截形葉螨危害下棗冠層含水量高光譜估算模型

連 玲，王振錫*，高亞利，師玉霞，楊勇強，李 盼，玉蓀·吐孫江

(1.新疆農業大學 林學與園藝學院，新疆 烏魯木齊 830052；2. 新疆教育廳 干旱區林業生態與產業技術重點實驗室, 新疆 烏魯木齊 830052)

【研究意義】棗(Ziziphusjujuba)是新疆優勢果樹樹種之一，栽培歷史悠久[1]。近年來，新疆棗產業發展迅速，已經成為新疆種植面積最大的果樹樹種，而潛藏著的蟲害問題愈發顯著，嚴重影響著棗產量和品質，利用現代信息技術開展大面積蟲害監測的科技需求日益迫切。截形葉螨[2-3]是植食性螨類，屬蛛形綱(Arachnida)、葉螨科(Tetranychid)，也叫“紅蜘蛛”，一般出現在6月下旬，一年發生多代，在新疆棗樹上發生普遍。葉螨通過吸食棗葉片汁液，造成葉片出現斑點、變黃，引起葉素綠含量和葉片含水量降低，抑制光合作用，減少養分積累[4]，嚴重影響植株的正常生長。水是植物生長發育中不可或缺的要素，其含量變化直接影響著植物的生理生化過程。大量研究表明，高光譜遙感技術已經成為植被水分含量監測的新途徑。【前人研究進展】近年來，國內外學者在高光譜反演植被水分含量方面開展了大量的研究工作，Colomb等人[5]將葉片在1150 nm處的一階微分光譜確定為敏感波段，構建了精度較高的含水量估測模型。李夢竹[6]發現不同水分脅迫條件下烤煙(Solanaceaeverbascifolium)各波段光譜曲線總體趨勢一致，而微分光譜比原始光譜更適用于模型構建，其中BP神經網絡反演精度最高，監測效果最好。林起楠[7]等認為危害程度越高云南針葉松(Pinusyunnanensis)光譜反射率對水分參數的敏感度越低。楊可明等[8]研究了銅脅迫下玉米(ZeamaysLinn.)葉片與含水率的光譜響應，發現土壤中銅濃度升高時，玉米葉片含水率隨之降低，用歸一化指數來判斷玉米銅危害程度較為準確。【本研究切入點】由此可見，光譜曲線受生理變化的影響，所以以高光譜遙感技術監測植物生理過程是可行的，且一階微分光譜反射率對植被水分變化具有較強的敏感性。【擬解決的關鍵問題】鑒于此，本研究通過分析截形葉螨危害下棗冠層一階微分光譜反射率與含水量的相關性，基于水分含量敏感波長構建棗冠層高光譜含水量回歸模型，以期為植被大面積蟲害監測提供技術支撐，具有一定的現實意義。

1 材料與方法

1.1 數據獲取

1.1.1 研究區概況 研究區位于新疆喀什地區麥蓋提縣昂格特勒克鄉的棗生產園，麥蓋提縣位于塔克拉瑪干沙漠西緣，屬典型的大陸性氣候。全年日照充足，年平均日照為2806.3 h；降水量極少，年平均降水量為42.3 mm；蒸發量極強，平均蒸發量2349 mm。綠洲范圍內農林產業發展主要依靠人工灌溉。

1.1.2 試驗材料 2018年6月下旬，在研究區內按照每間隔5株選取1株的方式，共選取250棵樣株。將每一樣株分為上、中、下層，每層按照東西南北4個方位，共選取12個點位，每個點位以單株為單位，隨機選擇一個標準枝上的3片鮮葉，記錄葉片正反面的葉螨數量后，摘取葉片，每一樣株摘取36片鮮葉，共計9000片葉片。將摘下的鮮葉依次裝入編號的牛皮紙信封內，迅速帶回實驗室測定含水量，并同步開展戶外棗樹冠層光譜測定。

1.1.3 冠層光譜測定 采用美國Analytical Spectral Device(ASD)公司生產的便攜式野外地物光譜儀Field Spec3對棗樹冠層光譜反射率進行測定，該光譜儀的波段范圍為350～2500 nm，光譜輸出時，光譜儀自動進行重采樣(重采樣的間隔為1 nm)。試驗選擇無風或晴朗的天氣進行，時間為北京時間12:00-14:00。在室外將光譜儀探頭固定在距離冠層上方20 cm位置處，進行原位測定每一樣株的光譜反射率。每一樣株測取10條標準光譜反射率曲線，剔除異常值后取均值作為該樣株的最終光譜優化曲線，共計250個光譜均值。測定光譜過程中，每隔15 min做一次白板校正，保證樣品的光線反射折光率穩定為1。

1.1.4 冠層含水量測定 以單株為單位，將每一樣株摘取的葉片混合后測定水分含量，作為該樣株冠層光譜反射率對應的含水量，即冠層含水量。首先，將待測的新鮮葉片裝入做好標記的牛皮紙信封，用電子天平稱量，記錄葉片鮮重，然后把樣品放入恒溫干燥箱內，在105 ℃下殺青30 min，之后于80 ℃下烘至恒定質量，記錄葉片干重。冠層含水量計算公式如下：

FMC=(FW-DW)/FW×100 %

(1)

式中，FMC表示棗冠層含水量，FW為植物鮮重，DW為植物干重。

1.2 數據處理

1.2.1 光譜數據處理 在樣區冠層高光譜數據中，考慮到由于系統誤差造成信噪比較低，再根據前人的研究[9-10]與本實驗相結合，選擇350～1350 nm波段范圍，探討光譜特征與含水量的關系。

本研究共獲取250條光譜序列，剔除奇異值后保留214條光譜序列。光譜數據經ViewSpecPro 6.0軟件預處理，轉換為一階微分光譜。一階微分變換公式如下[11]：

Dλ= (Rλ+1-Rλ)/△λ

(2)

式中：λ為各波段波長，Dλ為λ處的一階微分光譜反射率，R為各波段的原始光譜反射率，△λ為λ+1到λ間的波長間隔。

1.2.2 蟲害等級劃分 以樣株為單位，按葉片平均葉螨數量進行等級劃分[12]，共劃分5個等級：0級，0頭/葉；1級，1～5頭/葉；2級，6～10頭/葉；3級，11～25頭/葉；4級，≥26頭/葉。

1.3 建模與檢驗

通過分析葉螨危害下棗冠層一階微分光譜與含水量的相關性，選擇相關性較強的波段為敏感光譜波段，分別采用線性和曲線方程建立棗冠層含水量與一階微分光譜之間的回歸模型。

模型精度檢驗選取估測精度(R2)、均方根誤差(Root Mean Square Error，RMSE)和相對誤差(Relative Error，RE)3個指標，R2越大，RMSE和RE越小，表明模型擬合效果越好。依據建模樣本量與檢驗樣本量3∶2的標準，選擇2/3的樣本進行建模，1/3的樣本用來精度檢驗。

2 結果與分析

2.1 截形葉螨危害等級與棗冠層含水量關系

以截形葉螨危害等級為自變量，冠層含水量為應變量，得到截形葉螨危害等級下棗冠層含水量變化(圖1)。棗冠層含水量隨著截形葉螨危害等級增大(0～4級)呈逐級遞減趨勢，且與蟲害等級呈負相關。由冠層含水量的基本特征值可知(表1)，截形葉螨危害等級下棗冠層含水量的最大值、最小值與平均值均表現為隨蟲害等級增加而遞減。由此說明棗植株受蟲害脅迫程度越高，其對冠層水分含量影響越明顯。

表1 截形葉螨危害等級下棗冠層含水量基本特征Table 1 Basic characteristic values of water content under the hazard of mites

圖1 截形葉螨危害下棗冠層含水量變化Fig.1 The change of water content at the hazard level of the cut leaf

由圖2可知，健康植株與截形葉螨危害植株的冠層光譜基本都符合綠色植被光譜反射率特征，且危害程度不同，冠層含水量與光譜反射率也會相應發生變化。總體看來，蟲害等級逐步增加，冠層含水量減少，光譜反射率也逐步降低，但降低幅度有所差異。其中，蟲害等級為0和1級時，冠層光譜反射率曲線變化幅度較小，2、3、4級之間也具有類似特征。但0、1級和2、3、4級之間的冠層光譜曲線變化非常明顯。可見，截形葉螨危害下棗冠層光譜表現出隨脅迫程度增大光譜反射率逐步降低的趨勢，而且危害等級由1到2級時，植被冠層光譜變化最大，可能預示著植被葉片內部受損由緩到急的轉折。同時，也說明光譜反射率對蟲害脅迫下植株含水量差異具有敏感性。

圖2 截形葉螨危害下棗冠層光譜與含水量關系Fig.2 The relationship between the canopy spectrum and the water content of the jujube

2.2 棗冠層一階微分光譜與含水量相關性分析

以一階微分光譜值為X軸，冠層一階微分光譜與含水量相關系數為Y軸制圖(圖3)。近紅外區(750～1350 nm)的相關系數普遍高于可見光區(350～750 nm)。可見光區、紫光區(350～400 nm)范圍內相關系數最高為0.432，綠光區(460～550 nm)相關系數最高僅為0.339，而紅光區(620～780 nm)768 nm的相關系數相對較高，最大值為0.547。近紅外區含水量與一階微分光譜的相關系數絕大部分均達到0.500以上。其中在817、839、990和1069 nm處達到極顯著正相關，相關系數分別為0.585、0.609、0.583和0.635，在907、927、974、1102和1181 nm處達到極顯著負相關，相關系數分別為：-0.628、-0.582、-0.629、-0.716和-0.614。因此，選擇這些波段作為敏感波段。

圖3 冠層一階微分光譜與含水量相關性Fig.3 Correlation between first order differential spectrum and water content of crown

2.3 棗冠層一階微分光譜與含水量的回歸關系

以冠層一階微分光譜為自變量，冠層含水量為因變量，采用多元線性回歸和曲線估計回歸(包括一次函數、二次函數和指數函數)方程，建立冠層含水量與一階微分光譜變量的估算模型(表2)。各光譜變量與含水量的回歸擬合度均達到極顯著相關。其中以單波段建立的回歸模型中，D907、D927和D974的模型擬合度均低于0.500，而變量D1102一次函數、二次函數和指數函數的模型擬合度分別為0.513、0.536和0.512，F值為147.664、80.134和146.619；雙波段D1069和D817回歸擬合度是0.554；多波段D1102、D974和D990逐步回歸擬合度最高為0.592。說明隨自變量的增加模型擬合度不斷提高。

表2 截形葉螨危害下冠層含水量估測模型

2.4 截形葉螨危害下棗冠層含水量模型精度檢驗

對擬合度較高的回歸模型進行精度檢驗，將實測值和估測值按1∶1的原則分析比較。分別對單波段D1102的3種曲線估計回歸模型、雙波段和多波段的多元線性回歸模型進行精度檢驗(圖4)。由表3可知，用于檢驗的反演模型估測精度均高于0.500，多波段多元線性估測模型的R2最高為0.618，RMSE和RE為3.428和3.900 %，說明該模型的擬合效果較好。因此，可以將多波段D1102、D974、D990為變量的多元線性回歸模型作為反演棗在截形葉螨危害下冠層含水量的最優估測模型。

a代表變量D1102一次函數反演模型，b代表變量D1102二次函數反演模型，c代表變量D1102指數函數反演模型，d代表D1069與D817的多元線性模型，e代表D1102、D974和D990的多元線性模型a represents the variable D1102 primary function inversion model, b represents the variable D1102 quadratic function inversion model, c represents the variable D1102 exponential function inversion model, d stands for D1069 and D817, e for D1102, D974 and D990

表3 冠層含水量模型估測精度

3 討 論

本研究根據截形葉螨危害下棗冠層一階微分光譜與含水量間的相關性分析，采用多元線性回歸和曲線估計回歸方法，構建了棗冠層一階光譜反射率與冠層含水量的估測模型，以期為植被大面積蟲害監測提供技術支撐。

在截形葉螨危害條件下，隨著危害程度的增加，棗冠層光譜反射率呈明顯的下降趨勢，這主要是由于葉螨吸食棗葉片汁液，破壞了葉片內部結構，造成植物失綠、缺水等，對植被的生長發育造成影響。而且蟲害危害程度由輕(0和1級)轉重(2、3、4級)時，光譜反射率變化差異非常明顯。張素蘭等研究表明，馬尾松(PinusmassonianaLamb)在松材線蟲(Bursaphelenchusxylophilus)的危害下水分含量降低，不同蟲害嚴重度的馬尾松光譜特征存在明顯差異，總體表現為為健康>輕度>中度>重度[13]。林啟楠等學者發現，云南松在不同受害程度中葉綠素和含水量都是影響針葉反射率的重要因素，而且可見光區是葉綠素影響針葉反射率的主要敏感波段，含水量在近紅外占主導地位[7]。這些研究都充分說明植物葉片受損會導致冠層含水量發生變化，從而引起光譜反射率的改變，這在一定程度上也表征了植株受蟲害脅迫下的光譜響應。

本研究采用一階微分處理的方式進行冠層原始光譜數據轉換，并作為自變量參與模型構建，主要是考慮光譜一階微分處理不僅可以有效地去除部分噪聲和背景的影響，還能提高光譜與含水量之間的相關性。許多學者在此方面也做了大量的研究。劉佳等學者選擇微分光譜植被指數監測春玉米病蟲害的影響[14]，范友波等通過微分光譜與病情指數的相關性分析篩選了5種敏感光譜參量，構建冬小麥白粉病(BlumeriagraminisSpeer)病情指數反演模型[15]。伍南等研究發現可以利用紅邊(680～780 nm內一階微分光譜)特征參數反演馬尾松赤枯病(PestalotiopsisfunereaDesm)[16]。這些研究都取得了較好的擬合效果，說明采用一階微分數據處理能夠提高擬合模型的精度。

本研究中基于多波段的多元線性回歸估測模型檢驗精度最高為0.618。從前人研究結果來看，蔣金豹等人以微分光譜比值指數R1300/R1200為變量反演小麥受條銹病危害的含水量，其檢驗精度為0.630，RMSE為3.43，RE為4.78 %[17]。聶克艷等利用758 nm處的辣椒(CapsicumannuumL.)冠層微分光譜反射率建立茶黃螨(PolyphagotarsonemuslatusBanks)危害等級模型，預測精度高達0.965[18]。王曉星等學者以冬小麥(GramineaeTriticum)冠層原始光譜一階導數偏度反演葉綠素含量的模型擬合精度最高為0.847[19]。可見，不同大田或園藝作物在脅迫條件下植被生理生化參量的高光譜反演都取得了較好的效果。相對而言，本研究中模型擬合精度相對偏低。究其原因，主要是因為大部分學者對冠層光譜反射率的研究大多是基于農作物開展的，由于農作物種植比較規則，且植株矮小，生長均一，植被冠層平面相對比較均勻，冠層光譜反射率受下墊面的影響較小。而本研究以喬木樹種棗為研究對象，且在蟲害等級的判定上通常以單株為單位，決定了冠層光譜的測定需要在植株樹冠上部進行，由于喬木樹種冠層孔隙度大，所測定的冠層光譜是裸露地表、枝條等地物的混合光譜，因此造成了模型的擬合精度相對較低。然而，喬木樹種地面冠層光譜植被參量反演是開展大面積航空航天遙感反演的重要基礎，今后在林木冠層光譜解混方面仍需進一步開展相關研究。

4 結 論

截形葉螨危害下棗冠層光譜反射率與含水量存在敏感波段，能夠以冠層一階微分光譜為自變量，根據多元線性回歸和曲線估計的方法反演截形葉螨危害下棗冠層含水量。說明利用高光譜技術反演冠層含水量具有一定的可行性，在森林蟲害監測方面具有重要的現實意義。