截形葉螨危害下棗葉片葉綠素含量高光譜估算模型

高亞利，王振錫，連 玲，師玉霞，楊勇強

（1.新疆農業大學 林學與園藝學院，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，烏魯木齊 830052）

高光譜遙感作為一種便捷、快速的光譜檢測技術，已經成為近年來研究的技術熱點［1-5］。由于森林病蟲害具有很大的復雜性、潛伏性和隱蔽性，目前主要通過現場調查的手段觀察有無病蟲害的發生及其危害程度，獲取的信息具有嚴重的滯后性。植被蟲害監測是蟲害綜合防治的重要組成部分，及時、快速、準確的監測機制對農作物蟲害的早期發現和防治具有重要意義。新疆位于亞歐大陸腹地，光熱資源充沛，是中國重要的林果產區，尤其棗（Ziziphus jujuba Mill）產業發展迅猛，其種植規模和產量位居全國首位，開展基于高光譜遙感的林果蟲害高效監測技術研究具有非常迫切的需求。近年來，光譜分析技術在植被蟲害以及農學植物參數估測方面的應用研究日益增多［6-9］。葉綠素含量是植被生長發育過程中重要的生化參數，對綠色植被的光合能力、營養元素含量等生長發育狀況具有重要的指示性作用［10］。黃木易等［11-12］利用高光譜遙感監測冬小麥（Triticum aestivum L.）條銹病的敏感光譜波段，篩選出630～687nm、740～890nm 和976～1350nm 3個波段范圍。柴仲平等［13］利用新疆庫爾勒香梨（Pyrus brestschueadera Rehd）葉片630nm 處一階微分光譜反射率數據與全鉀元素含量之間關系構建回歸模型，調整決定系數達到0.986。王曉慶等［14］比較茶樹（Camellia sinensis L.）炭疽病葉片與正常葉片的光譜，發現在740～1 000nm的波段，病害越嚴重，反射率越低。梁爽等［15］以中國蘋果（Malus domestica Borkh）葉片為主要研究估測對象，將其與植物中的葉綠素含量進行相關分析，得出一階光譜微分521nm 和523nm兩個組合的估測模型精度最高。孫勃巖等［16］構建基于BP神經網絡的冬小麥冠層葉綠素質量分數估算模型，相關系數最優達到0.961。而受害植物的光譜特征與健康植物相比，某些特征波段的反射率也會發生不同程度的變化［17］。竇志國等［18］選 取 遭 受 蘆 葦 粉 大 尾 蚜（Hyalopterus pruni）蟲害的蘆葦（Phragmites australis）作為研究對象，建立的蟲害葉片回歸模型的R2高達0.966。邱白晶等［19］對水稻白背飛虱（Sogatella furcifera）主害期間的冠層高光譜數據與白背飛虱蟲量進行相關分析，發現779nm 處的光譜反射率建立的模型為最優，預測相關系數0.921。可見，利用光譜分析技術找出原始或不同數據轉換后光譜反射率與植被葉片色素含量密切相關的敏感波段，構建最優估算模型［20］，已經成為農業、林業蟲害特征檢驗的重要手段，也為蟲害遙感監測研究提供了必要的技術基礎。

截形葉螨（Tetranychus truncatus Ehara）是棗樹重大有害食葉性害螨，主要通過群聚葉背吸取汁液，使葉片呈灰白色或枯黃色細斑，影響葉片葉綠素含量，危害棗樹的正常生長發育。其為害規模大、程度高，且爆發期不與其他病蟲害重疊，非常適合開展遙感監測。鑒于此，本研究利用高光譜遙感技術，分析不同截形葉螨危害等級棗葉片高光譜特征與葉片葉綠素含量的相關關系，篩選不同危害等級棗葉片葉綠素含量的敏感波長，構建線性回歸估測模型，以期為新疆林果蟲害科學、高效監測與預警提供技術參考。

1 材料與方法

1.1 試驗材料

2018年7月中旬，在新疆喀什地區麥蓋提縣昂格特勒克鄉棗樹規模種植區，選取一個栽培條件、樹體生長狀況一致的棗園，在其中部按隔行選取的方式選擇270棵樣株，依次編號。將每棵樣株分為上層、中層和下層，每層按照東西南北4個方位，共12個點位，每個點位隨機摘取1個標準枝的3片鮮葉，調查記錄葉片表面的葉螨數量后，摘取葉片，每樣株摘取36片葉片。將摘下的鮮葉按樣株編號順序依次置于信封內，共計9 720片葉。迅速開展戶外葉片光譜的測定以及實驗室葉片葉綠素含量的測定，然后根據每一樣株的平均葉螨數量，將截形葉螨危害程度劃分為0 級、1級、2級、3級、4級共5個等級。

1.2 棗葉片光譜采集方法

葉片光譜反射率的測定采用美國Analytical Spectral Device（ASD）公司生產的便攜式野外地物光譜儀Field Spec3，測定光譜波段為350～2 500nm。選擇天氣明朗、無風無云的天氣條件，測定持續時間一般為12：00-14：00。以樣株為單位，將摘取的鮮葉片在事先準備好的板面上平鋪呈圓形（葉片間不留縫隙），利用儀器自帶的光纖探頭在戶外依次測定每樣株葉片光譜，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實際光譜優化曲線，共計270個光譜均值。測定光譜過程中，每隔15min做1次白板校正，保證樣品的光線反射折光率穩定為1。剔除異常樣本后，總樣本數為263個，建模樣本為195個，檢驗樣本為68個。

1.3 葉綠素含量測定方法

對測定完光譜的葉片進行葉綠素含量測定。棗葉片葉綠素含量測定采用二甲基亞砜浸提法（DMSO 法）［21］。用脫脂棉紗布把葉片表面浮塵擦拭干凈，剪碎、混合后（不含葉片邊緣和主葉脈），稱取0.05g，加入10 mL 的二甲基亞砜，在60 ℃恒溫的水浴條件下進行避光浸提1h，收集上清液并使用分光光度計測定葉綠素含量，選擇665和649nm 為檢測波長，測取吸光度（A）值。每株樣作為1個樣本單元，每個樣本葉綠素含量測定3個重復，取均值作為該樣本的葉綠素含量值（重復值差異較大時，該樣本數據重新測定）。計算公式如下：

葉綠素a含量（Chla，mg／g）=（12.19A665-3.45A649）×V／1 000／W

葉綠素b含量（Chlb，mg／g）=（21.99A649-5.32A665）×V／1 000／W

總葉綠素含量（Chla+Chlb，mg／g）=Chla+Chlb

式中：A665為665nm 波長下葉綠素提取液的吸光度，A649為649nm 波長下葉綠素提取液的吸光度，V 為提取液體積，W 為鮮葉質量，葉綠素含量單位為mg／g。

1.4 數據處理

光譜數據處理：采用View SpecPro軟件對原始光譜反射率預處理及一階微分變換，分析葉片光譜反射率與葉綠素含量間的相關性，利用SPSS軟件建模。一階微分變換計算公式：

式中：λi為各波段波長；ρ′（λi）為一階微分光譜；△λ 為波長λi+1到λi-1）的間隔。

葉綠素含量數據處理：將葉綠素含量按照截形葉螨的不同危害等級進行分類。

葉螨數量數據處理：對每樣株按葉片平均葉螨數量進行等級劃分［22］，共劃分5 個等級，各等級界定標準為：0 級，無害螨無癥狀；1 級，1～5頭／葉；2級，6～10 頭／葉；3 級，11～25 頭／葉；4級，≥26頭／葉。

1.5 精度評價

為了提高估算模型的適用性，對構建的估測模型有必要對其進行檢驗，將實際樣本值帶入估測模型，對估測模型值與實際樣本值之間進行精度比較。主要選擇擬合優度（R2）、相對誤差（RE）和均方根誤差（RMSE）3 種統計指標來做模型評價。其中：RE 和RMSE 的值越小，模型越好。具體計算公式如下：

式中：yi是葉片葉綠素含量的實測值，^yi是葉片葉綠素含量的估測值，n 為樣本數量。

2 結果與分析

2.1 不同截形葉螨危害等級下棗葉片光譜特征

根據測定的棗葉片光譜反射率數據，可以得到不同截形葉螨危害等級下棗葉片平均光譜曲線（圖1）。從圖1可以看出，0～4級5個蟲害等級的棗葉片平均光譜曲線的總體變化趨勢基本保持一致，其峰谷變化情況符合綠色植物的光譜曲線特征，但5個等級的光譜曲線之間具有明顯的差異，表現出隨等級的升高光譜反射率呈逐級下降的趨勢，其中0 級曲線光譜反射率最高，4 級最低。在可見光波段400～700nm、近紅外波段700～1 300nm 和中紅外波段1 300～2 500nm范圍內，均表現出在峰值區域光譜反射率分離度較大，谷值附近分離度較小的特點。出現這些差異的原因主要是截形葉螨吸取棗葉片汁液，導致葉片失綠，影響了葉片色素含量，致使不同危害等級的葉片光譜曲線出現差異。同時，也表明受截形葉螨危害的棗葉片光譜特性變異與葉螨的危害程度緊密相關。

圖1 不同截形葉螨危害等級下棗葉片光譜特征Fig.1 Spectral characteristics of jujube leaves with different grades of Tetranychus truncatus Ehara damages

2.2 不同截形葉螨危害等級棗葉片光譜反射率與葉綠素含量相關性

通過相關系數計算，繪制不同截形葉螨危害等級下棗葉片原始光譜、一階微分光譜與葉綠素含量的相關系數圖（圖2）。從圖2 可以看出，不同截形葉螨危害等級棗葉片的原始及一階微分光譜與葉綠素含量的相關性存在明顯的差異。不同截形葉螨危害等級棗葉片的原始光譜與葉綠素含量的相關性整體較弱，曲線變化相對比較平緩，相關系數絕對值均在0.500以下。而不同截形葉螨危害等級棗葉片的一階微分光譜與葉綠素含量相關系數曲線波動比較明顯，其絕對值都在0.600左右。尤其是在近紅外波段范圍，曲線變化激烈，且相關性較強。因此，說明一階微分數據變化可以增強光譜反射率與葉綠素含量的相關性。

不同截形葉螨危害等級中，棗葉片葉綠素含量與其一階微分光譜的相關系數差異較大，可以選擇相關性最強及次最高的波長作為檢測棗葉片葉綠素含量的敏感波長。可以得到：0 級危害等級下棗葉片葉綠素含量的敏感波段為759nm、1 799nm，相關系數為-0.644、0.610；1 級敏感波段為1 166nm、1 770nm，相關系數為0.546、-0.538；2級敏感波段為1 670nm、2 175nm，相關系數為-0.457、0.453；3 級敏感波段為2 324 nm、2 325nm，相關系數為0.551、0.544；4級敏感波段為2 154nm、2 221nm，相關系數為-0.562、-0.557。可見，不同截形葉螨危害等級下一階微分光譜對棗葉片葉綠素含量具有較強敏感性。

圖2 不同截形葉螨危害等級棗葉片光譜反射率與葉綠素含量的相關性Fig.2 Correlation between spectral reflectance and chlorophyll content of jujube leaves at different grades of Tetranychus truncatus Ehara damages

2.3 不同截形葉螨危害等級棗葉片一階微分光譜反射率與葉綠素含量的高光譜估算模型

以不同截形葉螨危害等級下棗葉片葉綠素含量與一階微分光譜的相關分析結果為依據，以篩選出的單一敏感波段和雙敏感波段分別為自變量（R′）（見“2.2”），對應葉片葉綠素含量為因變量（Y），用SPSS分析構建線性回歸模型（表1）。從表1可以看出，5個危害等級下葉綠素含量回歸模型的擬合度都比較高，且除3級外，雙敏感波段回歸模型的擬合度均高于單一變量模型。其中，0級危害等級下雙變量回歸模型的擬合度最高，達到了0.810，而3 級模型擬合效果相對較差。由此說明雙變量模型能夠在很大程度上提高模型的擬合效果，可以選擇雙變量模型作為不同截形葉螨危害等級下棗葉片葉綠素含量的最優估測模型。

表1 不同截形葉螨危害等級葉綠素含量與棗葉片光譜變量的回歸關系Table 1 Regression relationship between chlorophyll content of different grades of Tetranychus truncatus Ehara damages and spectral variables of jujube leaves

2.4 不同截形葉螨危害等級模型精度評價

為進一步檢驗雙變量回歸模型的適用性，不同截形葉螨危害等級均選擇1／3的樣本為檢驗樣本來驗證模型的適用性。選取實測值與估測值的模型擬合優度R2為主要依據，并結合相對誤差（RE）和均方根誤差（RMSE）對回歸模型進行檢驗，得到實測值與估測值比較結果（表2）。根據模型穩定性和精確性的判別標準，R2值越大，RE和RMSE 越接近于0，說明模型的相關性越大，擬合誤差越小，建模效果越好。

表2 不同截形葉螨危害等級棗葉片葉綠素含量的實際值和估測值統計結果Table 2 Actual and estimated result of chlorophyll content in leaves of jujube leaves with different grades of Tetranychus truncatus Ehara damages

從表2可以看出，不同危害等級回歸模型擬合優度R2值相對都比較高，除3級模型外，模型擬合優度均在0.600以上，說明構建估測模型的擬合精度較高。其中，0 級的R2最高，達到0.869，1 級、2 級、4 級 模 型 擬 合 優 度R2均 在0.600以上，而3 級檢驗模型擬合度最低，R2為0.469。從RE 和RMSE 指 標 來 看，0 級 的RMSE 低于0.1，RE 低 于0.05，1 級、2 級、3 級的RMSE 在0.15以下，RE 在0.1以下，4級的RMSE 在0.25以下，RE 在0.2以下，可見不同等級回歸模型的RE 和RMSE 指標都比較接近于0，說明所構建的估測模型擬合精度相對較高。從模型擬合優度R2、相對誤差（RE）和均方根誤差（RMSE）指標來看，利用光譜數據估測不同截形葉螨危害等級棗葉片葉綠素含量的雙變量回歸模型擬合精度都比較高，模型具有一定的適用性。

3 討 論

本研究通過分析不同截形葉螨危害等級下棗葉片的光譜特征，篩選不同截形葉螨危害等級棗葉片葉綠素含量的光譜敏感波段，并建立線性回歸估測模型，為新疆林果蟲害科學、高效監測與預警提供技術參考。

不同截形葉螨危害等級棗葉片的光譜特征存在一定的差異，呈現出隨葉螨危害等級的升高光譜反射率逐級下降的趨勢，說明由于葉螨的危害程度不同，棗葉片受損程度也表現出一定的差異。截形葉螨通過吸食棗葉片汁液，導致葉片內部葉綠素含量、水分、化學組成等相應發生變化，葉片出現黃化等失綠現象。唐周懷等［23］學者研究發現，隨截形葉螨的種群數量達到高峰時，葉片中葉綠素含量會減少，導致葉片光合強度降低，從而導致光譜反射率顯著降低。倪健等［24］發現赤松（Pinus densiflora）針葉受赤松毛蟲（Dendrolimus spectabtlis）危害后，葉綠素含量減少，紅界光譜曲線拐點“藍移”。這些證據都充分說明植被受到食葉性蟲害的入侵后，都會影響植被葉片內葉綠素含量的變化，從而使對葉綠素等色素敏感的光譜波段產生相應變化。

在植被葉片光譜與葉綠素含量相關關系分析方面，大量研究結果表明一階微分光譜變化方式能夠增強其與反演元素的相關關系［25-32］。向榮等［33］發現嚴重危害中國松樹（Pinus massoniana Lamb）健康的松材線蟲病（Bursaphelenchus xylophilus）的高光譜敏感波段與葉綠素的含量之間存在著良好的線性關系，且相關系數甚至達到0.900。李恒凱等［34］研究甜柚（Citrus maxima）發現一階光譜在692和752nm 處的反射率與葉綠素含量相關性最高，所構建的逐步回歸模型精度最好，決定系數高達0.869。這是因為一階微分數據處理能夠有效減弱噪聲源的影響，從而增強觀測目標的光譜。本研究也認為棗葉片一階微分光譜與其葉綠素的相關性優于原始微分光譜。但從相關系數取值來看，本研究中5個危害等級下棗葉片一階微分光譜與其葉綠素含量的相關系數相對偏低，為0.600 左右，低于前人的研究結果。這是由于本研究中衡量棗受截形葉螨危害程度的等級劃分是以單株樹體為單位開展的，采樣中以單株樹體的混合葉樣為樣本單元，分別測定葉片的光譜反射率數據和葉綠素含量，而不是以實測每片葉的光譜和葉綠素含量。采用這種方式獲取數據的原因主要是為了與現實中植被蟲害等級測定標準保持一致，探索利用光譜數據開展蟲害檢測的技術途徑。在以單株為單位的葉片光譜實際測定過程中，由于葉片或多或少存在卷曲情況，所獲光譜數據為多個葉片的混合光譜，這可能是本研究中相關系數相對較低的主要原因。

國內外許多學者都開展利用植被葉片光譜估測葉綠素含量的研究工作，并且取得了較好的結果。Adams等［35］利用大豆（Glycine max L.）黃痿病光譜一階導數選擇的發黃指數對病情程度進行了評價。許章華等［36］分析了不同馬尾松毛蟲（Dendrolimus punctatus Walker）蟲害等級光譜反射率及一階微分光譜特征，發現蟲害等級越高，反射率越低，擬合度均達0.85以上。在蟲害危害程度研究中，吳彤等［37］建立高光譜特征參數與蘆葦葉面積指數（LAI）的關系模型，利用蟲害光譜指數（DSI）對研究區東亞飛蝗（Oriental migratorylocust）的危害程度劃分為未受危害、輕度危害和嚴重危害。本研究也得到類似的結果。此外，由于不同截形葉螨危害等級的均方根誤差、相對誤差的數值差異相對較大，今后仍需在多個區域開展研究，以提高模型的適用性。

4 結 論

不同截形葉螨危害等級下新疆南疆棗葉片葉綠素含量與光譜反射率存在敏感光譜指示波長，可利用一階微分光譜反射率的敏感波段為自變量，采用線性回歸模型建立不同截形葉螨危害等級的棗葉片葉綠素含量的光譜估算模型。表明應用光譜技術對不同截形葉螨危害等級的棗葉片葉綠素含量進行定量適時估測是可行的，在葉螨蟲害信息檢測方面有較大的應用潛力。