基于冠层反射光谱的小麦白粉病严重度估测

合集下载

基于光谱角指数小麦冠层叶片特征差异估测研究

ＳｈｉｈｅｚｉＸｉｎｉｆａｎｇ８３２０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：【Ｏｂｊｅｃｔｉｖｅ】Ｔｈｅｐｒｏｊｅｃｔａｉｍｓｔｏｕｓｅｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｔｏｍｏｎｉｔｏｒｔｈｅｎｉｔｒｏｇｅｎｎｕｔｒｉｔｉｏｎａｌｓｔａｔｕｓｉｎｃｒｏｐｓｒａｐｉｄｌｙａｎｄａｃｃｕｒａｔｅｌｙ．【Ｍｅｔｈｏｄ］Ｔｈｒｏｕｇｈｔｈｅｄｉｆｅｒｅｎｔｎｉｔｒｏｇｅｎｌｅｖｅｌｓｏｆｗｈｅａｔｅｘ —
中图分类号：￥５１２．１文献标识码：Ａ文章编号：１００１ — ４３３０（２０１５Ｊｏ４— ０５９５一Ｏ６
ＥｓｔｉｍａｔｉｏｎｏｆＷｈｅａｔＬｅａｆＡｒｅａＩｎｄｅｘａｎｄＣｈｌｏｒｏｐｈｙｌｌＤｉｆｅｒｅｎｃｅｂｙＨｙｐｅｒｓｐｅｃｔｒａｌＡｎｇｌｅＤａｔａ
ＸＩＡＯＣｈｕｎ— ｈｕａ，Ｌ０Ｙｉｎ— ｌｉａｎｇ，ＤＩＡＯＷａｎ—ｙｉｎｇ，ＬＩＳｈａｏ —ｋｕｎ，
ＷＡＮＧＫｅ —ｒｕ，ＣＨＥＮＢｉｎｇ ’ ，ＷＡＮＧＱｉｏｎｇ（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＯａｓｉｓＥｃｏ— ａｇｒｉｃｕｌｔｕｒｅｆＸｏｉｎｉｆａｎｇＰｒｏｄｕｃｔｉｏｎａｎｄＣｏｎｓｔｒｕｃｔｏｉｎｃ０，Ｃｏｌｌｅｇｅｆｏ

基于冠层反射光谱的小麦白粉病严重度估测

河南农业大学／国家小麦工程技术研究中心，河南郑州４５０００２
摘要：明确小麦白粉病冠层光谱敏感波段并估算病情严重度是大面积高空遥感监测小麦白粉病、实现精确防控的基础。采用人工诱发的大田、盆栽和病圃试验，测量不同生育时期对不同发病等级的小麦白粉病冠层光谱，并同步调
ＨｅｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ／ＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＷｈｅａｔ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ
作物学报
ＡＣＴＡＡＧＲＯＮＯＭＩＣＡＳＩＮＩＣＡ２０１３，３９（８）：１４６９ — １４７７
ｈｔｔｐ：／／ｗｗｗ．ｃｈｉｎａｃｒｏｐｓ．ｏｒｇ／ｚｗｘｂ／
ＩＳＳＮ０４９６－３４ Hale Waihona Puke ０；ＣＯＤＥＮＴＳＨＰＡ９
度最适宜指示白粉病发生及发展态势，拟合精度）为０．８１１，检验相对误差（ＲＥ）为１７．７％，而ｍＮＤ７０５、ＳＩＰＩ、ＣＴＲ２和ＴＳＡＶＩ在相关分析中也表现相对较好（０．６），但由于试验间兼容性差，不宜建立统一回归方程。以相对光谱指
查发病严重度。结果表明，可见光３５０～７１０ｎｍ光谱反射率随病情加重呈上升趋势，５８０～７１０ａｍ为遥感监测白粉病的敏感波段，近红外波段光谱反射率在病害处理间变幅较大，且与病情严重度相关性较差。修正型病情指数较常规病情指数与对应光谱反射率的相关性显著提高。利用高光谱特征参数与白粉病严重度间的相关回归分析，红边宽

基于高光谱的小麦冠层叶绿素(SPAD值)估测模型

小麦是我国主要的谷物之一，在各地广泛种植，尤其是华北地区[1]。

小麦长势、产量的准确预测对农业生产和区域经济的发展具有重要意义。

叶绿素含量与作物的生长状况、光合作用能力和作物产量密切相关[2-5]，因此，叶绿素含量的测定对小麦长势监测、施肥调控和产量评估具有重要意义。

利用遥感技术监测土壤的时空变化及作物的营养状况与长势，并为最终的作物估产提供有效手段，是现代“精确农业”的重要技术之一[6-8]。

卫星遥感信息反映的是野外条件下地物的反射辐射状况，田间野外测定的地面光谱与其具有很好的可比性[9]。

一般认为，光谱分辨率在λ/10（λ表收稿日期：2017-10-13基金项目：“十二五”国家科技支撑计划项目课题（2015BAD23B0202）；“双一流”奖补资金（SYL2017XTTD02）作者简介：陈晓娜（1994—），女，山东临沂人，在读硕士生，主要从事遥感应用与制图工程研究。

通讯作者简介：赵庚星（1964—），男，山东垦利人，教授，博士，主要从事土地资源遥感研究工作。

基于高光谱的小麦冠层叶绿素（SPAD 值）估测模型陈晓娜，赵庚星，周雪，张颖，宿宝巍（山东农业大学资源与环境学院，山东泰安271018）摘要：选择山东省泰安市山东农业大学试验田为研究区，分别采用ASD FieldSpec 3光谱仪和SPAD-502叶绿素仪测量小麦冠层的近地高光谱反射率和SPAD 值，通过分析小麦冠层光谱特征，进行光谱反射率及其一阶导数与SPAD 值的相关分析，筛选敏感波段，进而分别构建基于敏感波段和植被指数的小麦冠层SPAD 值估测模型，并优选确定最佳模型。

结果表明，光谱反射率经一阶导数变换能更好突出光谱特征，用来筛选敏感波段，将6个敏感波段分别建立单波段及多波段组合估测模型，进而优选出最佳估测模型为R ′871，R 1349，R 725，R ′1995多元线性回归模型，决定系数R 2=0.668；基于4种植被指数构建的小麦叶绿素最佳估测模型为NDVI 的二次模型，方程为y =61.978x 2-34.426x +54.089，决定系数R 2为0.845。

小麦叶面积指数与冠层反射光谱的定量关系

12
510nm
26
12
560nm
660nm
平呈负相关关系，而近红外短波段范围内（760~1220 nm）的光谱反射率则随着施氮水平的
增加呈上升趋势。不同氮素水平下各波段反射率的变异系数的最大值出现在 660、680、610
和 1480 nm 波段上。其他类型小麦品种在整个生育期的反射光谱都遵循这一基本规律。
50
7.5
N0
N120
N0
6.5
N210
2.3 数据分析方法
利用任意两波段反射率构建比值植被指数[5]、差值植被指数[7]和归一化植被指数[8]。另
外提取了一些常见的光谱参数，主要包括绿度调节植被指数[13]、垂直植被指数[7]以及转换型
土壤调整植被指数[1]，各参数计算方法详见表 1。综合利用 2 年试验不同生育期共 252 对叶
面积指数与对应的冠层光谱反射率和光谱参数，统一分析它们之间的定量关系。
* 国家自然科学基金 (30400278)、江苏省自然科学基金 (BK2003079, BK2005212)和高校博士点基金 (20030307017 资助项目.
* *通讯联系人.
-1-

从而为建立小麦长势遥感监测与诊断模型提供理论基础和技术途径。
2 材料与方法
试验 2：于 2003~2004 年在江苏省农业科学院试验站进行。前茬水稻田，供试土壤为黄黏土，有机质 0.96%，全氮 0.10%，速效磷 40.29 mg·kg-1，速效钾 102.78 mg·kg-1。供试小麦品种为宁麦 9 号、淮麦 20、徐州 26 和扬麦 10。设 5 个施氮水平，分别为 0、75、150、225 和 300 kg·hm-2 纯氮，基追比 6:4，60%作基肥，拔节肥和孕穗肥各占 20%，配施 P2O5 150 kg·hm-2 和 K2O 112.5 kg·hm-2，全部用作基肥。小区面积为 16 m2，基本苗为 1.8×106·hm-2，行距 25 cm。两因素随机区组排列，3 次重复。其他管理措施同高产大田栽培。

基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究

法。利用遥感技术进行作物病虫害监测的主要原理是根据病害引起作物的生理生化状态改变在不同谱段上表现出的吸收和反射特征进行信息提取和解析Ｉ２］。目前多数学者围绕小麦、水稻中几种常见的病害类型开展实验研究，试图弄清病害光谱响应的波段和特征。Ｄｅｌｗｉｃｈｅ和Ｋｉｍ发现小麦赤霉病
包括６６５￣６８４，７１８￣７２６ｎｌＴｌ等６个波段范围，以及ＤＥＰｓｓｏ，ＳＩＷＳＩ等１１个光谱特征。基于这些波段和
特征，采用ＦＬＤＡ构建病害判别模型；借助ＰＬＳＲ分析构建病情严重度反演模型。研究结果表明，筛选得到的反射率波段和光谱特征能够较好地区分两种病害，判别模型总体精度达到８Ｏ以上，准确度较高。其中，染病比率超过２Ｏ的病叶区分和识别精度可达９５。同时，分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度，两种病害估测均方根误差均低于ｌ５。上述叶片尺度小麦白粉
基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究
袁琳，张竞成，赵晋陵，黄文江。，王纪华
１．浙江大学农业遥感与信息技术应用研究所，浙江杭州３１００５８２．北京农业信息技术研究中心，北京１０００９７３．中国科学院对地观测与数字地球科学中心，北京１０００９４
者对两种病害的光谱响应特征分别进行了研究。刘良云等发

用光谱反射率诊断小麦叶片水分状况的研究

用光谱反射率诊断小麦叶片水分状况的研究随着全球气候变化的加剧，干旱和水分不足已成为影响农业生产的重要因素。

因此，对于农作物的水分状况的精确监测和诊断显得尤为重要。

本文基于光谱反射率技术，研究了小麦叶片水分状况的诊断方法，旨在为农业生产提供可靠的技术支持。

一、光谱反射率技术的原理光谱反射率技术是利用不同波长光在物质表面反射的差异，通过测量物质表面反射光的强度来分析物质的特性和状态的一种技术。

在农业生产中，光谱反射率技术被广泛应用于农作物的生长状态、营养状况、水分状况等方面的监测。

二、小麦叶片水分状况的诊断方法本研究选取了小麦叶片作为研究对象，通过光谱反射率技术，研究了小麦叶片在不同水分状况下的反射率变化规律，建立了小麦叶片水分状况的诊断模型。

1.实验材料和方法选取小麦品种“晋麦35”作为实验材料，将小麦分为5组，分别浇水、干旱、轻度缺水、中度缺水和重度缺水。

在小麦叶片表面采集不同水分状况下的光谱反射率数据，分析不同波长范围内的反射率变化规律。

2.反射率变化规律分析通过对不同水分状况下小麦叶片的光谱反射率数据进行分析，发现在可见光波段和近红外波段内，小麦叶片的反射率随水分状况的变化呈现出不同的变化规律。

在可见光波段内，小麦叶片在干旱和缺水状态下，反射率明显高于浇水状态下的反射率；在近红外波段内，小麦叶片在干旱和缺水状态下，反射率明显低于浇水状态下的反射率。

3.水分状况的诊断模型建立通过对不同水分状况下小麦叶片的反射率数据进行分析，建立了小麦叶片水分状况的诊断模型。

该模型基于可见光波段和近红外波段内的反射率数据，采用主成分分析（PCA）方法提取特征，利用支持向量机（SVM）算法建立分类模型。

实验结果表明，该模型可以较为准确地识别小麦叶片的不同水分状况，诊断准确率达到85%以上。

三、结论与展望本研究基于光谱反射率技术，研究了小麦叶片水分状况的诊断方法。

实验结果表明，小麦叶片的反射率在不同水分状况下呈现出不同的变化规律，可以通过建立诊断模型实现对小麦叶片水分状况的准确诊断。

近红外漫反射光谱法检测小麦粉过氧化苯甲酰

近红外漫反射光谱法检测小麦粉过氧化苯甲酰近红外漫反射光谱法检测小麦粉过氧化苯甲酰摘要：国家已禁止向小麦粉中添加过氧化苯甲酰(BPO),快速检测小麦粉中BPO添加量对于保障食品安全非常重要.BPO在添入小麦粉中后部分会被还原成为苯甲酸,使得对其原始添加量的检测非常繁琐.本文探讨了利用近红外漫反射光谱法进行小麦粉中BPO添加当量检测的可行性.通过向无添加剂小麦粉中添加不同量的过氧化苯甲酰粉末,制备小麦粉样本133个.样本在实验室放置一段时间后,采集光谱数据,通过小波变换滤除光谱噪声.用偏最小二乘法建立光谱数据与BPO原始添加当量之间的模型,模型校正集决定系数R2cal是0.890 1,校正标准偏差RMSEC是40.85 mg·kg-1,预测决定系数R2pred为0.886 5,预测标准偏差RMSEP为44.69 mg·kg-1.结果表明:基于近红外光谱的.小麦粉BPO添加当量检测具有较高的可行性,该方法有望为食品中某些添加物的快速检测提供新的途径. 作者：张志勇[1] 李刚[2] 刘海学[3] 林凌[2] 张宝菊[4] 吴晓荣[4] Author：ZHANG Zhi-yong[1] LI Gang[2] LIU Hai-xue[3] LIN Ling[2] ZHANG Bao-ju[4] WU Xiao-rong[4] 作者单位：天津大学精密测试技术及仪器国家重点实验室,天津300072;天津农学院机电工程系,天津300384天津大学精密测试技术及仪器国家重点实验室,天津,300072天津农学院分析测试中心,天津,300384天津师范大学物理与电子信息学院,天津,300387 期刊：光谱学与光谱分析ISTICEISCIPKU Journal：Spectroscopy and Spectral Analysis 年，卷(期)： 2011, 31(12) 分类号： O657.3 关键词：近红外漫反射小麦粉过氧化苯甲酰偏最小二乘机标分类号：TS2 R15 机标关键词：近红外漫反射光谱法光谱法检测小麦粉过氧化苯甲酰 Diffuse Reflectance NIR Wheat Flour Benzoyl Peroxide BPO 快速检测决定系数光谱数据标准偏差添加量偏最小二乘法近红外光谱预测样本校正集小波变换基金项目：国家自然科学基金，天津市应用基础及其前沿技术研究计划项目近红外漫反射光谱法检测小麦粉过氧化苯甲酰[期刊论文] 光谱学与光谱分析--2011, 31(12)张志勇李刚刘海学林凌张宝菊吴晓荣国家已禁止向小麦粉中添加过氧化苯甲酰(BPO),快速检测小麦粉中BPO添加量对于保障食品安全非常重要.BPO在添入小麦粉中后部分会被还原成为苯甲酸,使得对其原始添加量的检测非常繁琐.本文探讨了利用近红外漫反射光谱法进...。

一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法

专利名称：一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法及应用
专利类型：发明专利
发明人：赵晋陵,方艳,黄林生,梁栋,徐超,黄文江,张东彦,翁士状
申请号：CN202010633251.9
申请日：20200702
公开号：CN111751295A
公开日：
20201009
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法及应用。

通过高光谱成像仪扫描获取侵染白粉病小麦叶片382.9～1059.1nm波长范围内1024个波段的高光谱影像；计算小麦叶片白粉病病情指数，依据病情指数对小麦侵染程度进行分级，获取小麦叶片的等级标签；以高光谱影像的光谱数据作为原始波段，利用主成分分析算法、随机森林和连续投影算法分别从1024个波段中挑选出对白粉病敏感的特征波段的光谱信息，用支持向量机、随机森林、概率神经网络三种建模方法将等级标签和每个样本特征波长光谱信息一一对应，训练对应关系，得到预估模型。

本发明的预估模型精度达到93.33％。

申请人：安徽大学
地址：230601 安徽省合肥市经开区九龙路111号
国籍：CN
代理机构：北京方圆嘉禾知识产权代理有限公司
代理人：李正
更多信息请下载全文后查看。

基于高光谱成像的小麦白粉病与条锈病识别

第39卷，第3期 2 0 19年3月光谱学与光谱分析S p e ctro sco p y and S p e c tra l A n a ly s isV o l. 39,N o. 3,pp969-976M a r c h，2019Id e n tific a tio n o f P ow dery M ild ew and S trip e R ust inW h eat U sin g H y p ersp ectra l Im agin gY A O Z h i-fe n g1’2’3，L E I Y u1’2’3，H E D o n g-jia n1’2’3*1. C ollege o f M echanical and E le c tro n ic E n g in e e rin g，N o rth w e s t A b F U n iv e r s ity，Y a n g lin g712100，C hina2. K e y L a b o ra to ry o f A g ric u ltu ra l In te rn e t o f T h in g s，M in is try o f A g ric u ltu re and R u ra l A ff a ir s，Y a n g lin g712100，C hina3. S haanxi K e y L a b o ra to ry o f A g ric u ltu ra l In fo rm a tio n P ercep tio n and In te llig e n t S e rvice，Y a n g lin g712100，ChinaA b s tra c t P o w d e ry m ild e w and s trip e ru s t are tw o o f th e m o s t p re v a le n t and d e s tru c tiv e w h e a t diseases cau sin gsevere decreases in w h e a t y ie ld in C h in a. I t is necessary to q u a n tita tiv e ly id e n tify d iffe re sp e c ific fu n g ic id e s. In th is s tu d y，a lin e-s c a n n in g h y p e rs p e c tra l im a g in g s yste m(Im S p e c to r V10E) w as u tiliz e dto c a p tu re s p e c tra l and im a g e ry in fo rm a tio n o f w h e a t leaves in fe c te d b y p o w d e ry m ild e w，s trip e ru s t and n o rm a l leaves. Based o n320 h y p e rs p e c tra l im a g e s，s tro n g s p e c tra l re fle c tiv ity responses w e re d isco ve re d a t th ebands o f 550^-680n m in th e w h e a t leaves in fe c te d w ith p o w d e ry m ild e w and s trip e ru s t a fte r th e la y(S G) s m o o th in g m e th o d. T o re duce th e d im e n s io n a lity o f th e s p e c tra l m a t r ix，3，6e x tra c te d as s e n s itiv e w a v e le n g th s fro mf u ll sp e ctra fo r d iffe re n t diseases u s ing X-lo a d in g s o f p rin c ip a l co m p on e n t a n a lysis (P C A)，successive p ro je c tio n s a lg o rith m(S P A)，and c o m p e titiv e a d a p tiv e re w e ig h te d s a m p lin g(C A R S)，re s p e c tiv e ly. L e a s t squares s u p p o rt v e c to r m a ch in e(L S-S V M)and e x tre m e le a n in g m a ch in e(E L M)w e re a p p lie d to b u ild id e n tific a tio n m o dels u s in g f u ll sp e ctra and s e n s itiv e w a v e le n g th s e x tra o f P C A , S P A and C A R S to d is tin g u is h p o w d e ry m ild e w，s trip e ru s t and n o rm a l leaves. T h e a ccu ra cya ll th e m o dels in th e c a lib ra tio n set and te s t set w e re above 94. 58%. A m o n g these m o d e ls，th ec a tio n m ode l c o m b in e d w ith X-lo a d in g s of P C A had th e b e st p e rfo rm a n c e，w ith a ccu ra te id e n tific a tio n ra te s o f99. 18%o n th e c a lib ra tio n set and 100%o n th e te s t set. M o re o v e r，th is m o d ll w as s im p le in s tru c tu re w itho n ly th re e v a ria b le s(560，680 and 758 n m). M e a n w h ile，th e m ic ro s tru c tu re o f th re e k in d s o f w h e a t leavesw e re also stu d ie d. A lth o u g h th e in fe c tio n m e ch a n ism s o f the se tw o diseases w e re s lig h tly d iffe r e n t，th e y b o thd e s tro y e d th e m e s o p h y ll c e lls，re duced c h lo r o p h y ll c o n te n t and p h o to s y n th e s is m a rk e d ly. T h e s trin g o f cha nges leaded to w eake ned l ig h t a b s o rp tio n b u t increased re fle c tiv ity in th e v is ib le lig h t band.in d ic a te d th e p o te n tia l fo r th e ra p id and n o n-d e s tru c tiv e d e te c tio n o f w h e a t diseases b y h y p e rs p e c tra l im a g in g，w h ic h c o u ld h e lp to d e velop o n lin e m u ltis p e c tra l d e te c tio n s yste m fo r d iffe re n t k in d s o f p la n t diseasK e yw o rd s P o w d e ry m ild e w；S trip e r u s t；H y p e rs p e c tra l im a g in g；S e n s itiv e w a v e le n g th s；Id e n tific a tio n m o d ll中图分类号$O433.4文献标识码：A A O I: 10. 3964#. issn. 1000-0593(2019)03-0969-08r u s t in d u ce d b y P u c c i n i a s t r i i f o r m i s f. s p.t r i t i c i are tw o o fIn tro d u c tio n e c o n o m ic a lly diseases th a t have c o m p ro m is e d th e safe p ro d u ctio n o f w h e a t in C h in a fo r a lo n g tim e[1". T h e y each have a P o w d e ry m ild e w caused b y B l u m e r i a g r a m i n i s and s trip e w id e in cid e n ce ra n g e，s tro n g in fe c tiv ity andReceived：2018-08-27；accepted：2019-01-06Foundation item：Key Industrial Chain Projects of Shaanxi Province (2015K T Z D N Y01-06)，Key Science and Technology Program of Shaanxi Province (2017N Y-104)，Science and Technology Plan Project of Yangling Dem onstration Area (2015N Y-10)Biography ：Y A O Z h i-fen g，(1984—) »female »doctoral candidate »College of Mechanical and Electronic Engineering，N orthw est A b F U n ive rsity e-m ail：yzf8466@* Corresponding author e-m ail：h d jl68@n w su a f.e d 970光谱学与光谱分析第39卷cause severe dam age. W h a t +m o r e ，th e y are fre q u e n tly co m p lic a te d b y each o th e r. T h e pa th o g e n e sis o f th e tw o w h e a t diseases are d iffe r e n t，and d iffe re n t b a cte ricid e s s h o u ld be app lie d fo r p re v e n tio n. In c o rre c t use o f p e sticid e s poses a h id d e n d a n g e r to fo o d s e c u rity , and p e s tic id e re sid ues can also p o llu te th e s o il and u n d e rg ro u n d w a te r.C o m m o n m e th o d s fo r th e d ia g n o sis and d e te c tio n o f p la n t diseases in c lu d e v is u a l p la n t disease e s tim a tio n b y h u m a n ra -- e r s ，m ic ro s c o p ic e v a lu a tio n o f m o rp h o lo g y fe a tu re s to id e n tify p a th o g e n s ，as w e ll as m o le c u la r ， s e ro lo g ic a l ， and m ic ro b io lo g ic a l d ia g n o s tic tech nique s^2". B u t the se m e th o d s dem and e xp erien ced in d iv id u a ls w ith w e ll-d e v e lo p e d s k ills in disease d e te c tio n and are th u s s u b je c t to h u m a n bias. C o n s e q u e n tly ，a c o n v e n ie n t，accu rate and s im p le m e th o d is u r g e n tly needed fo r q u a lita tiv e id e n tific a tio n o f d iffe re n t k in d s o f diseases a t w h e a t se e d lin g stage.H y p e rs p e c tra l im a g in g is an e m e rg in g te c h n iq u e ， w h ic h com bines c o n v e n tio n a l im a g in g and sp e c tro s c o p y to acq u ire b o th s p a tia l and s p e c tra l in fo rm a tio n fro m th e d e tected ta rg e t in th e same tim e. Because o f th e c o m b in e d fe a tu re s ， i t has been s u c c e s s fu lly used fo r a g ric u ltu r a l p ro d u c t q u a lity eva lu a t i o n 3" ，fo o d d e fe ct in s p e c tio n [4"， p la n t disease id e n tific a t i o n 5" and so on. M o s t sch o la rs have c a rrie d o u t e x p e rim e n ta l s tu d ie s o n th e co m m o n disease ty p e s in cro p s such as w h e a t6"，b a rle y [7"，ric e [8"，su g a r b e e t[9" and o ilsee d ra p e [10"，a tte m p tin g to c la r ify th e s p e c tra l re sponse fe a tu re s o f disease and search fo r o p tim a l m o dels to im p ro v e th e exactness o f d is ease re c o g n itio n.W ith re g a rd to w h e a t dise a se s，som e sch o la rs have s tu d ied th e s p e c tra l re sponse fe a tu re s o f s trip e ru s t and p o w d e ry m ild e w. F o r in s ta n c e ， a s tu d y co n d u cte d b y Zhao et al. [11" sh o w e d th a t th e s p e c tra l re fle c ta n c e o f w h e a t leaves in fe c te d b y s trip e ru s t w as p o s itiv e ly c o rre la te d w ith disease s e v e rity a t th e bands o f 550〜680 and 750〜1 300 nm. Z h a n g et al. [12" d isco ve re d a s tro n g s p e c tra l re sponse a t 520 〜720 n m o f w h e a t p o w d e ry m ild e w. I t is n o te w o rth y th a t th e c h a ra c te ris tic bands o f w h e a t s trip e d u s t and p o w d e ry m ild e w are g re a tly o v e rla p p e d in som e s p e c tra l w a v e s ， b u t a t th is p re s e n t tim e ， to th e be st o f o u r k n o w le d g e ，th e re are fe w re p o rts o n th e dete c tio n o f these tw ok in d so fw h e a tdiseases. L ia n g et al. [13"selected th e s e n s itiv e bands o f p o w d e ry m ild e w a t 519， 643, 696，764，795，and 813 n m ，and th e s e n s itiv e bands o f s trip e ru s t a t 494， 630， 637，698， 755，and 805 n m ，to e sta b lis h th e d is c rim in a n t m o d e l fo r re c o g n iz in g p o w d e ry m ild e w and s trip e r u s t ，w ith th e a ccu ra cy o f 92%. H o w e v e r ，th is m e th o d in v o lv e s m a n y b a n d s ，w h ic h is n o t c o n v e n ie n t fo r th e d e v e lo p m e n t and re a liz a tio n o f a m u ltis p e c tra l s y ste m fo r w h e a t diseases. T h e r e fo r e ，fu r th e r in te n s iv e s tu d y is re q u ire d.T h e o b je c tiv e o f th is s tu d y is to d is c rim in a te p o w d e ry m ild e w and s trip e ru s t in w h e a t th ro u g h a series o f o p e ra tio n s ，in c lu d in g s p e c tra l data c o lle c tio n , d im e n s io n a lity re d u c tio n ，re la te d c h a ra c te ris tic band e x tr a c tio n ，and id e n tific a tio n m o d e l e s ta b lis h m e n t based o n h y p e rs p e c tra l im a g in g te c h n o lo g y. T h is o p tim iz e d id e n tific a tio n m o d e l can p ro v id e a n e w m e th o d fo r th e ra p id and a ccu ra te d ia g n o sis o f p o w d e ry m il- d e w a n d s trip e ru s t in w h e a t a t th e le a f le ve l.1 M aterials and M eth ods1. 1Sam ple P re p a ra tio nW h e a t M in g x ia n 169 w as g r o w n in p la s tic p o ts (7 c m X 7 c m X 8 c m ) a t a d e n s it y o f 10〜15 s tra in s in each p o t ， in a ru s t-fre e g r o w th ch a m e r [16 i 3) j， 16 h lig h t /8 h d a rk ness" in th e S ta te K e y L a b o ra to ry o f C ro p S tre ss B io lo g y fo r A r id A re a s and C o lle g e o f P la n t P r o te c tio n ，N o rth w e s t A b F U n iv e r s ity ，C h in a. W h e n th e se e d lin g had g ro w n to tw o o r th re e le a v e s ，th e f ir s t w h e a t se e d lin g le a f w as g e n tly ru b b e d w ith a clean m o iste n e d fin g e r to re m o ve th e w a x y la y e r fro m th e le a f surface. P u c c i n i a s t r i i f o r m i s and B l u m e r i a g r a m i n i s o n n a tu ra lly in fe c te d leaves (fr o m liv in g tis s u e s ) w e re c o lle c ted and e v e n ly sm eared o n th e f ir s t w h e a t se e d lin g le a f w it h a b r u s h ，and th e in o c u la tio n zones w e re labe led w ith a m a rk e r. E a ch p a th o g e n w as in o c u la te d o n te n p o ts ， w h ile a n o th e r te n p o ts w ith o u t in o c u la tio n w e re used as h e a lth y c o n tro ls. T h e in o c u la te d p la n ts w e re cove red w ith w e t p o ly e th y le n e bags to m a in ta in 100% re la tiv e h u m id ity and w e re s to re d fo r 24 h at 10 j in a d a rk cha m ber. Im m e d ia te ly a fte r in c u b a tio n ，p la n ts w e re tra n s fe rre d to a clean g r o w th c h a m b e r set to a d iu rn a l cycle o f 16 jfo rth e16-hlig h tp e rio d and 13d a rk pe rio d [14". O n da y 15， v a rio u s scabs w e re o b se rve d on th e s u rfa ce of th e in o c u la te d w h e a t leaves. 80 s tr ip r u s t le a v es ，100 p o w d e ry m ild e w le a v e s ，and 140 h e a lth y leaves w ere coHected.1. 2A c q u is itio n and C a lib ra tio n o f H y p e rs p e c tra l Im ages T h e h y p e rs p e c tra l im ages o f w h e a t leaves w e re ca p tu re d b y a lin e -s c a n n in g h y p e rs p e c tra l im a g in g s y s te m in re fle c ta n c e m ode. T h e h y p e rs p e c tra l im a g in g s yste m w as c o n s titu te d b y a v is ib le /in fr a r e d im a g in g s p e c tro m e te r ( Im S p e c to r V 10E ， S p e c tra l Im a g in g ，F in la n d )，an area a rra y C C D cam era w ith320X 256-p ix e l re s o lu tio n (X E V A 2616， X e n IC s ， B e lg iu m )，an illu m in a tio n s yste m w ith fo u r 150-W q u a rtz tu n g s te n h a lo gen la m p s a d ju s te d a t an a n g le o f 45° to illu m in a te th e ca m e ra 's fie ld o f v ie w ? a m o b ile p la tfo rm o p e ra te d b y a s te p p e r m o - t o r ，a cam era o b s c u re r，and a c o m p u te r w ith da ta a c q u is itio n and p re p ro c e s s in g s o ftw a re (S p e c tra l-C u b e data a c q u is itio n V 10 s o ftw a re ). T h e h y p e rs p e c tra l im a g in g s yste m w as set up in th e la b o ra to ry w ith th e ro o m te m p e ra tu re o f (28 土 1) j and re la tiv e h u m id ity o f 50%. T h e s p e c tra l re g io n w as 375〜 1 017 n m ，w ith a to ta l o f 256 bands. T o o b ta in cle a r and u n d is to rte d h y p e rs p e c tra l im a g e s ，th e d ista n ce b e tw e e n sam ples第3期光谱学与光谱分析971a n d l e n s w a s65c m，a n d t h e s p e e d o f t h e c o n v e y o r w a s14a c q u i s i t i o n,m m• s—1$a n d t h e e x p o s u r e t i m e w a s 5 m s d u r i n g t h e i m a g eF i g. 1 P h o t o g r a p h s o f w h e a t s e e d l i n g s(u p p e r)a n d s c h e m a t i c d i a g r a m o f h y p e r s p e c t r a l i m a g i n g s y s t e m(l o w e r)!3S p e c t r a l A c q u i s i t i o n a n d P r e p r o c e s s i n gT h e s p e c t r a l r e f l e c t a n c e o f c o l l e c t e d s a m p l e s w e r e c o l l e c t-e d f r o m h y p e r s p e c t r a l i m a g e s u s i n g E N V I+I D L 5. 1 s o f t w a r e (I T T V i s u a l I n f o r m a t i o n S o l u t i o n s，B o u l d e r，C O，U S A). R e c t a n g l e s o f 5 X4p i x e l s w e r e s e l e c t e d o n i n o c u l a t i o n z o n e s o f t h e c o r r e s p o n d i n g l e a f a s t h e r e g i o n s o f i n t e r e s t(R O I). T h e s p e c t r a o f e a c h p i x e l i n t h e R O I w e r e a v e r a g e d，a n d t h i s s p e c t r u m w a s c o n s i d e r e d t h e s p e c t r a l r e f l e c t a n c e o f t h e s a mp l e.A c c o r d i n g t o t h i s p r o c e d u r e，a t o t a l o f320m e a n r e f l e ct a n c e s p e c t r a o f t h r e e k i n d s o f w h e a t s a m p l e s w e r e o b t a i n e d a n d i m p o r t e d i n t o t h e M A T L A B2016a s o f t w a r e(M a t h-W o r k s，N a t i c k，M A，U S A)f o r f u r t h e r d a t a a n a l y s i s.T h e c o m m o n p r o c e s s i n g m e t h o d s o f S O s m o o t h i n g，m u lt i p l e s c a t t e r c o r r e c t i o n，s t a n d a r d n o r m a l v a r i a t e t r a n s f o r m at i o n ，f i r s t d e r i v a t i v e，a n d s e c o n d d e r i v a t i v e w e r e t e s t e d i n t h i s s t u d y.S O s m o o t h i n g w a s f o u n d t o e l i m i n a t e s p e c t r a l n o i s e w h i l e m a i n t a i n i n g t h e s p e c t r a l c h a r a c t e r i s t i c s.T h e r e f o r e，S O s m o o t h i n g w a s s e l e c t e d f o r d a t a t r e a t m e n t t h r o u g h o u t t h e s'u d y.T h e k e n n a r d-s t o n e(K S)a l g o r i t h m w a s a d o p t e d t o d i v i d e 80p o w d e r y m i l d e w s a m p l e s，100w h e a t s t r i p e r u s t s a m p l e s a n d140n o r m a l w h e a t s a m p l e s a t a r a t i o o f3: 1 i n t h i s s t u d y.A f t e r w a r d，t h e r e s p e c t i v e d i v i s i o n r e s u l t s w e r e s u m m a r i z e d t o f o r m c a l i b r a t i o n s e t s w i t h240s a m p l e s a n d t e s t s e t s w i t h80 s a m p l e s.!4C h a r a c t e r i s t i c W a v e l e n g t h s S e l e c t i o n a n d C l a s s i f i c a t i o n M o d e l sF u l l s p e c t r a c o n t a i n a l l s p e c t r a l i n f o r m a t i o n w i t h l a r g e d a t a f i l e s,i n f o r m a t i o n r e d u n d a n c y,a n d m u l t i p l e c o l l i n e a r v a ri a b l e s ，w h i c h c o u l d a d d t o t h e c o m p l e x i t y o f i d e n t i f i c a t i o n m o d e l，r e d u c e t h e c o m p u t a t i o n s p e e d，a n d a f f e c t t h e m o d e l a c c u r a c y.T h e r e f o r e，i t i s n e c e s s a r y t o r e d u c e t h e d i m e n s i o na l i t y o f t h e s p e c t r a l d a t a t o i m p r o v e t h e c o r r e c t i d e n t i f i c a t i o n r a t e.I n t h i s s t u d y，P C A，S P A a n d C A R S[15" w e r e u s e d a s o p t i m i z a t i o n m e t h o d s t o s e l e c t t h e c h a r a c t e r i s t i c w a v e l e n g t h s.C l a s s i f i c a t i o n a p p r o a c h e s a i m t o d i v i d e t h e d a t a i n t oa972光谱学与光谱分析第39卷n u m b e r o f d is tin c t classes. L S-S V M a n d E L M[16" a lg o rith m- f e r e a p p lie d to b u ild c la s s ific a tio n m o dels to d is tin g u is h p o wd e ry m ild e w?s trip e ru s t and n o rm a l leaves in th is s tu d y. A n d th e m o d e l p e rfo rm a n ce s w e re eva lu a te d b y accu racy ra te o f id e n tific a tio n. T y p ic a lly，a h ig h e r c o rre c t id e n tific a tio n ra te w as associated w ith b e tte r m o d e l p re c is io n. In a d d itio n，th e n u m b e r o f in p u t va ria b le s in th e m o d e l w as used to eva lu ate w h e th e r th e m o d e l w as s im p le o r n o t，and fe w e r in p u t v a riables in th e m o d e l sug geste d a s im p le r m o del.2 R e su lts and D iscussion2. 1 S pectral Features o f W h e a t LeavesT h e m ean s p e c tra l r e fle c tiv ity curves and sta n d a rd d e v iatio n o f s trip e r u s t，p o w d e ry m ild e w，and n o rm a l w h e a t samples w e re s h o w n in F ig u re 2. I t co u ld be seen th a t th e sp e ctra o f in o c u la te d and u n va ccin a te d w h e a t see dlings had s im ila r change tre n d s w ith w a v e le n g th. H o w e v e r，th e m ean re fle c tivit y o f in o c u la te d w h e a t leaves w as h ig h e r th a n th a t o f th e h e a lth y sam ples o v e r th e b a n d range o f 400 〜1 000 nm. In p a r tic u la r，th e re w as a s tro n g s p e c tra l re fle c tiv ity response in th e w h e a t leaves in fe c te d w ith p o w d e ry m ild e w and s trip e ru s t a t th e ba nd o f 550 〜680 n m，and th e g re a te s t re fle cta n ce d iffe re n c e c o u ld reach 0. 15 com p a re d w ith h e a lth y leaves. In a d d itio n，th e le a f r e fle c tiv ity m a n ife s te d s m a ll flu c tu a tio n s in th e ba nd a t 750〜900 n m，w h ic h w as la rg e ly c o n s is te n t w ith th e re s u lt tre n d o b se rve d b y Y u a n et a l17". I t w as p re v io u s ly re p o rte d th a t p a th o g e n in fe c tio n led to s tru c tu ra l d e s tru c tio n o f c h lo ro p la s ts，loss o f ce ll w a te r，and w eake ned th e s p e c tra l a b s o rp tio n o f p ig m e n t and w a te r. T h e r e b y，th e s p e c tra l refle c tiv ity o f th e in fe c te d leaves incre ased a t th e v is ib le band and th e s h o rt-w a v e in fra re d band.tio n(S D)] o f w hea t leaves w ith p o w d e ry m ild e w, s trip eru s t and h e a lth y sam ples cove ring the range o f 375 〜1 017 n m2. 2 S election o f E ffe c tiv e W avelengths2. 2. 1 S e le ctio n o f E ffe c tiv e W a v e le n g th s b y P C APC A w as e m p lo ye d to tra n s fo r m th e f u ll w aveb and s (256w a ve b a n d s) in to seve ral p rin c ip a l c o m p o n e n ts (P C s). L o a din g s o f f ir s t PCs w e re a p p lie d fo r q u a lita tiv e ly id e n tify in g th e o p tim a l w a v e le n g th s th a t w e re re s p o n s ib le fo r th e sp e c ific fe atu re s. T h e f ir s t th re e PCs e x p la in e d97%o rig in a l v a ria tio n s and th e ir score p lo ts w e re d is p la y e d in F ig u re3(a). I t in d ic ate d th a t th re e g ro u p s o f sam ples p ro v id e d an a p p a re n t c lu s terin g and c o u ld be d is tin g u is h e d c le a rly in th e score p lo ts. T h e X-lo a d in g s o f PC1 to P C3，w h ic h re vealed th e im p o rta n c e o f th e analyzed v a ria b le s，w e re s h o w n in F ig u re3(b).T h e X- lo a d in g s values re fle c te d th e c o rre la tio n c o e ffic ie n ts o f th e p rin c ip a l c o m p o n e n ts a t d iffe re n t w a v e le n g th s. T h e w a ve- le n g t h s c o rre s p o n d in g to th e w a ve peaks o r tro u g h s w e re co nsid e re d as th e c h a ra c te ris tic w a v e le n g th s. T h e fir s t th re e X- l o a d in g s p lo t s o f P C A in d ic a te d th a t th e re fle c ta n c e a t th re e w a v e le n g th s(560，680 and 758 n m) w ith th e re la tiv e ly la rg e lo a d in g c o e ffic ie n ts h a d th e g r e a te s t d is c r im in a to r y e ffe c t on h e a lth y and in fe c te d w h e a t.loadings p lo t o f th e fir s t th re e p rin c ip a l com ponents on fu ll w ave le ng th region2.2.2S e le ctio n o f E ffe c tiv e W a v e le n g th s b y S P AT h e n u m b e r o f c h a ra c te ris tic w a v e le n g th s to be selected w as set fro m 1 to30，and th e o p tim a l c h a ra c te ris tic w a v ele n g th s w e re selected based on th e ro o t m ean square e r ro r o f c a lib ra tio n(R M S E C). A s s h o w n in F ig u re4(a)，th e va lu e o f R M S E C decreased ra p id ly w h e n th e n u m b e r o f w a v e le n g th s incre ased fro m 1 to5，th e n decreased s lo w ly w ith th e increase o f n u m b e r o f v a ria b le s. Since to o m u c h v a ria b le s w illincrease第3期光谱学与光谱分析973F ig. 5 C h a ra c te ris tic va ria b le s selected by C A R S2. 3 C o m p a riso n and A n a ly s is o f the Id e n tific a tio n M o dels S p e c tra l data o f th e sam ples w e re d iv id e d in to th e c a lib ra tio n set and th e te s t set based on th e K S m e th o d. M e a n w h ile ， th e f u ll s p e c tra ， th e e ffe c tiv e w a v e le n g th s selected b y P C A ， S P A and C A R S ， w e re tre a te d as th e in p u t va ria b le s o f th e d is c rim in a tio n m o dels. T h e d is c rim in a tio n m o dels to id e n tify d iffe re n t diseases w e re c o n s tru c te d b y E L M and S V M ， and th e m o d e ls w e re v e rifie d u s in g th e te s t set sam ples. T h e id e n tific a tio n ra tes o f th e th re e k in d s o f w h e a t leaves in th e cai-- b ra tio n set and te s t set b y th e p ro p o se d m o d e l w e re s h o w n in T a b le 1. T h e c o rre c t id e n tific a tio n ra tes o f th e e ig h t m o dels in th e c a lib ra tio n set and te s t set w e re above 94. 58%. I t c o u ld be seen th a t th e m o d e l based on th e f u ll sp e ctra (F S ) d id n o t d is p la y s u p e r io r ity ，in d ic a tin g th a t th e f u ll sp e ctra n o t o n ly co n ta in e d u s e fu l in fo rm a tio n b u t also co n ta in e d noise. T h e 30 s p e c tra l bands selected b y C A R S co u ld c o m p re h e n s iv e ly re fle c t th e e ffe c tiv e in fo rm a tio n in th e o r ig in a l sp e ctra to d is tin g u is h th e p o w d e ry m ild e w ， s trip e r u s t ， and h e a lth y leaves.H o w e v e r ， th e re w e re o n ly s ix in p u t v a ria b le s in th e m o d e l c o n s tru c te d b y S P A and th re e in p u t v a ria b le s in th e m o d e l o f X -lo a d in g s o f P C A ，w h ic h w e re o n ly 2. 3% and 1.1% o f th e FS in p u t v a ria b le n u m b e rs ， th u s g re a tly s im p lify in g th e re c-ogn8t8on m o del.2. 4M ic ro s tru c tu re Im ages o f M e s o p h y ll Tissue Im ageW h e a t disease leads to e x te rn a l m o rp h o lo g ic a l and in te r na l p h y s io lo g ic a l changes o f th e leaves. In th is p a p e r，th e im ages o f ce ll m ic ro s tru c tu re o f th e w h e a t sam ples w e re o b ta in e d w ith a la b o ra to ry e le c tro n m icro sco p e (01y m p u s -B X 53，〇- ly m p u s C o r p .，T o k y o ，J a p a n ). F ig u re 6 d e p icte d th e m ic ro s tru c tu re im ages o f m e s o p h y ll tis s u e o f n o rm a l leaves and leaves a ffe c te d b y s trip e ru s t o r p o w d e ry m ild e w. I t c o u ld be seen th a t th e h e a lth y ones had a c o m p le te s tru c tu re o f cro s s c u t s e c tio n s ， a co m p a ct s tru c tu re and p le n tifu l e p id e rm a l0 5 10 15 20 25 30 35 40 45 50Number o f sampling runs0.501th e c o m p le x ity o f m o d e l and s lo w d o w n th e c o m p u ta tio n sp e e d ， th e n u m b e r o f v a ria b le s is o fte n selected w h e n th e R M S E C va lu e is th e m in im u m o r has a re la tiv e ly s m a ll decrease w ith in c re a s in g n u m b e rs o f v a ria b le s. In th is s tu d y ， th e d e te rm in e d n u m b e r o f w a v e le n g th s w as 6. T h e w a ve - e n g th s selected fin a lly w e re m a rk e d w ith s o lid shapes in F ig u re 4(b ) ： 481，516，562，675，789 and 838 nm. T h e selected w a v e le n g th s w e re used as th e in p u ts fo r th e d is c rim in a tio n m o dels.S P A * (b ) : 6 ch ara cteristic w avelengths selected b y S P A2. 2. 3 S e le ctio n o f E ffe c tiv e W a v e le n g th s b y C A R ST h e re s u lts fo r v a ria b le se le c tio n fo r w h e a t diseases u s in g th e C A R S m e th o d are s h o w n in F ig u re 5. U n d e r th e a c tio n o f th e e x p o n e n tia l decay fu n c tio n ，th e ra te o f decrease o f v a ria b le n u m b e r becam e s lo w e r w ith th e increase in ru n n in g tim es? in d ic a tin g th e stages o f ro u g h in g and h a n d p ic k in g o f th e C A R S a lg o rith m fo r k e y v a ria b le se le ctio n. T h e R M S E C V va lu e f ir s t decreased and th e n in c re a s e d ， w ith th e s m a lle s t R M S E C V value a t th e s a m p lin g fre q u e n c y o f 22, w h ic h sug geste d th a t in fo rm a tio n v a ria b le s irre le v a n t to w h e a t disease in fo rm a tio n w e re e lim in a te d in steps 1 〜22. A s s h o w n in F ig u re 5， th e selected s p e c tra l v a ria b le su b se t w as o p tim a l a t th e s a m p lin g fre q u e n c y o f 22，w h ic h co n ta in e d 30 s p e c tra l va ria b le s.-1---1---_—r r10010I p cd d s ;§p y J 8CJu.2ss (u js(d^A u w s mo o oo oo 3 2 1s u m§u =d i sj oJ (D q m n^974光谱学与光谱分析第39卷c e lls，and the c h lo ro p la s ts w e re a tta ch e d a ro u n d th e ce ll w a ll [F ig u r e 6 (c)].T h e p o w d e ry m ild e w p a th o g e n cove red th e le af su rfa ce to fo r m th e p o w d e ry m ild e w la y e r，th e n e n te re d th e le a f tis s u e th ro ugh a p r im a ry g e rm tu b e，d e s tro y e d th e h is to lo g ic a l s tr u c t u r e o f th e m e s o p h y ll c e ll，d e p riv e d th e le a f o f n u tr ie n t s，and reduced th e w a t e r a n d c h lo r o p h y ll c o n te n ts [F ig u r e 6 (a)].U re d in io s p o re s land ed on th e w hea t s u rfa c e，e n te re d th e le a f tis s u e and a ccu m u la te d to create a la rg e n u mb e r o f s u m m e r spo re b a n ks o r spo re b e d s, af t er w h ic h t he h isto lo g ic a l s t ru e t u re o f t he m e s o p h y ll ce ll w as des t ro y e d and th e c h lo r o p h y ll c o n te n t reduced [F ig u r e6(b)].Ta ble 1 R esults o f id e n tific a tio n m e th o d fo r c la s s ify in g d iffe re n t w hea t diseasesC la ssificatio nm ethod V a ria b leN u m b e r ofvariablesC a lib ra tio n setsdetected (undetected)T e s t setsdetected (undetected)selectionm ethodsP o w d e rym ild e w(60)S trip eu9(70)H e a lth yw hea(110)A ccu racy/WP o w d e rym ild e w(20)S trip eu9(30)H e a lth yw hea(30)A ccu racy/W FS25659⑴70 (0)110(0)99.5820(0)30 (0)30 (0)100S V M C A R S3058 ()70 (0)110(0)99.1719 (1 )30 (0)30 (0)98.75 S P A652 (8)69 (1 )110(0)96.2518 ()30 (0)30 (0)97.50 P C A347 (13)70 (0)110(0)94.5818 ()30 (0)30 (0)97.50FS25654(6)69 (1 )110(0)97.9219 (1 )30 (0)30 (0)98.75E L MC A R S3056 (4)70 (0)110(0)98.3319 (1 )30 (0)30 (0)98.75S P A658 (2)70 (0)110(0)99.1720(0)30 (0)30 (0)100 P C A359 (1)70 (0)110(0)99.5820(0)30 (0)30 (0)100100B1lOOpimF ig. 6 C e ll m ic ro s tru c tu re images o f w hea t le a f tissue in fe c te d w ith p o w d e ry m ild e w(a)，s trip e ru s t (b)，and h e a lth y w heat as c o n tro l (c)A lth o u g h th e in fe c tio n m e chanism s o f these tw o diseases w e re s lig h tly d iffe r e n t，b o th d e s tro y e d th e m e s o p h y ll c e lls，reduced c h lo r o p h y ll c o n te n t，in te n s ifie d tr a n s p ir a tio n，reduced p h o to s y n th e s is m a rk e d ly. T h e s trin g o f changes le d to。

一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法[发明专利]

专利名称：一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法
专利类型：发明专利
发明人：黄林生,丁文娟,刘文静,赵晋陵,张东彦,杜世州,黄文江,徐超,梁栋
申请号：CN201810665243.5
申请日：20180626
公开号：CN108830249A
公开日：
20181116
专利内容由知识产权出版社提供
摘要：本发明涉及基于ASD高光谱数据的冬小麦白粉病遥感监测方法，包括以下步骤：采集冬小麦的冠层高光谱数据，计算病情指数DI；选取400～800nm波段范围内的冠层高光谱数据作为试验数据；分别计算各波段对于病情指数DI的权重值a和各波段之间的相关系数，求得将权重值和权重值a最大值所对应的波段与其它波段的相关系数归一化后二者间距d，取权重值a最大值所对应的波段和距离d中的最大正值所对应的波段作为最佳敏感波段组合；构造新植被指数NDVI1；选取10种与白粉病病情相关的植被指数与新植被指数NDVI1构建冬小麦白粉病监测模型。

本发明通过对小麦高光谱数据中的原始波段信息进行分析、组合和加强，提取敏感波段和构建新的植被指数，并用于病虫害遥感监测。

申请人：安徽大学
地址：230601 安徽省合肥市经济技术开发区九龙路111号
国籍：CN
代理机构：合肥国和专利代理事务所(普通合伙)
代理人：张祥骞
更多信息请下载全文后查看。

冬小麦赤霉病和白粉病多尺度遥感监测

冬小麦赤霉病和白粉病多尺度遥感监测本文利用遥感手段对不同尺度的病害监测进行研究,以小麦赤霉病和白粉病两种典型小麦作物病害为研究对象,利用实地调查测得的高光谱数据,遥感影像数据对麦穗尺度、冠层尺度和区域尺度的病害进行研究,利用敏感特征变量和分类算法建立监测模型,为农业生产和管理者对小麦病虫害科学提供指导。

主要研究工作如下:(1)在麦穗尺度上,利用染病麦穗和健康麦穗由于水分结构等变化造成的反射率差异提出小麦赤霉病敏感特征筛选和监测模型构建方法。

通过测定的小麦赤霉病及健康样本的麦穗光谱数据,分别利用反射率特征、植被指数特征和细节特征结合相关分析和SVM以及GAS VM两种分类方法建立了基于麦穗尺度的赤霉病监测模型。

筛选出对赤霉病敏感度且差异较显著的特征,包括350nm-400nm、500-600nm和720-1000nm三个特征波段,MSR、NDVI和SIPI 三个植被指数,以及WF01和WF02两个小波特征。

将筛选出的最优特征变量,结合未经优化的SVM、和经过GA算法优化的SVM(GASVM)共建立了 16种小麦赤霉病监测模型,在所有模型中,MSR结合GASVM 建立的监测模型的监测精度最高,精度为75%。

(2)在冠层尺度上,基于麦穗尺度的研究基础,筛选出适合冠层尺度病害监测的特征变量,通过实验测定了小麦赤霉病及健康样本的冠层光谱数据,分别利用光谱反射率特征、植被指数特征和细节特征结合相关分析和SVM以及GASVM两种分类方法建立了基于冠层尺度的赤霉病监测模型。

筛选出对病敏感度且差异较显著的特征,包括500-600 nm和700-1000 nm 两个特征波段,MSR、ARI、TVI和TVInew四个植被指数,以及WF01和WF02两个小波特征。

将筛选出的最优特征变量,结合未经优化的SVM、和经过GA算法优化的SVM(GASVM)共建立了 16种小麦赤霉病监测模型,在所有模型中,TVInew结合GASVM建立的监测模型的监测精度最高,精度为88%。

利用光谱反射技术监测不同地力和施肥条件下小麦生长和产量的变化

利用光谱反射技术监测不同地力和施肥条件下小麦生长和产量
的变化的报告，600字
光谱反射技术在监测不同地力和施肥条件下小麦生长和产量的变化方面有着独到之处。

本报告主要研究使用光谱反射技术，对小麦生长和产量在不同地力和施肥条件下的变化及其对小麦产量和品质的影响等进行了研究。

首先，在研究中我们采用光谱反射技术，分析不同施肥条件下小麦的发芽、传导能力、耗水量等特征。

结果显示，在施肥条件相同的情况下，随着土壤肥力的增高，小麦的发芽率也随之增多；土壤肥力增加会导致小麦对水分的吸收能力增强；土壤肥力的增加也会使小麦的传导能力增强，提高小麦的产量。

此外，通过光谱反射技术，我们还分析了不同施肥条件下小麦的颗粒形状和表面质量，确定小麦的品质特征。

结果表明，随着施肥量的增加，小麦颗粒的形状也会变化，呈现椭圆形或圆形，且表面光泽度增加，口感也更加细腻，而且维生素含量更高，品质也越高。

总之，通过光谱反射技术对不同地力和施肥条件下小麦的生长和产量进行检测，我们能够发现地力的改变会对小麦的发芽率、传导能力、耗水量等性质有较大影响，并可以通过控制施肥量来控制小麦的颗粒形状和表面质量，从而提高小麦的产量和品质特征。

无人机技术在农业生产中的应用

44摘要：随着经济社会的不断发展，人类对农产品的数量和质量要求日渐增高。

农业技术中最具代表性的就是无人机技术的使用。

无人机因其小巧性、无接触、精确性和智能化，更加广泛地被应用于农作物的生长过程中。

该文主要就无人机在农业中的应用进行了探讨，并分析了无人机在应用过程中所遇到的问题，希望可以为无人机技术在农业生产中的进一步应用提供支持。

关键词：无人机；农业；农业生产自改革开放以来，中国的经济得到了突飞猛进的发展，第一产业和第三产业在国民经济的比重越来越大，尤其是第三产业服务业的发展势不可挡，然而农业的基础性地位始终不能动摇。

国家越来越注重农村、农业、农民的“三农”问题，大力发展农业成了重中之重，无人机技术便是保证农业快速发展的保障技术之一。

无人机技术在农田土壤管理、病虫害防治、农作物营养成分检测和产量预测都有广泛的应用前景。

1 无人机发展概述伴随着科技的进步，无人机技术在诸多领域得到了应用，包括水利、环保、电力和军事等领域。

中国农业的发展经历了长期的发展过程，对无人机技术的使用也进行了大量的尝试，对于其稳定性、安全性、高效性等重要性质已经做了非常多的试验，并取得了一定的成效。

美日等国在植保无人机的研究和应用发展较快，处于世界领先水平。

美国航空植保起初采用的是有人驾驶直升机，逐步发展为无人机[1]；日本生产出了世界上第1架用于喷洒农药的无人直升机[2]，其具有体积较小、作业机动灵活、喷洒效果好的特点，在日本国内得到广泛使用，并得到很好的推广[3]。

2 无人机在农业中的应用2.1 无人机在土壤管理中的应用土壤的检测包括两方面的内容，分别是土壤湿度检测和土壤营养成分检测。

利用无人机搭载专业的检测设备，可以大范围、持续监测土壤情况，通过对所获取的检测信息进行对比分析，孙波，王晓艳（榆林职业技术学院，陕西榆林 719000）在进一步建模分析的基础上，得出土壤的湿度和营养成分信息，以及土壤数年的发展变化情况，为后续的农作物种植选取和农作物生长过程中的灌溉提供一定的依据。

中国小麦品种对白粉病的抗性反应与抗病基因检测

中国小麦品种对白粉病的抗性反应与抗病基因检测李洪杰;王晓鸣;宋凤景;伍翠平;武小菲;张宁;周阳;张学勇【摘要】Wheat powdery mildew caused by Blumeria graminis (DC.) f. sp. tritici E.O. Speer is one of the major epidemic diseases threatening production of wheat (Triticum aestivum L.) in China. It is necessary to establish information on resistance to the disease in wheat cultivars and germplasm lines for parental selection in breeding, deployment of resistant germplasm, and application of resistant cultivars for controlling the disease. In this study, reactions to eight isolates of B. graminis (DC.) f. sp. tritici E.O. Speer were tested in commercial wheat cultivars, wheat lines involved in the national yield trials, and core collections. The presence of genes Pm4a, Pm8, and Pm21 for resistance to powdery mildew was detected using the gene-specific markers. Among 148 commercial wheat cultivars released since the 1980s, 16.9％ exhibited resistance to multiple isolates, most of which were released in the 2000s. Over 50％ of the cultivars released in different decades were susceptible to all the isolates tested. The frequencies of resistant cultivars from different wheat producing regions seemed to be associated with the significance of powdery mildew epidemic in a given region. Out of 1160 entries in the core collection, the proportions of entries resistant to isolate E09 were 3.4％and 4.2％ in the landrace and improved cultivars, respectively. The Southwestern Autumn-Sown Spring Wheat Zone and the Xinjiang Winter-Spring Wheat Zone had higher percentages of E09-resistant cultivars thanother wheat zones. None of the cultivar from the Southern Autumn-Sown Spring Wheat Zone, Northern Winter Wheat Zone, and Northern Spring Wheat Zone was resistant. The results of multiple-isolate test demonstrated that 33.7％ were resistant among the 263 mini-core collection entries, most of which were resistant to one or two isolates. This indicates that there is a need to select resistant entries as recurrent parents for efficient use of existing core collection and to construct applied core collection for resistance to powdery mildew. Using the markers specific for resistance genes, the results of molecular detection demonstrated that 43.2％ of the commercial cultivars contained gene Pm8. This gene was detected in the wheat lines involved in the national wheat yield trails at a high frequency. Genes Pm4a and Pm21 were detected mainly in the wheat lines or cultivars that were developed in the Yangtze River region. Some cultivars highly resistant to powdery mildew may possess other resistance genes that warrant further determination.%利用来自不同生态区的8个白粉菌菌株对20世纪80年代以来国家审定(认定)品种、近期参加国家区域试验的品系和核心种质等小麦材料进行抗病性评价,同时利用与Pm4a、Pm8和Pm21基因连锁的分子标记检测了相关抗病基因的存在.在148个国家审定品种中有16.9%的品种能够抗多个菌株,其中大多是近10年选育的品种.不同年代审定的品种中感病品种的频率均超过50%.各个小麦生产区抗病品种的频率高低与该地区白粉病的严重性和育种的关注程度有一定关系.在1 160份小麦核心种质中抗E09菌株的地方品种和育成品种的比例只有3.4%和4.2%.西南冬麦区和新疆冬麦区入选的品种抗病频率较高,华南冬麦区、东北春麦区和北方春麦区没有发现抗E09菌株的品种.多菌株鉴定结果表明,263份微核心种质中33.7%的品种表现抗病性,其中大多数品种能够抗1～2个菌株,因此在核心种质的利用中应注意选用抗性强的品种作为轮回亲本,同时有必要构建抗白粉病的应用核心种质,以提高核心种质的利用效果.根据抗病基因分子标记检测结果,我国小麦品种有43.2%含有Pm8基因,该基因在区域试验参试品种中的频率也很高,特别是在黄淮麦区培育的品种中频率仍高达50%;Pm4a和Pm21基因主要出现在长江流域培育的品种中.有些抗性突出的品种可能含有其他抗病基因.【期刊名称】《作物学报》【年(卷),期】2011(037)006【总页数】12页(P943-954)【关键词】小麦;抗病性;白粉病;抗病基因;Pm8;Pm4;Pm21【作者】李洪杰;王晓鸣;宋凤景;伍翠平;武小菲;张宁;周阳;张学勇【作者单位】中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081;中国农业科学院作物科学研究所/农作物基因资源与基因改良国家重大科学工程,北京100081【正文语种】中文小麦白粉病是由Blumeria graminis (DC.) f.sp.tritici E.O.Speer (syn.Erysiphe graminis DC.f.sp.tritici Em.Marchal)引起的一种流行性病害。

基于主动光源的作物冠层反射光谱测量方法

基于主动光源的作物冠层反射光谱测量方法丁永前;朱艳;李杨;王致情;谭星祥;曹卫星【摘要】结合自主研发的测量装置,对实现基于主动光源的冠层反射光谱测量方法进行了阐述.对测量装置的测量原理进行了论述,分析了高频调制光源模块、光电池响应一级放大模块、高通滤波模块、二级放大模块和信号提取模块5大功能模块.对其中一级放大电路的参数设计和信号提取模块的算法设计2个关键环节进行了理论分析与推导.应用自制测量装置对小麦冠层进行反射测量实验,实验结果表明:测量装置可以有效滤除环境光引起的响应,测量值稳定可靠,最大相对波动率小于4.97％.【期刊名称】《农业机械学报》【年(卷),期】2013(044)012【总页数】6页(P209-214)【关键词】作物冠层;主动光源;反射光谱;反射率;测量【作者】丁永前;朱艳;李杨;王致情;谭星祥;曹卫星【作者单位】南京农业大学国家信息农业工程技术中心,南京210095;南京农业大学国家信息农业工程技术中心,南京210095;南京农业大学江苏省现代设施农业技术与装备工程实验室,南京210031;南京农业大学江苏省现代设施农业技术与装备工程实验室,南京210031;南京农业大学江苏省现代设施农业技术与装备工程实验室,南京210031;南京农业大学国家信息农业工程技术中心,南京210095【正文语种】中文【中图分类】S123;TP79引言作物反射光谱的获取途径主要包括作物粉末、活体叶片和作物冠层等3个层次的反射光谱，而利用作物冠层反射光谱更易获取田块和区域尺度下作物的营养状况信息［1］。

作物冠层反射光谱蕴含了丰富的作物生长信息，众多学者利用各种光谱指标来研究反射光谱和作物生长信息之间的定量关系［2～5］，已经成为信息农业领域的研究热点。

1994年，第一台被动光源式作物冠层检测仪在美国研制成功，该仪器以太阳光作为检测光源，其使用受天气条件制约［6］。

为了克服被动光源式仪器的缺陷，国外出现了自带光源的主动光源式测量仪器，其使用不受外部光环境的影响，不少学者应用此类测量仪进行了对比研究［7～8］。

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测冯子恒;宋莉;张少华;井宇航;段剑钊;贺利;尹飞;冯伟【期刊名称】《中国农业科学》【年(卷),期】2022(55)5【摘要】【目的】白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑。

【方法】在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回归(MLR)、后向传播神经网络(BP)、随机森林(RF)、极限学习机(ELM)算法将植被指数(VIs)、纹理特征(TFs)和温度特征(T)进行结合,以构建小麦白粉病病情指数的监测模型。

【结果】无论是单数据源建模,还是多数据源建模,随机森林(RF)的精度均高于其他模型;3种数据源中植被指数的RF 模型(VIs-RF,R^(2)=0.667,RMSE=5.712,RPD=1.572)更适宜白粉病监测,其次是温度特征(T-RF,R^(2)=0.559,RMSE=6.563,RPD=1.430),而纹理特征(TFs-RF,R^(2)=0.495,RMSE=7.014,RPD=1.348)效果最差;多数据源协同建模间比较,RF协同植被指数和纹理特征的模型R^(2)为0.701(VIs&TFs-RF,R^(2)=0.701,RMSE=5.308,RPD=1.724),仅比VIs-RF模型R^(2)提升5.101%,RMSE降低7.073%,RPD提高9.672%,而RF协同植被指数和温度特征模型(VIs&T-RF)以及协同3种数据源模型(VIs&TFs&T-RF)的精度分别为R^(2)=0.750,RMSE=4.704,RPD=1.912和R^(2)=0.820,RMSE=4.677,RPD=1.996,较VIs-RF模型R^(2)分别提升12.453%和23.181%,RMSE分别降低17.640%和18.113%,RPD分别提高21.667%和26.981%。

利用冠层光谱监测小麦籽粒蛋白质积累动态

作物学报ACTA AGRONOMICA SINICA 2009, 35(7): 1320−1327/zwxb/ ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw@DOI: 10.3724/SP.J.1006.2009.01320利用冠层光谱监测小麦籽粒蛋白质积累动态冯伟1,2朱艳1曹卫星1,*朱云集2郭天财21 南京农业大学 / 江苏省信息农业高技术研究重点实验室, 江苏南京210095;2 河南农业大学 / 国家小麦工程技术研究中心, 河南郑州450002摘要: 于2003—2006年连续3个生长季, 利用不同小麦品种在不同施氮水平下进行大田试验, 在小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量、生物量和籽粒蛋白质积累量(GPA)。

通过定量分析小麦籽粒蛋白质积累量、冠层氮素营养指标及高光谱参数的相互关系, 确立了能够准确预测小麦籽粒蛋白质积累动态的敏感光谱参数及定量模型。

结果表明, 在籽粒灌浆期间冠层氮素营养指标(CNNI)自开花期随时间进程的积分累积值与对应时期籽粒蛋白质积累状况存在显著的定量关系, 其中植株氮积累量(PNA)表现最好。

对冠层氮素营养指标的光谱估算, 在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。

根据特征光谱参数−冠层氮素营养指标−籽粒蛋白质积累量这一技术路径, 以冠层氮素营养指标为交接点将两部分模型链接, 建立高光谱参数与籽粒蛋白质积累量间定量方程。

经不同年际独立数据的检验, 基于SDr/SDb–PNA–GPA技术路径建立模型可以估算小麦籽粒生长过程中蛋白质积累动态, 预测精度和相对误差分别为0.954和13.1%。

因此, 利用关键特征光谱参数可以实时监测小麦籽粒生长进程中蛋白质积累状况。

关键词: 小麦; 光谱信息; 籽粒蛋白质; 积累动态; 监测模型Monitoring Grain Protein Accumulation Dynamics with Canopy Reflectance Spectra in WheatFENG Wei1,2, ZHU Yan1, CAO Wei-Xing1,*, ZHU Yun-Ji2, and GUO Tian-Cai21 Nanjing Agricultural University / Hi-Tech Key Laboratory of Information Agriculture of Jiangsu Province, Nanjing 210095, China;2 Henan Agricul-tural University / National Engineering Research Centre for Wheat, Zhengzhou 450002, ChinaAbstract: Grain protein is an important index indicating wheat quality status, and nondestructive and quick assessments of grain protein accumulation dynamics is necessary for cultural regulation and quality classification in wheat (Triticum aestivum L.) pro-duction. The objectives of this study were to determine the relationships between plant nitrogen nutrition status, grain protein ac-cumulation, and canopy reflectance spectra in winter wheat, therefore, to derive regression equations for monitoring grain protein accumulation with canopy hyper-spectral remote sensing. Three types of cultivars, i.e., high protein content (Xuzhou 26 and Yu-mai 34), medium protein content (Yangmai 10, Yangmai 12, and Huaimai 20), and low protein content (Ningmai 9) were used in three field experiments under different nitrogen levels in the growing seasons of 2003–2006. Time-course measurements were taken on canopy hyperspectral reflectance, plant weight, nitrogen content and grain protein accumulation (GPA) during the ex-perimental periods. The results showed that the cumulative value of canopy nitrogen nutrition index (CNNI) from anthesis to spe-cific day were highly correlated with grain protein accumulation at corresponding day across grain filling with the best predictorof plant N accumulation (PNA). According to the regression analyses between vegetation indices and canopy nitrogen nutrition index, several key spectral parameters could accurately estimate the changes in plant N status across different growth stages, ni-trogen levels, and growing seasons with the same spectral parameters for each wheat cultivar. According to the technical route of key spectral parameters−canopy N nutrition index−grain protein accumulation, estimating models on grain protein accumulation were constructed on the basis of canopy hyper-spectral parameters by linking the above two models with canopy N nutrition indexas intersection in wheat. Tests with other independent dataset showed that the key spectral index SDr/SDb on the basis of the technical route of SDr/SDb−PNA−GNA could be used to predict grain protein accumulation from 7d after anthesis to maturity,本研究由国家自然科学基金项目(30671215, 30871448)和国家“十一五”科技支撑计划重大项目(2008BADA4B02, 2006BAD02A07)资助。