，E-mail:breakthrough@139.com。