不同胁迫下棉花冠层高光谱遥感识别研究

陈 兵，王 琼，王 静，宋 勇，，刘 政，韩焕勇，王方永

（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 832003；2新疆石河子职业技术学院水建分院，新疆 石河子 832003；3石河子大学，新疆 石河子 832003）

0 引言

各种胁迫会导致作物产量和品质的下降，影响农业生产的可持续性[1-3]。棉花是新疆农业的支柱性产业，近年来新疆棉花总、单产一直位居全国第一。然而，由于新疆棉花连年种植，不合理使用化肥农药等，造成棉田干旱和缺素时常发生，各种病虫为害频繁，次生土壤盐碱化也逐年加重，严重影响棉花产业的稳定性和可持续性[4-7]。

利用遥感技术对植被干旱、冻害、病虫害等胁迫进行监测的研究较多，为农作物胁迫遥感监测奠定了研究基础[8-10]。林海荣等利用ETM 影像，结合农业灾害和农作物生长发育情况，对新疆沙湾地区棉花结铃期发生冷害情况进行遥感监测，认为植被指数降低越多，冷害程度越重[11]；Tilling A K 等研究表明利用冬小麦冠层光谱反射率在近红外光区的变化能够监测到氮素和水分胁迫[12]；Yang C M 等发现，426nm 的冠层光谱反射率能够有效地监测到水稻受褐飞虱和稻纵卷叶螟等虫害胁迫[13]；Chen B 等对不同品种、不同生育期棉花黄萎病的冠层光谱研究表明，随病害严重度的增加棉花冠层光谱反射率在可见光（620～700nm）和短波红外波段呈现上升趋势，近红外波段则表现出相反的趋势[14]。Steddom K等利用归一化植被指数、花青素反射指数对甜菜病害进行监测，分类精度达87.9%[15]。艾效夷等采用偏最小二乘回归方法综合冠层光谱和叶片生理参数，建立综合模型对小麦条锈病进行监测，比单独光谱参数建立的模型精度提高21%[16]。黄双萍等提出一种光谱词袋模型的分析方法，通过分析正常和穗瘟病稻穗的高光谱图像，实现了穗瘟病害程度的自动评判，提高了穗瘟病分级的自动化程度和准确率，预测分类识别精度达94.72%[17]。袁建清等利用高光谱成像仪获取健康、缺氮、感病水稻叶片的反射率光谱，采用六个判别模型构建水稻瘟病和缺氮识别模型，预测准确率达97.5%[18]。本文针对北疆绿洲区棉田开展棉花不同胁迫下冠层光谱的识别研究，为棉田胁迫的光谱识别提供研究基础。

1 材料与方法

1.1 试验设计

2013—2016 年在石河子大学试验站进行棉花不同胁迫小区试验，试验小区按随机区组设计，每小区约43m2，品种为新陆早7号（XLZ-7）、新陆早13号（XLZ-13）、新陆早33号（XLZ-33）和新陆早45号（XLZ-45）等。试验设3 个重复，种植密度24 万株·ha-1。每年4月中下旬播种，膜下滴灌，膜上点播，灌水量约3300m3·ha-1，施纯氮300kg·ha-1，P2O5150kg·ha-1和 K2O 75kg·ha-1。2013—2018 年在新疆农垦科学院棉花所试验田进一步开展试验，品种为新陆早8号（XLZ-8）和XLZ-33，设计和管理与石河子大学试验站相同。2016—2019年分别在第八师122团、143团、147团、149团和148团选择不同胁迫棉田同步开展大田试验，试验品种包括XLZ-33、XLZ-42、XLZ-45和XLZ-60等，田间管理同当地生产一致。

1.2 冠层胁迫调查及等级划分

田间调查各种胁迫发生期棉花冠层的受害情况，选择合适冠层确定胁迫等级并进行光谱测试。各胁迫等级按冠层受害程度和症状不同进行分级。每种胁迫冠层被分成5级并分别用不同的符号表示。例如：黄萎病为b0、b1、b2、b3和b4；枯萎病为kb0、kb1、kb2、kb3 和kb4；干旱为 w0、w1、w2、w3 和w4；缺氮为n0、n1、n2、n3和n4；红蜘蛛为h0、h1、h2、h3 和 h4；角斑病为 j0、j1、j2、j3 和 j4；红叶茎枯为hb0、hb1、hb2、hb3和hb4；蚜虫为y0、y1、y2、y3和y4；盐害为s0、s1、s2、s3 和s4。具体分级方法可参考相关文献[19]。

1.3 光谱测试方法

采用Field Spec Pro FR 2500型背挂式野外高光谱辐射仪（美国ASD 公司，光谱波段范围350～2500nm）每年于棉花不同胁迫期进行冠层光谱测定。选择在晴朗无云，风速小于3m·s-1，北京时间11：30—14：00 时进行测定，传感器探头垂直向下距冠顶约1.0m，视场角为25°，以2 条光谱为一采样光谱，每小区不同位置测定5次，平均值为该小区反射值，每次光谱测量前后均以参考板标定。

1.4 数据分析

用软件Viewspec pro Version 4.05对遥感数据进行预处理，用软件Excel 2007和Matlab 12.01提取高光谱特征参数，并进行相关统计分析（本文筛选的光谱特征参数和定义见表1所列）。

表1 光谱特征参数及定义Table 1 Spectral parameters and their definitions

2 结果与分析

2.1 不同胁迫棉花冠层光谱反射率特征比较

如图1 所示可知，棉花冠层受到不同胁迫后反射率形状和大小均发生变化，其中近红外波段（700～1300nm）反射率形状和值的大小变化规律均相同，可见光波段（400～700nm）和短波红外波段（1300～2500nm）存在较大差异。可见光波段，黄萎病、枯萎病、干旱和蚜虫等胁迫的光谱反射率形状和大小变化均较大，趋势基本一致，反射率值均随胁迫严重程度的增加而增加；红蜘蛛、角斑病和红叶茎枯病的冠层光谱在650nm（红光）附近有一个独特的反射峰，且红蜘蛛和角斑病受害冠层反射率在550nm（绿峰）附近低于正常冠层，红叶茎枯病受害冠层反射率高于正常冠层。缺氮和盐害的光谱形状和大小基本无变化。短波红外波段，随严重程度增加，枯萎病和红叶茎枯病的冠层光谱反射率均增加；红蜘蛛的冠层反射率减小；角斑病和缺氮的冠层反射率在1450nm 吸收峰附近增加，在1600nm 和2200nm 附近减小；黄萎病和蚜虫的冠层反射率在1600～1850nm波段低于正常冠层，其他波段范围高于正常冠层；盐害的冠层反射率在1600～1850nm波段低于正常冠层，其他波段基本不变；干旱的冠层反射率呈现先低于、后高于正常冠层的特征。

图1 棉花9种主要胁迫的冠层光谱反射率曲线Figure 1 Spectral reflectance curves of cotton canopy under 9 major stresses

2.2 不同胁迫棉花冠层导数光谱特征比较

如图2所示可知，与正常冠层相似，棉花受9种主要胁迫的不同严重度冠层光谱的红边均具有“双峰”现象，变化明显。所有胁迫冠层光谱“双峰”明显低于正常，且前峰高于后峰，即红边峰值减小。此外，所有胁迫冠层光谱“双峰”位置明显向短波方向移动，即红边位置均发生“蓝移”。

图2 棉叶9种主要胁迫的导数光谱Figure 2 Derivative spectra curves of cotton under 9 major stresses

2.3 不同胁迫棉花叶片吸收光谱特征比较

借助连续统去除法，利用光谱特征吸收参量，如吸收波段位置及深度等进行棉花冠层不同胁迫特征研究是一种很好的识别方法。

如表 2 所列可知，在 350～2500nm 中的 7 个光谱反射峰和吸收谷中红光吸收谷的波段特征最为明显。随胁迫严重度增加，黄萎病、枯萎病、干旱、红蜘蛛、角斑病、红叶茎枯病和蚜虫胁迫的冠层红光吸收谷的吸收波段位置（Lo）、吸收深度（Depth672）和吸收面积（Area672）均明显减小，而吸收宽度（Lwidth）均明显增加。且胁迫轻时增减幅度都较小，胁迫重时增减幅度都很大。而缺氮和盐害胁迫棉花冠层的 Lo、Depth672 和 Area672 均略微减小，Lwidth均略微增加。

表2 棉花冠层9种主要胁迫的红光波段吸收谷特征Table 2 Trough characteristics of red-bands under 9 major stresses

2.4 棉花不同胁迫冠层光谱判别

由表3 所列可知，为了定量识别棉花冠层所受胁迫类型，经过筛选和比较，提取10 个常用的光谱特征参数，包括：R455、R550、R680、R1468、R1685、R2200、NDVI[670，890]、NDVI[857，1210]、TCARI、CCII。

表3 棉花冠层9种主要胁迫的光谱特征参数Table 3 Spectral parameters of 9 major stresses

不同胁迫的光谱特征参数表现出一定的变化规律，根据各自的变化规律可建立各自的判别式，黄萎病：R455、R550、R680、R1468、R2200、TCARI、CCII＞b0 & R1685、NDVI[670，890]＜b0 & NDVI[857，1210]>b0 than＜b0；枯 萎 病 ：R455、R680、R1468、R1685＞kb0&R2200、NDVI[670，890]、NDVI[857，1210]＜kb0 & R550、TCARI、CCII＜b0 than＞b0；干旱：R455、R550、R680、R2200、TCARI、CCII＞w0 & NDVI[670，890]、NDVI[857，1210]＜w0 &R1685、R1468＜w0 than＞w0；缺氮：TCARI、CCII>n0 & R1685、R2200、NDVI[670，890]＜n0 & R1468、NDVI[857，1210]>n0 than＜n0&R455、R550、R680≈n0；红 蜘 蛛 ：R455、R550、R680、R1468、R1685、R2200、NDVI[857，1210]、TCARI、CCII＜h0 & NDVI[670，890]＞n0 than＜n0；角斑病：R680、R1468、CCII＞jb0 R455、R550、R1685、R2200、NDVI[857，1210]、NDVI[670，890]、TCARI＜jb0；蚜虫：R455、R550、R680、R1468、R2200、TCARI、CCII＞y0 &R1685、NDVI[670，890]、NDVI[857，1210]＜y0；红叶茎枯病：R455、R550、R680、R1468、R1685、R2200、TCARI、CCII＞hb0 & NDVI[670，890]、NDVI[857，1210]＜hb0；盐害：R680＞s0 & R550、R1685＜s0 &NDVI[670，890]、NDVI[857，1210]＞s0 than＜s0 &CCII＜s0 than＞s0。利用建立的判别式可对不同胁迫类型的棉花冠层进行识别。

3 讨论与结论

研究表明9种主要胁迫的棉花冠层光谱反射率具有不同的差异，因此，通过光谱反射率特征差异可对不同胁迫进行识别。同时，不同严重度胁迫冠层光谱红谷吸收峰处的吸收波段位置、吸收深度、吸收面积和吸收宽度等吸收光谱特征存在一定的规律；不同胁迫均对棉花冠层红光吸收光谱产生不同的影响，其中黄萎病、枯萎病、干旱、红蜘蛛、角斑病、红叶茎枯病和蚜虫等胁迫吸收光谱的影响较大，缺氮和盐害胁迫吸收光谱的影响较小。在枯萎病、黄萎病、蚜虫、红蜘蛛、干旱和氮素等方面的研究结果与前人的研究基本相同[3，5，13-16]，只是本文进行了更为全面的多种方法的比较研究。由于前人在棉花冠层角斑病、冻害、盐害等胁迫方面的研究甚少，故未与本文结果进行全面比较。

在全面分析不同胁迫棉田冠层光谱特征的基础上，本文筛选出10 个光谱特征参数，分别建立判别式，有效地对不同胁迫棉花进行定量化的识别。与前人的模型相比类型上有所不同，艾效夷等将优选的光谱特征和生理特征采用偏最小二乘回归方法构建不同生育期小麦条锈病病情严重度反演模型，比单纯采用光谱特征模型精度提高21%[16]；黄双萍等提出一种基于词袋模型的光谱分析方法，自动评判水稻穗瘟病害程度，预测结果精度为94.72%，高于主成分分析和敏感波段选择等传统光谱分析方法[17]，但都能实现作物病害光谱监测，且本文模型更为简单实用。

本文利用光谱反射率、导数光谱、吸收光谱和光谱特征参数4种方法从不同方面对棉花冠层9种胁迫类型进行光谱识别。由于各种方法侧重点不同，主要表现在识别精度和识别难易程度上，导致每种方法识别的结果存在略微差异，在实际应用中应根据不同要求选择不同的识别方法。同时，由于棉花胁迫类型较多，加之研究时间和精力有限，本文并未对棉花冠层所有胁迫进行研究，其他胁迫间的光谱特征如何，他们与本研究涉及的9 种胁迫之间有何差异等问题有待进一步研究。在使用的光谱数据方面，由于本研究使用的高光谱数据由Field Spec Pro FR 2500型背挂式野外高光谱辐射仪获取，随着无人机遥感技术的快速发展，为棉花不同胁迫的遥感快速识别提供了技术基础[20]，在本研究的基础上利用无人机搭载不同传感器对作物病虫害进行监测也是后续研究的重要组成部分。