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
基于近地高光谱信息的小麦条锈病病情指数反演
吸 收 峰 左 端 面积 、 对称度等吸收特征参数 ， 计 算 光谱 敏 感度 值 ， 以病 害 区光 谱 吸 收 特 征 参 数 和 光 谱 敏 感度 两 个
指 标 定量 分析 了 小 麦病 害 随 生 育期 推 进 的 变 化 程 度 ， 并 且 以 不 同 生 育 期 的 光 谱 敏 感 度 值 和 全 生 育 期 吸 收 特
Ｉ ｎｖ ｅ ｒ ｓ ｉ ｏ ｎ ｏ ｆ Ｗｈ ｅ ａ ｔ Ｓ ｔ ｒ ｉ ｐ ｅ Ｒｕ ｓ ｔ Ｄｉ ｓ ｅ ａ ｓ ｅ Ｉ ｎ ｄｅ ｘ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｎｅ ａ ｒ Ｇｒ ｏ ｕ ｎ ｄ Ｈｙ ｐ ｅ ｒ ｓ ｐｅ ｃ ｔ ｒ ａ ｌ Ｄａ ｔ ａ
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｔｈｅ ｃ ａ ｎｏ ｐｙ ｓ ｐｅ ｃ ｔ ｒ ａ ｌ ｒ ｅ ｆ ｌ ｅ ｃ ｔ ａ ｎｃ ｅ ｏ ｆ ｗｈｅ ａ ｔ ｉ ｎｆ ｅ ｃ ｔ ｅ ｄ ｓ ｔ ｒ ｉ ｐｅ ｒ ｕ ｓ ｔ ｗａ ｓ ｍｅ ａ ｓ ｕ ｒ ｅ ｄ ａ ｎｄ ｔ ｈｅ ｄ ｉ ｓ ｅ ａ ｓ ｅ
摘 要 ：为探 究 小 麦 条锈 病 病 情 状 况 与 冠 层 光 谱 的 关 系 ， 通过 田间人 工接种条锈 病 菌， 在 不 同 生 育 期 测
定各 个种 植 小 区的 冠层 光谱 、 病情指数 ， 对测 定 的 光谱 进 行 了连 续 统 去 除 ， 提取光谱吸收深度 、 吸 收峰 总 面 积 、
Ｄ Ｏ ＮＧ Ｊ ｉ ｎ ｈ ｕ ｉ ’ ， ＹＡ ＮＧ Ｘｉ ａ ｏ ｄ ｏ ｎ ｇ ￣ ， Ｙ Ａ Ｎ Ｇ Ｇ ｕ ｉ ｊ ｕ ｎ ， ＷＡ Ｎ Ｇ Ｂ ａ ｏ ｓ ｈ ａ ｎ
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｓ ｕ ｒ ｖ ｅ ｙ ａ ｎ ｄ Ｌ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ，Ｈ ｅ ｎａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎｉ ｃ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｊ ｉ ａ ｏ ｚ ｕ ｏ， Ｈｅ ｎ ａ ｎ ４ ５ ４ ０ ０ ０，Ｃｈ ｉ ｎａ ；
基于近红外光谱技术的小麦条锈病和叶锈病的早期诊断
基 于近 红 外光 谱 技 术 的小 麦 条锈 病 和 叶锈 病 的 早期 诊 断
李小 龙 ， 马 占鸿 ， 赵龙莲 ， 李军会 ， 王海光卜
１ ．中国农业大学农学与生物技术学院 ， 北京 ２ ．中国农业大学信息与电气工程学院 ， 北京 １ ０ ０ １ ９ ３ １ ０ ０ ０ ８ ３
害进行分析 ，尚无对处于潜育期及发病期的条锈病 和叶锈病 两种病害 同时做 出早期诊断 的研 究 。 并 且 ，高光谱遥感所 用
仪器一般较贵 ，很难推广应用 。 利用 分子生物 学技术 可以实
现小麦条锈病 的早期 诊 断ｌ ＿ ４ ］ ，结果 较为 准确 ，但 所用仪 器
便携性差 ，检测条件要求高 ， 并且检 测过程需 要专业技术 人
摘
要
为实现小麦条锈病 和叶锈病的早期诊断 ， 利用 近红外光谱技术结合定性偏最小二乘 法（ Ｄ Ｐ Ｌ Ｓ ） 建立
了一种鉴别这两种病 害的方 法。试验将 １ ５ ０ 片小麦 叶片 （ 健康 叶片 、条锈病潜 育叶片 、条锈病 发病 叶片 、叶
锈病潜育 叶片 、叶锈病发病叶片各 ３ Ｏ片） 分为 ５ 类 ，扫描获得近红外光谱 ， 建立小麦 叶片 Ｄ Ｐ Ｌ Ｓ近红外光谱
第３ ３ 卷， 第１ Ｏ 期 ２ ０ １ ３年 １ ０月
光
谱
学
与
光
谱
分
析
Ｖ ｏ １ ． ３ ３ ， Ｎ ｏ ． １ ０ ， ｐ ｐ ２ ６ ６ １ — ２ ６ ６ ５
Ｏｃ ｔ ｏ ｂ ｅ ｒ ，２ ０ １ ３
Ｓ ｐ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ ａ ｎ ｄ Ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ
文 献标 识 码 ： Ａ Ｄ Ｏ Ｉ ：１ ０ ． ３ ９ ６ ４ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ０ ５ ９ ３ （ ２ ０ １ ３ ） １ ０ — ２ ６ ６ １ — ０ ５
小麦条锈病光谱遥感检测与分类算法研究
小麦条锈病光谱遥感检测与分类算法研究引言小麦是世界上最重要的粮食作物之一，然而，小麦条锈病是一种常见的病害，能够严重影响小麦的产量和品质。
因此，准确、快速地检测和分类小麦条锈病对于农业生产具有重要意义。
近年来，光谱遥感技术的发展为小麦条锈病的检测和分类提供了新的机会。
本文将探讨小麦条锈病光谱遥感检测与分类算法的研究现状和发展趋势。
一、小麦条锈病光谱特征分析为了能够准确检测和分类小麦条锈病，我们需要先了解小麦条锈病在不同光谱波段下的特征。
光谱遥感技术可以获取不同波段下物体的反射率数据，进而分析其光谱特征。
研究表明，小麦条锈病在可见光和近红外光谱区域呈现出明显的特征差异。
例如，在可见光谱区域，感染小麦条锈病的叶片会出现红斑和黄斑，而在近红外光谱区域，感染小麦条锈病的叶片会呈现出较高的反射率。
因此，光谱遥感可以通过提取不同波段下的特征，实现小麦条锈病的检测和分类。
二、光谱遥感图像获取与预处理光谱遥感图像获取是小麦条锈病光谱遥感检测与分类算法的第一步。
通过卫星、无人机等遥感平台获取小麦农田的光谱遥感图像，能够全面地反映农田的生长状况和植被信息。
在获取到光谱遥感图像后，我们需要进行预处理，包括大气校正、辐射校正和几何校正等。
这些预处理步骤能够消除光谱图像中的噪声和光照变化，提高小麦条锈病检测与分类算法的准确性。
三、小麦条锈病光谱遥感检测算法研究小麦条锈病光谱遥感检测算法旨在利用光谱特征检测感染小麦条锈病的叶片。
常用的检测算法包括阈值法、比值法、比例法和指数法等。
阈值法基于阈值来确定感染程度，比值法基于不同波段之间的比值，比例法基于不同光谱波段的比例，而指数法基于光谱反射率的变换指数。
这些算法能够有效地提取小麦条锈病的光谱特征，并进行目标检测。
四、小麦条锈病光谱遥感分类算法研究小麦条锈病光谱遥感分类算法旨在将感染小麦条锈病的区域与正常区域进行分类。
常用的分类算法包括支持向量机（SVM）、随机森林（RF）、人工神经网络（ANN）和卷积神经网络（CNN）等。
小麦锈病及白粉病的发生与防治
小麦锈病及白粉病的发生与防治郭利红【摘要】@@ 1 小麦锈病rn小麦锈病又叫黄疸,有条锈病、秆锈病和叶锈病3种.小麦发生锈病后,体内养分被吸收,叶绿素被破坏,大量孢子堆突破麦叶、麦秆表皮,严重影响小麦产量和品质.小麦感染锈病后,初期在麦叶或麦秆的表面上出现褪绿的斑点,以后长出黄色或红褐色粉孢,粉孢破裂散出似铁锈的粉末.后期又长出黑色的孢斑或粉孢,即病菌冬孢子堆.【期刊名称】现代农村科技【年(卷),期】2011(000)010【总页数】21 小麦锈病小麦锈病又叫黄疸，有条锈病、秆锈病和叶锈病3种。
小麦发生锈病后，体内养分被吸收，叶绿素被破坏，大量孢子堆突破麦叶、麦秆表皮，严重影响小麦产量和品质。
小麦感染锈病后，初期在麦叶或麦秆的表面上出现褪绿的斑点，以后长出黄色或红褐色粉孢，粉孢破裂散出似铁锈的粉末。
后期又长出黑色的孢斑或粉孢，即病菌冬孢子堆。
1.1 危害症状。
有3种症状表现。
1.1.1 条锈病。
主要为害叶片，在叶鞘、秆及穗上亦能发生。
最初形成褪绿的条斑，接着在斑内逐渐形成夏孢子堆。
夏孢子堆鲜黄色、卵圆形，比秆锈和叶锈的都小，在叶片上循叶脉纵向排列成线条状，极为整齐，这是此病最典型的症状。
后期表皮轻微破裂，散出鲜黄色粉末，即夏孢子。
小麦即将成熟时，在夏孢子堆的内部或边缘形成暗黑色较扁平而突起斑点，排列成行，此斑点不易破裂。
1.1.2 叶锈病。
主要发生在叶片的正面，也能侵染叶鞘。
夏孢子堆初期呈桔红色，后期呈黄褐色，圆形或椭圆形，不规则散生在叶片中部或尖端，较秆锈病的小而比条锈病的大，表皮破裂不显著。
破裂后散出桔红色的夏孢子。
小麦成熟时，在原来产生夏孢子堆的地方又产生冬孢子堆。
1.1.3 秆锈病。
主要发生在茎秆和叶鞘上，叶片上较少，严重时，也能在穗上发生。
最初在表皮下产生棕红色、长椭圆形或圆形有脓疱状小斑点，略隆起，即夏孢子堆。
夏孢子堆不规则散生，发病严重时愈合成较大的长条形孢子堆，后变为锈褐色，表皮破裂，并向外翻起如唇状，散出大量锈褐色粉末，即夏孢子。
两个小麦品种抗叶锈病和白粉病QTL研究
两个小麦品种抗叶锈病和白粉病QTL研究普通小麦(Triticum aestivum L., AABBDD)在粮食安全问题中占有重要地位,小麦叶锈菌(Puccinia Triticina Eriks.)和白粉菌(Blumeria graminis DC. f. sp. tritici)所致病害是限制小麦高产稳产的重要因素。
利用抗病品种控制病害可以减少杀菌剂的使用、降低生产成本、减轻环境污染。
小麦的主效抗病基因很容易被病原菌新的毒性小种克服而失去抗病作用,致使抗病基因不能满足需求,国内外正在加强研究数量抗病资源及微效抗病基因或数量性状位点(quantitative trait locus, QTL),有些QTL所控制的抗病性具有持久性、能持续稳定地控制病害。
中国农业大学植物病理系抗病遗传实验室(简称为“本实验室”)之前的研究发现,小麦品种Luke和AQ24788-83(AQ)对叶锈病、及AQ对白粉病具有一定程度的数量抗性,构建了LukexAQ的1589个重组自交系(recombinant inbred line, RIL)和LukexAuileja (AL)的149个RIL。
本文作者与本实验室其他人员合作完成了如下主要工作：(1)在11种环境中(北京、甘肃、山东田间,及北京、内蒙温室,2009至2014年期间小麦多个不同生长季)测定了这些RIL的病情表现型；(2)从LukexAQ群体中抽取307个RIL,构建了含有605个SSR/EST标记位点和207个DArT标记位点的21对染色体的连锁图,及LukexAL的1A染色体连锁图；(3)基于染色体连锁图和病情表现型数据,从LukexAL的Luke中发现1个抗叶锈病主效QTL (QLr.cau-1AS)及与其紧密连锁的DNA标记gpw2246,是之前国际上未报道的新的抗叶锈病QTL,用Luke×AQ群体对该QTL其标记进行了验证；(4)从LukexAQ中发现了另外5个抗叶锈病QTL(包括Lr34),其中Lr.cau-4AL、QLr.cau-5AS、及QLr.cau-6DS是之前国际上未报道的新的抗叶锈病QTL,这些QTL在上述不同试验环境中均稳定地表现抗病作用；(5)试验证明QLr.cau-1AS的作用程度与Lr34接近,基于gpw2246对QLr.cau-1AS的选择与基于csffr5(国际上克隆的Lr34基因的专一性诊断标记)对Lr34的选择同样有效；(6)基于DNA标记选择(MBS),从Luke×AQ群体中选择到了含有上述6个抗叶锈病QTL的重组自交系,它们显著地提高了抗病程度,认为与QTL距离小于3cM的DNA标记可以用来有效地进行MBS；(7)从LukexAQ中发现了7个抗白粉病QTL及相应的DNA标记,这些标记与它们所代表的QTL之间的遗传距离均小于3cM,基于MBS,从LukexAQ群体中选择到了含有这7个抗白粉病QTL的重组自交系,它们显著地提高了抗病程度。
基于高光谱遥感技术的不同小麦品种条锈病病情指数的反演解读
第２９卷，第１２期２００９年ｌ２月光谱学与光谱分析ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＶ０１．２９，Ｎｏ．１２，ｐｐ３３５３—３３５７Ｄｅｃｅｍｂｅｒ，２００９基于高光谱遥感技术的不同小麦品种条锈病病情指数的反演郭洁滨，黄冲，王海光，孙振宇，马占鸿。
中国农业大学植物病理学系，农业部植物病理学重点开放实验室，北京１０００９４摘要应用混合品种控制小麦条锈病在国内外日益受到重视，通过采集田问不同品种混合小麦条锈病各级病情梯度的高光谱遥感数据，将光谱数据与条锈病病情数据进行相关性分析，利用４个光谱参数构建其与病情指数的同归模型。
结果表明，不同小麦品种组合在不同的病情指数情况下，其冠层光谱信息都表现ｒ一致的变化规律；冠层反射率在可见光区与病情指数为正相关，而在近红外区则达到了显著的负相关；利用６９０与８５０ｎｍ处的反射率、ＳＤｒ、ＮＤＶＩ以及ＲＶＩ与病情指数构建的回归模型拟合效果较好。
研究表明利用高光谱反演条锈病病情指数是可行的，并且小麦不Ｉ司品种对反演效果影响不大。
关键词高光谱；小麦条锈病；病情指数；反演模型中图分类号：０６５７．３，Ｓ１２７文献标识码：ＡＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００—０５９３（２００９）１２—３３５３－０５感监测机理。
安虎等［４１采用美国ＬＩ－Ｃｏｒｌ８００－１２外置积分球引言由条形柄锈菌（Ｐｕｃｃｉｎｉａｓｔｒｉｉｆｏｒｍｉｓｆ．ｓｐ．ｔｒｉｔｉｃｉ）引起的与ＡＳＤＦｉｅｌｄＳｐｅｃＰｒｏＦＲ２５００（３５０～２５００ｒｉｍ）型光谱仪耦合对冬小麦条锈病胁迫下不同严重度的单叶进行光谱测定，研究结果表明，随着病害严重度的增加，反射率随之增强，并选择相关性最高的波段（６７０～６９０ｒｉｍ）建立ｒ小麦条锈病严重度和光谱反射率之间的回归模型。
蒋金豹等［５］将小麦条锈病冠层光谱数据进行一阶微分处理，结合小麦病情指数分析表明病情指数与一阶微分在４３２～５８２，６３７～７０１和７１５～７６５小麦条锈病足我国小麦生产上为害范嗣最广、引起损失最大的病害之一，在我困曾多次流行成灾，并造成ｒ重大损失Ｌ１］。
结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究
结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究艾效夷;宋伟东;张竞成;王保通;杨贵军;黄文江【期刊名称】《植物保护》【年(卷),期】2016(042)002【摘要】通过开展小麦条锈病接种试验，在多个关键生育期获取被动式的冠层光谱和主动式的叶片生理观测并开展病情调查。
在此基础上，结合优选的光谱特征和生理特征采用偏最小二乘回归方法（PLSR）构建病情严重度反演模型，得到不同生育期精度表现最优的特征组合。
结果显示，基于光谱观测的优选光谱特征和基于叶片生理观测的Flav（类黄酮相对含量）、Chl（叶绿素含量）的不同组合在小麦挑旗期、灌浆早期和灌浆期分别具有较佳表现，模型精度达到r2＝0．90，RMSE ＝0．026。
相比单纯采用光谱特征，综合冠层光谱和叶片生理观测能够使模型精度提高21％，表明两种数据的结合有利于提高病情严重度估测精度。
上述研究可为小麦病害监测仪器的开发提供新的模式和思路。
%This study attempted to combine measurements from both passive and active sensors to form a retrieving model of wheat stripe rust severity.In a disease inoculation experiment,besides the survey of disease severity, measurements of both the passive canopy spectra and active foliar fluorescence were carried out at two key grow-ing stages.Prior to model development,a feature selection protocol is implemented to identify optimal features serving as model input variables.Based on different combinations of the selected features,the retrieving models of disease severity were developed and compared using the partial least squares regression (PLSR)method,todeter-mine the best feature combinations at different growing stages.The results based on the optimal spectral features and leaf physiological observations on Flav (flavonoids),Chl (chlorophyll)of different combinations at wheat flag,early filling and grain filling stages had a better performance,with a precision of r 2 =0.90,and RMSE=pared to spectral characteristics alone,comprehensive canopy spectra and leaf physiological observa-tions improved model accuracy by 21%,showing that the combination of the two kinds of data could improve the disease severity estimation precision.The study can provide a new pattern and idea for the development of wheat disease monitoring instrument.【总页数】10页(P38-46,61)【作者】艾效夷;宋伟东;张竞成;王保通;杨贵军;黄文江【作者单位】辽宁工程技术大学测绘与地理科学学院，阜新 123000; 国家农业信息化工程技术研究中心，北京 100097;辽宁工程技术大学测绘与地理科学学院，阜新 123000;国家农业信息化工程技术研究中心，北京 100097;旱区作物逆境生物学国家重点实验室，西北农林科技大学，杨凌 712100;国家农业信息化工程技术研究中心，北京 100097;中国科学院遥感与数字地球研究所，数字地球重点实验室，北京 100094【正文语种】中文【中图分类】S431【相关文献】1.基于冠层光谱数据和作物生长模型结合的冬小麦变量施肥优化算法研究 [J], 蒋阿宁;管建慧;高聚林2.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 [J], 袁琳;张竞成;赵晋陵;黄文江;王纪华3.春小麦抗条锈病新品系的生物学特性及其生理生化研究 [J], 倪建福;欧巧明;令利军;王亚馥;邢更妹;李杉;崔凯;武光禄4.RAPD技术和聚类分析在小麦条锈病菌生理小种研究中的应用 [J], 朴春根;唐文华;曾士迈;孟安明;冯继东5.基于高光谱遥感的小麦叶片含氮量监测模型研究 [J], 冯伟;姚霞;朱艳;田永超;曹卫星因版权原因，仅展示原文概要，查看原文内容请购买。
小麦种植中后期有效提升病虫害防治技术研究探讨
长期以来，由于小麦种植模式相对单一，农民关于种植农药等相关方面的知识更新速度较为缓慢，再加上大田栽培管理不科学，使得农药的更新进程较为缓慢，多种病虫害对常规药物的抗旱性不断增强，在这种情况下如果一直沿用传统的病虫害防治手段，会导致防治效果逐年下降，甚至会影响到小麦的产量和品质。
为切实提升小麦的单位面积产量需要种植户将关注重点放置在病虫害流行特点和科学防治方面，注重做好小麦病虫害的针对性调整，确保早发现早处理，将小麦病虫害的发生流行率降到最低程度，避免造成严重危害。
本次研究探讨了小麦中后期病虫害的防治技术要点，希望通过研究对广大同行有所帮助。
小麦是我国的重要粮食作物之一，但在生长过程中容易受到多种病虫害的威胁。
例如，小麦赤霉病、白粉病、锈病等病害，以及若虫、蚜虫、蓟马等虫害，都会对小麦产量和质量造成严重影响。
为了控制病虫害，农民还需要大量投入农药和劳动力，增加了生产成本。
病虫害的防治不仅关乎农民的经济利益，也与食品安全和环境保护息息相关。
农药的过度使用可能导致残留物在农产品中积累，对人体健康构成潜在威胁；同时大量农药使用也会对土壤、水源和生态环境造成污染。
随着科技的不断发展，病虫害防治技术也在不断提升。
例如，基于现代农业技术的精准施药、病虫害监测与预警、新型化学防治和生物防治方法等，为小麦种植中后期的病虫害防治提供了更有效、环保和可持续的解决方案。
一、小麦中后期常见病虫害的发生流行特点1、小麦条锈病小麦条锈病的病原菌是条锈菌，是一种气流传播的真菌。
条锈菌主要以冬孢子越冬，冬孢子可以在小麦田周围的杂草或自生麦苗上越冬。
随着气温的升高，冬孢子萌发成夏孢子，夏孢子通过气流传播到小麦田，对小麦进行初次侵染。
夏孢子在叶片上形成病斑，病斑上产生夏孢子，再次通过气流传播，对小麦进行再次侵染。
小麦条锈病的发生与气温、湿度、品种等因素密切相关。
气温在15℃～20℃、相对湿度在80%以上的条件下，小麦条锈病容易发生。
近红外光谱技术的小麦条锈病严重度分级识别
近红外光谱技术的小麦条锈病严重度分级识别近红外光谱技术是一种非常有效的分析技术，可在不破坏样品的情况下提取大量化学信息。
在植物病害诊断方面，近红外光谱技术已被广泛应用。
针对小麦条锈病的严重度分级识别，近红外光谱技术也是一种非常有前景的方法。
小麦条锈病是小麦的一种常见病害，它能够极大地降低小麦的产量和品质。
当前，小麦条锈病的检测主要依靠肉眼观察和显微镜检测，但这些方法需要经验丰富的专业技术人员来进行诊断，且需要较长的时间。
因此，我们需要一种更加快速、精确的检测方法，来识别小麦条锈病的严重度。
近红外光谱技术可以非常方便地应用于小麦条锈病的检测中。
这种技术利用光谱学原理，通过分析样品中分子振动能级的吸收情况，来确定样品的化学成分和结构信息。
近红外光谱技术的优点是：非常适合用于非常多的样品类型，且可针对特定问题进行定制分析。
在小麦条锈病的检测方面，近红外光谱技术可以非常准确地分析小麦叶片组织中的蛋白质、碳水化合物、氨基酸和其他微量元素的含量，从而评价小麦条锈病的严重程度。
具体来说，针对小麦条锈病严重度分级识别，我们可以利用近红外光谱仪获取小麦叶片的反射光谱数据，并将这些数据与已知病理程度的小麦叶片反射光谱数据进行比较。
利用模式识别算法，可以将小麦叶片的反射光谱数据与不同严重程度的小麦条锈病相对应。
这种算法将近红外光谱图像的每个波长作为一个特征，将光谱图像转换为特征空间中的数据点，并在这个数据点集上进行分类。
在分析过程中，我们可以参考小麦条锈病的严重程度分类标准，将小麦叶片反射光谱数据划分为不同级别。
比如，可以将小麦叶片的反射光谱数据分为完全正常、轻度受损、中度受损和重度受损等级别。
利用这些数据，在模型训练过程中，我们可以建立分类模型，并进一步优化模型的性能。
总的来说，近红外光谱技术是一种快速、精确、非侵入性的检测方法，可以被广泛应用于小麦条锈病的严重度分级识别中。
对于疫情传播迅速的机构，这种方法是非常值得推广的。
127份甘肃农家小麦品种兼抗条锈病与白粉病鉴定与评价
127份甘肃农家小麦品种兼抗条锈病与白粉病鉴定与评价作者：李玲王万军曹世勤贾秋珍孙振宇黄瑾张勃来源：《植物保护》2024年第04期关键词农家小麦品种；条锈病；白粉病；抗病性评价；兼抗小麦条锈病由条形柄锈菌小麦专化型引起，小麦白粉病由布氏白粉菌小麦专化型引起，是严重影响甘肃陇南地区（包括陇南市、天水市及定西市和临夏州，泛指甘肃陇南条锈病越夏区）乃至全国小麦生产安全的两种气传性叶部病害，种植抗病品种是防治病害最经济有效且有利于保护环境的措施。
由于病菌具有高度變异性，抗病品种在甘肃一般种植3～5年便会“丧失”抗病性而失去利用价值。
自2010年以来，随着条锈菌CYR34及新菌系ZS在甘肃陇南条锈菌越夏区的先后出现，含有‘贵农21’‘贵农22’‘yr10’和‘中四’血缘品种抗病性相继丧失。
小麦白粉菌群体中含有vPm8的毒性频率一直保持在95%以上，且甘肃省内品种（系）中多含有抗病基因Pm8，导致小麦白粉病在甘肃陇南常年发生流行。
从目前甘肃陇南小麦品种（系）抗病性看，成株期兼抗条锈病和白粉病材料相对较少。
不断挖掘和利用兼抗小麦条锈病和白粉病的优良材料，是持续控制甘肃陇南地区小麦条锈病和白粉病的前提和基础。
目前，甘肃陇南地区小麦抗病育种面临着小麦条锈菌和白粉菌群体毒性变异速度快、可利用的抗性基因（品种）资源有限、抗病品种需要随着毒性菌系的不断变化而不断更替的问题。
两病害在该区域的混合发生，更是加剧了品种（基因）更替的步伐。
小麦农家品种是经过漫长的自然选择和人为干预后保存下来的宝贵遗传资源材料，具备了对当地自然生态条件较强的适应性和与之相对应的生产潜力。
研究发现其含有丰富的优异基因资源。
近年来，国内相关学者开展了7000余份小麦农家品种抗病性研究，先后筛选出诸多优异抗条锈病和白粉病材料，并进行了抗病基因的标记与利用，但生产上仍缺乏兼抗两种病害的优良品种。
本研究对127份成株期抗条锈病性较好的甘肃农家小麦材料，于2021年和2022年进一步进行了苗期、成株期抗条锈病和白粉病性评价，同时在苗期对抗白粉病基因Pm2、Pm4a、Pm8、Pm21进行了分子检测，旨在靶向筛选出双抗优异材料，为甘肃陇南地区抗病育种提供技术支撑。
小麦条锈病和白粉病成株抗性研究进展与展望
小麦条锈病和白粉病成株抗性研究进展与展望一、概述小麦条锈病和白粉病作为全球范围内广泛发生的两种真菌病害，长期以来对小麦生产构成了严重威胁。
这两种病害不仅导致小麦叶片和茎秆受损，影响光合作用和养分传输，更严重者会直接导致小麦减产和品质下降，给全球粮食安全和农业生产带来了巨大挑战。
对于小麦条锈病和白粉病的防治研究，尤其是成株抗性研究，一直是全球农业科研领域的热点和难点。
成株抗性是小麦抗病育种的重要方向，通过挖掘和利用小麦自身的抗性基因，培育出对条锈病和白粉病具有持久抗性的小麦品种，是实现小麦安全生产和可持续发展的重要途径。
在过去的几十年中，研究者们通过基因组学、蛋白质组学、细胞生物学等跨学科的研究手段，不断深入地揭示了小麦条锈病和白粉病的发病机理和抗性机制，取得了一系列重要的研究进展。
尽管取得了一定的进展，但小麦条锈病和白粉病的成株抗性研究仍面临着诸多挑战和问题。
现有的抗性基因在实际应用中仍存在抗性不稳定、持久性不强等问题；新的优势生理小种的不断出现，也对现有品种的抗病性提出了更高的挑战。
未来的研究需要进一步加强抗性基因的作用机制研究，提高抗性品种的选育效率，同时加强环境因素对抗性影响的研究，以更好地应对这些挑战。
小麦条锈病和白粉病成株抗性研究是一个充满挑战和机遇的领域。
随着科学技术的不断进步和研究方法的不断创新，相信未来我们一定能够取得更多的突破和进展，为小麦的安全生产和可持续发展提供有力的科技支撑。
1. 小麦条锈病和白粉病的概述小麦条锈病和白粉病是两种严重影响小麦生产的真菌病害，对全球小麦种植区域构成严重威胁。
这两种病害不仅会导致小麦产量的大幅下降，还会影响其品质，给农业生产带来巨大损失。
小麦条锈病，又称黄疸病，是由条形柄锈菌（）引起的一种病害。
该病害自小麦出苗至成熟都有可能发生，主要危害叶片，其次是叶鞘、茎秆，严重时甚至侵染穗部、颖壳和芒等组织。
条锈病的典型症状是在叶片上形成鲜黄色的夏孢子堆，发病后期叶片表皮破裂，出现锈色粉状物，最终叶片干枯死亡。
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
包括 ６ ６ ５ ￣６ ８ ４ ， ７ １ ８ ￣７ ２ ６ ｎ ｌ Ｔ ｌ 等 ６个波段范围 ，以及 Ｄ Ｅ Ｐ ｓ ｓ ｏ ，Ｓ Ｉ ＷＳ Ｉ 等１ １ 个光谱 特征 。基于这 些波段 和
特征 ，采用 Ｆ Ｌ Ｄ Ａ构建病害判别模型 ； 借助 Ｐ Ｌ Ｓ Ｒ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 ８ Ｏ 以上 ，准确度较 高。其 中 ， 染病 比率超过 ２ Ｏ 的病 叶区分 和识别精度可达 ９ ５ 。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 ｌ ５ 。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 ３ １ ０ ０ ５ ８ ２ ．北京农 业信 息技术研究 中心 ， 北京 １ ０ ０ ０ ９ ７ ３ ．中国科学院对地观测与数字地球科学中心 ，北京 １ ０ ０ ０ ９ ４
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
小麦主要病虫害的症状危害及对应防治方法分析
B i n g c h o n g h a i f a n g z h i小麦是我国的主要粮食作物，小麦的病虫害影响到小麦的收成和小麦的质量，因此，在小麦的种植过程中，必须要做好病虫害的防治工作，降低病虫害对小麦的不良影响。
小麦种植过程中会遇到不同类型的病虫害，具体到每一种病虫害，其防治方法和具体的用药都不一样，在防治小麦的病虫害前，必须先识别和判断可能出现的病虫害类型，然后再选择防治的方式和具体的药物。
当麦田里存在多种病虫害时，药物选择需遵循保证防治效果的基础上，尽量减少用药种类和用药量的原则。
下文主要分析了小麦病虫害的主要防治技术、小麦主要病虫害的症状危害以及对应的防治方法。
一、小麦病虫害的主要防治方法和防治技术1、小麦病虫害的主要防治方法小麦病虫害的防治主要以防为主，治为辅。
小麦病虫害发生的类型跟小麦的生长阶段和周围环境有一定的关系，在制定防治方案时需考虑到小麦的生长阶段和环境。
小麦病虫害的主要防治方法有农业防治法和药物防治两种，农业防治可以采取轮作的耕种方式，在种植期间做好田间管理，包括水肥管理、除草管理等，达到减少病虫害的目的。
药剂防治包括选种时用药物拌种，定期用农药防治病害这两方面。
2、药物防治技术①药剂拌种防治技术在小麦播种前，用一些具有灭菌、灭虫效果的药剂和小麦的种子搅拌在一起，是小麦种植常见的病虫害防治方式之一，可以提升小麦种子的抵抗力和免疫力，降低小麦生长期间病虫害发生的概率。
小麦药剂拌种可以防治以下几种病害：第一，土传类型的病害，如纹枯病、全蚀病、根腐病、茎基腐等，这些病害在土壤中存活时间长，小麦种子开始萌芽，就会受到这些病菌的侵害。
第二，系统侵染类型的病害，如秆黑粉病、散黑穗病，这些病害也是在小麦种子萌芽期间侵入小麦，随着小麦的生长，逐渐侵染到整个系统。
第三，地下的虫害，如蛴螬、蝼蛄或是金针虫等，这些虫害会咬食小麦的根茎部，使小麦苗枯萎死亡。
拌种时需要根据主要病虫害的类型，选择适合的药剂。
三个小麦品种(系)抗条锈病和白粉病基因的遗传分析和分子作图
三个小麦品种（系）抗条锈病和白粉病基因的遗传分析和分子作图小麦条锈病和白粉病是影响小麦生产的两种重要病害。
种植抗病品种是控制病害最有效、经济和环保的措施。
然而由于单一抗病基因的大面积利用和病原菌毒性的不断变异会导致抗病基因被病原菌新的毒性小种所克服,从而造成品种抗病性“丧失”,引起新的病害大流行,对粮食生产造成严重威胁。
因此,不断从小麦品种（系）、外源材料和农家品种中挖掘并定位新的抗病基因,利用其培育新的抗病品种,对小麦条锈病和白粉病的可持续控制具有重要意义。
农家品种武都白茧在我国小麦条锈病常发易变区甘肃陇南种植50多年,至今对条锈病抗性依然很稳定;普通小麦-滨麦草衍生后代M8664-3对我国条锈菌多个流行小种具有全生育期抗性;小麦品种天选45对小麦白粉菌多个菌系具有苗期抗性。
为发掘和利用这些品种（系）的抗病基因,本研究对三个品种分别进行抗条锈性和白粉病遗传分析和分子作图,主要取得以下研究成果:1、利用小麦条锈菌流行优势小种CYR29、CYR30、CYR31、CYR32、CYR33、CYR34对农家品种武都白茧进行苗期鉴定,结果表明武都白茧在苗期除对CYR29表现中抗外,对其余小种均表现感病。
而在成株期多年多点鉴定中,该品种始终表现稳定抗性,表现为成株期抗病性。
对武都白茧与感病品种铭贤169杂交后代F<sub>3</sub>群体在4个环境（杨凌2015,2016;天水2015,2016）下的抗条锈性调查结果表明,武都白茧成株期抗性由多个QTL控制;用SNP和SSR标记结合表型数据通过两种QTL计算方法检测到两个表型变异解释较高的QTL:QYrwdbj.nwafu-5A与QYrwdbj.nwafu-2B.1。
其中QYrwdbj.nwafu-5A位于小麦染色体5AS的缺失系5AS1-0.40-0.75和5AS3-0.75-0.98相邻的区域,解释15.02%-40.26%的表型变异;QYrwdbj.nwafu-2B.1位于小麦染色体2BS的缺失系C-2BS1-0.53上,该位点解释9.54-10.40%的表型变异。
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。
中抗白粉病,中感叶锈病和条锈病
一、中抗白粉病的研究和应用1. 白粉病概述白粉病是一种常见的病害，能够侵害多种植物，造成叶面覆盖着白色粉末状的病斑，严重影响植物的生长和产量。
针对白粉病的防治，一直是农业科研工作者和农民关注的焦点。
2. 中抗白粉病的研究成果在近年来，我国农业科研部门在抗白粉病方面取得了显著成果。
通过对植物遗传育种的研究，培育出了一系列中抗白粉病的作物品种，这些品种不仅对白粉病有较高的抗性，而且保持了较高的产量和品质。
3. 中抗白粉病品种的应用中抗白粉病品种的推广应用，为农民提供了有效的防治白粉病的途径，不仅可以降低防治成本，减少对农药的依赖，而且能够保证农产品的质量和安全。
中抗白粉病品种也为农业生产提供了保障，为我国农业可持续发展做出了贡献。
二、中感叶锈病的研究和防治1. 叶锈病的危害叶锈病是一种常见的植物病害，对小麦、大麦、玉米等作物的危害较大。
病变初期在叶片上形成小而散在的斑点，随着病情加重，叶片上的斑点逐渐扩大并出现污渍，最终会导致植株的凋零和逝去。
2. 中感叶锈病的研究成果为了有效防治中感叶锈病，农业科研单位加大了对抗性品种的培育力度。
经过长期的研究和选育，已经研发出了一系列中感叶锈病的高产抗病品种，而且这些品种在不同的地区和环境下都表现出了较好的抗病性和产量稳定性。
3. 中感叶锈病的综合防控措施农业部门在防治中感叶锈病方面也制定了一系列的防控技术。
包括引进抗病品种、推广病害防治技术、加强病害监测预警、科学合理的施肥和灌溉管理等综合措施，从源头上减少叶锈病的发生和传播。
三、条锈病在我国的研究与防治1. 条锈病的病情条锈病是一种重要的小麦病害，会影响小麦的生长和产量。
植株叶片上会出现长条状的病斑，导致叶片变黄、凋零，进而影响小麦的灌浆和籽粒发育。
2. 小麦条锈病的研究进展我国农业科研单位对小麦条锈病进行了深入的研究，成功培育出多个抗病品种。
这些品种在不同地区的试验中都表现出了良好的抗病性和高产性，为防治小麦条锈病提供了新的希望。
离体叶段鉴定小麦白粉病,条锈病和叶锈病抗性方法的研究
离体叶段鉴定小麦白粉病,条锈病和叶锈病抗性方法的研究何文兰;宋玉立
【期刊名称】《河南农业科学》
【年(卷),期】1999(000)010
【摘要】用苯胼咪唑保绿的离体叶段对小麦白粉病，条锈病和叶锈病抗性的鉴定结果表明：小麦对白粉病的抗性，用５０ｍｇ／ｋｇ苯骈咪唑保绿的小麦离体叶段鉴定结果与田间成株期鉴定结果基本一致；而对小麦抗条锈病的抗性，叶锈病性的鉴定结果和田间成株期鉴定的结果有差异。
【总页数】3页(P20-22)
【作者】何文兰;宋玉立
【作者单位】河南省农业科学院植物保护研究所;河南省农业科学院植物保护研究所
【正文语种】中文
【中图分类】S435.121.4
【相关文献】
1.小麦白粉病离体叶段筛选方法初探 [J], 刁亚梅;粟寒;李捷;王红梅
2.小麦白粉病离体叶段筛选方法初探 [J], 刁亚梅;粟寒
3.一个新的小麦-中间偃麦草的部分双二倍体及其白粉病与条锈病的抗性鉴定研究[J], 杨园;聂林曼;付体华
4.不同品种（系）对小麦白粉病、叶锈病及叶枯病的抗性鉴定 [J], 韩宝坤;杨太新;
等
5.小麦白粉病离体叶段鉴定方法研究（简报） [J], 唐伯让;朱夕珍
因版权原因，仅展示原文概要，查看原文内容请购买。
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
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【期刊名称】《光谱学与光谱分析》【年(卷),期】2013(033)006【摘要】小麦条锈病和白粉病作为我国麦区两种重要病害,在田间常同时发生,为病害防治管理带来困难.基于实验测试获得白粉病、条锈病叶片光谱数据,探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性.通过相关分析和独立T检验,筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征,包括665～684,718～726nm等6个波段范围,以及DEP550-770,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80％以上,准确度较高.其中,染病比率超过20％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15％.上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础.%Yellow rust and powdery mildew are two important diseases of winter wheat in China.The coincidence of their occurrence in field poses a challenge in their management and prevention.In the present study,the leaf spectra of the two diseases were measured by a spectrometer.Based on these data,we assessed the feasibility of differentiating the two diseases and evaluating their severity degrees.The disease sensitive bands and spectral features were identified throughcorrelation analysis and independent t-test,including band regions at 665～684,718～726 nm etc.and spectral features of DEP550-770,SIWSI etc.Based on these bands and spectral features,the models for disease discrimination and severity retrieving were developed according to FLDA and PLSR analysis,respectively.The results showed that the selected bands and spectral features can differentiate the yellow rust and powdery mildew explicitly,which yielded an OAA of 80％.It is noted that the discrimination model performed especially well (OAA=95 ％) in classifying those diseased leaves with damage proportion over 20 ％.The retrieving model of disease severity that were constructed by spectral features achieved reasonable estimates,with the RMSE for both diseases less than 15％.The leaf level models for discriminating powdery mildew and yellow rust and estimating their disease severity serve as a basis for further study in diseases differentiation and detection at canopy level.【总页数】7页(P1608-1614)【作者】袁琳;张竞成;赵晋陵;黄文江;王纪华【作者单位】浙江大学农业遥感与信息技术应用研究所,浙江杭州 310058;北京农业信息技术研究中心,北京 100097;浙江大学农业遥感与信息技术应用研究所,浙江杭州 310058;北京农业信息技术研究中心,北京 100097;浙江大学农业遥感与信息技术应用研究所,浙江杭州 310058;中国科学院对地观测与数字地球科学中心,北京100094;浙江大学农业遥感与信息技术应用研究所,浙江杭州 310058;北京农业信息技术研究中心,北京 100097【正文语种】中文【中图分类】S512.1【相关文献】1.基于叶片光学属性的作物叶片水分含量反演模型研究 [J], 方美红;居为民2.基于高光谱遥感技术的不同小麦品种条锈病病情指数的反演 [J], 郭洁滨;黄冲;王海光;孙振宇;马占鸿3.基于光谱分析的莲雾叶片全氮含量模型的研究 [J], 刘永霞;吴斌;王安邦;王丽霞;何应对;鞠俊杰;王必尊;李川;;;;;;;;4.基于高光谱分析的玉米叶片氮含量分层诊断研究 [J], 张银杰; 王磊; 白由路; 杨俐苹; 卢艳丽; 张静静; 李格5.基于近地高光谱信息的小麦条锈病病情指数反演 [J], 董锦绘;杨小冬;杨贵军;王宝山因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地理位置 * . h ) . & " l '! ) ) " h " & ! l Q 品种 京G V * ! 发病模式 人工菌液喷洒接种
实验日期 灌 . ) -年 , 月 ) "日" 灌浆期# . ) )年 ,月 !日 " " 生育期# 浆期#
) $ # !单叶光谱测定和病情指数估计 S= 9 单叶光谱采用 ^ : 0 % 8 / 0 1 3 $^ S 光谱仪 " 9 / R? 7 1 &! ( ! ! 耦连叶片夹 " # 进行测 Y $ < % 8 0 3 @ $ % $ 3 6 8 $ ` / 9# 9 / R% 0 6 c 1 % : ( 定%光谱 测 量 的 波 长 范 围 为 ! , .!-, . .7 I!其 中 ! , .! ). . .7 I 光谱分辨率为 !7 I! ). . . -, . .7 I 光谱分辨率 ! 为) 测试时注意避开 .7 I%每叶片均匀测定) ,个不同位置 " 叶脉# !基本可覆盖整片叶片!取平均值后代表该片叶片的 辐亮度曲线% 参考板光谱每隔) 通过叶片 .片叶片测定一次! , $ ) 7 9 4 1 C C 3 1 T 3 5 1 2 > C 3 1 T 3 5 2 : 3 6 8 3 >F 8 0D 7 F > 3 9 !U . = 4 C > 3 F1 2 >= 3 C C 7 F9 < 5 8 7 :F 2 8 3 9F 0 3 1 8 辐亮度和参考板辐亮度的比值计算求得叶片反射率光谱曲 健康叶片线% . ) )年小麦条锈病试验共对G -片叶片" "片 ! 感病叶片 " 进行测试' " 片# . ) - 年小麦白粉病试验共对 * A 片叶片" 健康叶片) 进行测试% *片!感病样本! !片# ! 8 : 4 0 6 4 0 : 7 8 0 M !!叶片病情严重程度采用通用的病情指数 " # 进行量化!定义为病斑在叶片上的覆盖比率!通过目视 R ? * V 方式进行判读) %在完成叶片光谱测量后!首先对每片叶片 拍照!由一名判读人员 " 所有样本由同一人进行判读!以减 依据照片进行判读%为减小病斑比 小不同人员的测试误差 # 例的估计误差!以, W 为间隔进行分级判读!其中病斑比率 在, W以下的叶片由于实际难以与健康叶片区分!在此作健
# !国家自然科学基金项目" ! # 资助 . ) Y 9N G Y . + . ! . ) * ) A ) * ) * ) . ) * !基金项目国家科技支撑计划课题项目" 作者简介 袁 琳 ! 女 ! 年生 ! 北京农业信息技术研究中心博士研究生 & ) G V * 0 + I 6 : %5 % " " G . ) " & 1 $ I ! ! !! " & 0 + I 6 : % J 6 7 [ 0 3 1 : 2 6 E $ 3 E 1 7 K H K "通讯联系人!! "7
第! 第"期! !!!!!!!!!!!光 谱 学 与 光 谱 分 析 !卷 ! -.)! 年 " 月!!!!!!!!!!! !/ 0 1 2 3 $ 4 1 $ 7 8/ 0 1 2 3 6 %9 7 6 % 4 : 4 ( ( 56 ( 5
) " . V + ) " ) * # $ % & ! !! ' $ & "! ( ( ! ; < 7 0 . ) ! !
摘!要!小麦条锈病和白粉病作为我国麦区两种重要病害!在田间常同时发生!为病害防治管理带来困难% 基于实验测试获得白粉病(条锈病叶片光谱数据!探讨采用光谱分析对两种病害进行区分识别及严重度监 测的可行性%通过相关分析和独立 C 检验!筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征! 包括" ! " , " V * A ) V A "7 I 等"个波段范围!以及 R Q = / ? U / ?等 ) ) 个光谱特征%基于这些波段和 ! ! , , . + A A .! 特征!采用 ^ O R 9 构建病害判别模型'借助 = O / S 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 V . W 以上!准确度较高%其中! 染病比率超过. W的病叶区分和识别精度可达G , W%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 ) , W%上述叶片尺度小麦白粉 病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础% 关键词!高光谱'条锈病'白粉病'费氏线性判别分析'偏最小二乘回归分析 中图分类号 / , ) & ) 9!!!& ' ( ) . & ! G " * & : 4 4 7 & ) . . . + . , G ! . ) ! . " + ) " . V + . A !!文献标识码 H
* ) 地下水污染等诸多环境问题) %而遥感技术的空间连续的信
发现!目前关于病害光谱监测和诊断的研究大都针对特定的 病害类型!罕有研究对不同类型病害的光谱特征进行比较和 区分% 在实际的农田环境中!不同类型病害常同时发生%如小 和条锈病 " 麦白粉病 " ' C E I 4 < " 7. < 7 I " # " ?# 1 E & & " # " 7 ? @ < " " = < F H # 两种小麦中较为重要的病害均喜好高温高 &4 &2 3 : 2 : 1 : I " ?c ( 湿的环境!在我国华北麦区常同时发生%目前!已有一些学 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 现小麦条锈病与 , " .!" A .7 I 波段的反射率变化有密切关 * , 系!并据此构建了监测模型) ' _ [ 6 7 K 等在叶片尺度上对小 麦白粉病的光谱响应进行了详细分析!发现 , ) -!" ! * 以及 " G A . -7 I 两个波段对病斑具有较强的响应!并在此基础 ! 上!筛选了 X ! ' R # ? @ 9 S ?等多个光谱特征用于构建病情严
# 6 3 : 6 B % 0 R 0 3 : d 6 2 : d 0 2 3 6 7 4 c $ 3 I 0 84 0 1 2 3 6 % d 6 3 : 6 B % 0 4 ( R 0 c : 7 : 2 : $ 7 R 0 4 1 3 : 2 : $ 7 ( O : 2 0 3 6 2 < 3 0 4
! B 1 ? C 3 # H < 4 4 1 9 : : 9 5 8 > 3 9 T 1 8 T 3 5 3 6 8 9 1 C : 3 1 8 < 9 3 5 6 7 2 8 2 < 7 < 5 9 3 4 7 T 1 C 8 9 1 2 5 : 7 9 4 3 > 5 3 6 8 9 1 C : 3 1 8 < 9 3 5 1 2 > ! =7 D D T 3 3 8 1 8 7 2 2 > 3 S< 5 3 > : 7 9> 5 3 1 5 3> 3 8 3 6 8 7 27 : 7 F > 3 9 C > 3 F1 2 >= 3 C C 7 F9 < 5 8 1 8 C 3 1 : C 3 T 3 C . D =4
药剂!对两种病害开展进一步的光谱比较和区分分析是十分 必要的% 基于田间实验获取的小麦白粉病和条锈病的光谱数据! 在叶片尺度上开展小麦白粉病和条锈病两种病害的区分和严 重度反演研究%目的是&" # 分析小麦白粉病和条锈病叶片 ) 的光谱响应差异'" # 建立小麦白粉病和条锈病的光谱区分 特征及判别模型'" # 在病害区分的基础上!分别建立两种 ! 病害的病情严重度反演模型%
* * # 具有相关性) %通过文献调研 颖枯病" % < I 0B % : [ 28 : 4 0 6 4 0 K K
引!言
!!近年来全球气候变化引起农作物病虫害频繁发生!使全 球粮食安全面临严峻的挑战%目前作物病害的防控主要通过 施用杀菌剂%然而!多数情况下由于缺乏病害程度(位置的 准确信息!易造成杀菌剂的多施(漏施!不仅无法有效阻止 作物病害的传播和流行!而实验研究!试图弄清病 害光谱响应的波段和特征% R 0 % J : 1 [ 0和 ] : I 发现小麦赤霉病 " # 能够引起 , ! ! ! ! ! c < 4 6 3 : < I[ 0 6 8B % : [ 2 , . , " V " . , " ! " " . K )* ! " G A A ) ,和A ! !7 I 位置处的光谱响应 ! ' O : <等通过对水稻 稻穗的光谱分析发现* , . V , .7 I 波段的反射率变化与水稻 !
第"期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析
* A 异) %由于小麦白粉病和条锈病在防治上需施用不同的杀菌
) " . G
B 1 ? C 3 ) 1 5 6 2 : 7 9 4 1 8 7 27 : > 5 3 1 5 3 3 S 3 9 4 3 2 8 !@ D
项目 实验地 条锈病实验 北京市 昌 平 区 小 汤 山 国 家 精准农业示范研究基地 白粉病实验 北京市农林科学院 ! G h , " l '! ) ) " h ) " l Q 京双) " 自然发病