王利民，劉 佳，邵 杰，楊福剛，高建孟

基于高光譜的春玉米大斑病害遙感監(jiān)測(cè)指數(shù)選擇

王利民，劉 佳，邵 杰，楊福剛，高建孟

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081）

玉米大斑病是春玉米主要病害之一，采用地面光譜觀測(cè)的方式構(gòu)建遙感監(jiān)測(cè)指數(shù)，是實(shí)施區(qū)域遙感監(jiān)測(cè)的基礎(chǔ)，也是衛(wèi)星傳感器譜段設(shè)計(jì)的主要依據(jù)。該文在陜西省眉縣設(shè)計(jì)了人工控制小區(qū)試驗(yàn)，針對(duì)高抗、抗、感和高感4個(gè)品種，通過人工接種不同濃度大斑病分生孢子的方法，獲得了正常、輕微、中度以及嚴(yán)重等4個(gè)病害感染梯度小區(qū)，并在春玉米抽雄、吐絲、乳熟以及成熟4個(gè)生長(zhǎng)期進(jìn)行了地面高光譜觀測(cè)。為了實(shí)現(xiàn)對(duì)春玉米大斑病的遙感監(jiān)測(cè)，該項(xiàng)研究在春玉米冠層光譜數(shù)據(jù)基礎(chǔ)上，分析了不同種植區(qū)不同生長(zhǎng)期春玉米冠層光譜反射率和光譜一階微分特征，并以此確定了大斑病敏感波段位置以及病害適宜監(jiān)測(cè)期，同時(shí)根據(jù)敏感波段位置的光譜特征構(gòu)建了專門的春玉米大斑病的遙感監(jiān)測(cè)指數(shù)，最后結(jié)合180個(gè)光譜觀測(cè)樣本，對(duì)比了所提指數(shù)以及其他病害指數(shù)與病害嚴(yán)重度之間的相關(guān)性，并通過聚類分析了所建遙感指數(shù)的穩(wěn)定性。研究結(jié)果表明，乳熟期的春玉米大斑病在紅邊波譜內(nèi)的響應(yīng)較為敏感，尤其紅邊核心區(qū)（725～740 nm）的光譜一階微分與病害嚴(yán)重程度間存在明顯地單調(diào)變化關(guān)系，具有非常顯著的負(fù)相關(guān)性；同時(shí)，該文所提病害監(jiān)測(cè)指數(shù)與病情指數(shù)具有較高的相關(guān)性，其相關(guān)系數(shù)達(dá)到了0.995 0，最后結(jié)果表明利用紅邊一階微分指數(shù)的對(duì)病害程度的聚類總體精度達(dá)到100.0%，指數(shù)值分布穩(wěn)定性也更高，具有在遙感監(jiān)測(cè)業(yè)務(wù)中應(yīng)用的潛力。

遙感；病害；光譜分析；春玉米；大斑?。患t邊；光譜一階微分

0 引 言

農(nóng)作物病蟲害是引起農(nóng)作物減產(chǎn)和品質(zhì)下降的主導(dǎo)因素之一[1]。作為世界主要糧食品種，玉米病蟲害受到越來越多關(guān)注，其中玉米大斑病是較為普遍且危害嚴(yán)重的病害，主要危害玉米的葉片、葉鞘和苞葉。作物病害防治的基本方式，都是在抗病品種培育的基礎(chǔ)上進(jìn)行藥物防治，精準(zhǔn)獲取病害發(fā)生范圍與程度信息顯得尤為重要。由于精準(zhǔn)監(jiān)測(cè)技術(shù)的缺乏，生產(chǎn)中一般以無差異的區(qū)域性防治為主，不僅增加了成本，也增加了耕地中的藥物殘留，對(duì)生態(tài)環(huán)境及人體健康帶來危害。傳統(tǒng)病蟲害監(jiān)測(cè)主要依據(jù)地面人工觀測(cè)方式開展，不僅需要觀測(cè)者具備豐富的先驗(yàn)知識(shí)，而且工作量大、效率低，無法滿足大范圍準(zhǔn)確監(jiān)測(cè)的需求。隨著高光譜遙感技術(shù)的出現(xiàn)，利用遙感技術(shù)指導(dǎo)農(nóng)作物精準(zhǔn)生產(chǎn)成為可能，也是目前病害遙感監(jiān)測(cè)研究中比較活躍的領(lǐng)域。

植物在病害脅迫下，會(huì)在不同電磁波譜段上表現(xiàn)出不同程度的吸收和反射特性的改變，即病害的光譜響應(yīng)，通過形式化表達(dá)成為光譜特征后，一般作為植物病害光學(xué)遙感監(jiān)測(cè)的基本依據(jù)?？梢越普J(rèn)為作物病害光譜是一個(gè)由病害引起的植物色素、水分、形態(tài)和結(jié)構(gòu)等變化的函數(shù)，往往呈現(xiàn)多效性，并且與每一種病蟲害的特點(diǎn)有關(guān)。有研究人員從病害光譜特征分析、特征性光譜位置確定、指數(shù)構(gòu)建、嚴(yán)重度識(shí)別4個(gè)方面對(duì)作物病蟲害遙感監(jiān)測(cè)研究進(jìn)行了綜述[2]。在病害特征分析方面，研究重點(diǎn)集中在植物色素、細(xì)胞及冠層結(jié)構(gòu)變化與光譜變化的關(guān)系[3-4]，染病作物在綠光和近紅外波段處的光譜反射率會(huì)與正常情況下有較大差異，而這恰恰是進(jìn)行農(nóng)作物病蟲害監(jiān)測(cè)的重要理論依據(jù)[5-6]。在如何確定病害特征性光譜位置研究方面，基于高光譜遙感數(shù)據(jù)對(duì)農(nóng)作物病害敏感波段及相關(guān)監(jiān)測(cè)指數(shù)做了大量的研究[7-8]，重點(diǎn)主要集中在不同病害與不同波段間的關(guān)聯(lián)性上。如水稻稻穗在450～850 nm波段內(nèi)的光譜反射率對(duì)紋枯病較敏感；小麥條銹病與不同波段范圍內(nèi)的反射率變化有密切關(guān)系[9-12]；其他作物方面，不同作物的病蟲害光譜特征[13-17]也有相關(guān)的研究。這些研究都不同程度的表明，作物類型、染病種類和時(shí)期的不同，其光譜響應(yīng)位置也存在一定的差異。作物病害指數(shù)構(gòu)建與嚴(yán)重度識(shí)別是遙感監(jiān)測(cè)具體實(shí)施的前提，一般不直接使用光譜反射率，而是在光譜響應(yīng)特征位置確定后，會(huì)利用特征位置波段的組合、插值以及比值等常用代數(shù)形式，進(jìn)行植被指數(shù)的構(gòu)建，選擇合適的植被指數(shù)建立遙感信息和病害發(fā)生及病害程度之間的關(guān)系，能有效地提高病害的識(shí)別和程度區(qū)分精度。如在小麥條銹病監(jiān)測(cè)上，利用歸一化植被指數(shù)進(jìn)行病情信息的判別分析提取，準(zhǔn)確率超過95%[18]；還有利用光化學(xué)植被指數(shù)監(jiān)測(cè)小麥病害，在冠層和航空觀測(cè)尺度上達(dá)到了90%以上的估測(cè)精度[19]。由于植被指數(shù)能夠在不同程度上對(duì)作物的病害發(fā)生或程度敏感，是作物病害遙感識(shí)別和區(qū)分的重要輸入，常常被作為作物遙感監(jiān)測(cè)的重點(diǎn)問題進(jìn)行研究。

當(dāng)前作物病害遙感監(jiān)測(cè)研究主要集中于小麥和水稻等作物種類，對(duì)于春玉米大斑病的高光譜研究還未見報(bào)道。為了研究基于冠層光譜數(shù)據(jù)的春玉米大斑病遙感監(jiān)測(cè)，本文以春玉米冠層高光譜為數(shù)據(jù)源，分析不同時(shí)期、不同嚴(yán)重程度大斑病春玉米冠層光譜反射率及一階微分特征，確定大斑病的光譜響應(yīng)特征位置，構(gòu)建專門的春玉米病害監(jiān)測(cè)指數(shù)，以便能夠利用高光譜遙感技術(shù)為農(nóng)業(yè)防災(zāi)減災(zāi)和精準(zhǔn)農(nóng)業(yè)提供相應(yīng)的技術(shù)支持。

1 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)測(cè)量

試驗(yàn)地點(diǎn)在陜西省眉縣境內(nèi)的西北農(nóng)林科技大學(xué)眉縣試驗(yàn)站。眉縣位于關(guān)中平原中部，屬于渭河灌區(qū)，區(qū)內(nèi)農(nóng)作物種植條件優(yōu)越，是中國(guó)重要的糧食產(chǎn)區(qū)。冬小麥、夏玉米輪作是本區(qū)主要的種植形式，隨著近年來農(nóng)作物種植結(jié)構(gòu)的調(diào)整，春玉米種植比例不斷增加，一季春玉米的種植結(jié)構(gòu)也逐漸成本區(qū)主要種植形式。此外，該地區(qū)是玉米大斑病的常發(fā)區(qū)[20]，在本區(qū)開展玉米大斑病研究也具有現(xiàn)實(shí)的生產(chǎn)防治與監(jiān)測(cè)意義。

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)共設(shè)計(jì)了4個(gè)玉米種植小區(qū)作為試驗(yàn)組，分別為正常不發(fā)病區(qū)49 m×25 m、輕微發(fā)病區(qū)49 m×25 m、中度發(fā)病區(qū)49 m×18 m、嚴(yán)重發(fā)病區(qū)49 m×25 m（其中試驗(yàn)種植區(qū)面積的不同是由于試驗(yàn)條件所致）。由于玉米品種的抗病特性，單一品種玉米一般較少出現(xiàn)多個(gè)嚴(yán)重程度病害的情況，為此試驗(yàn)選取囤玉318、益農(nóng)8號(hào)、鄭單958和華農(nóng)138等4個(gè)高抗、抗、感和高感品種，通過挖窩穴播種的方式在4個(gè)小區(qū)分別種植，其中，種植密度為7～8株/m2，行距為0.67 m，株距0.2 m，為了防止種植區(qū)間病情的相互影響，每個(gè)種植小區(qū)間隔2 m。通過人工接種大斑病孢子的方式構(gòu)建不同大斑病感染梯度，試驗(yàn)在玉米13葉期，株高1 m左右時(shí)，采用噴霧接種法接種大斑病分生孢子懸浮液，孢子濃度為1×105～1×106個(gè)/mL，接種量為5~10 mL/株。由于在一定范圍內(nèi)，玉米大斑病的發(fā)病嚴(yán)重程度與接種的分生孢子量成正比，輕微發(fā)病區(qū)接種一次，中度發(fā)病區(qū)接種2次，嚴(yán)重發(fā)病區(qū)接種3次，待玉米葉部前次接種的水分蒸發(fā)后再進(jìn)行后次接種。2周后，誘發(fā)接種區(qū)域玉米開始出現(xiàn)大斑病，且與發(fā)病程度相對(duì)一致，能夠滿足研究觀測(cè)要求，其中，玉米大斑病鑒定依據(jù)《玉米抗病蟲性鑒定技術(shù)規(guī)范 第1部分：玉米抗大斑病鑒定技術(shù)規(guī)范》（NY/T 1248.1-2006）進(jìn)行[21]。同時(shí)設(shè)置了4個(gè)品種春玉米的對(duì)照組。對(duì)照組的大小均為20 m×8 m，種植品種及種植方式、水肥條件與試驗(yàn)組保持嚴(yán)格一致，同時(shí)不接種大斑病孢子。

2013年，在每個(gè)小區(qū)內(nèi)設(shè)置10個(gè)固定點(diǎn)進(jìn)行觀測(cè)，春玉米整個(gè)生育期內(nèi)共進(jìn)行了4次地面病害嚴(yán)重程度及同步光譜觀測(cè)，觀測(cè)時(shí)間分別為7月13日春玉米抽雄期、7月25日吐絲期、8月16日乳熟期、9月25日成熟期。

地面病害嚴(yán)重程度觀測(cè)參考《玉米大、小斑病和玉米螟防治技術(shù)規(guī)范 第1部分：玉米大斑病》（GB/T 2339.1-2009）[22]（以下簡(jiǎn)稱嚴(yán)重度觀測(cè)規(guī)范）進(jìn)行。

1.2 數(shù)據(jù)測(cè)量

采用ASD FieldSpec Pro FR（350～2 500 nm）型光譜儀進(jìn)行光譜觀測(cè)，觀測(cè)時(shí)將探頭置于玉米冠層中間正上方，垂直向下，通過架高方式，使得不同生長(zhǎng)期的觀測(cè)高度始終保持離冠層1.5 m，探頭視場(chǎng)角為25°，冠層視場(chǎng)范圍為50 cm直徑的圓形范圍，每個(gè)固定點(diǎn)重復(fù)觀測(cè)3次，取平均值作為觀測(cè)結(jié)果。每次進(jìn)行觀測(cè)點(diǎn)測(cè)量時(shí)，測(cè)量前后立即進(jìn)行參考板校正。

春玉米大斑病一般是在抽雄前期開始發(fā)病，到成熟期病害程度達(dá)到頂峰。本文采用了相對(duì)的數(shù)據(jù)處理方法，即4個(gè)小區(qū)分別規(guī)定為正常未發(fā)?。ㄒ韵潞?jiǎn)稱正常）、輕微發(fā)病（以下簡(jiǎn)稱輕微）、中度發(fā)?。ㄒ韵潞?jiǎn)稱中度）、嚴(yán)重發(fā)?。ㄒ韵潞?jiǎn)稱嚴(yán)重），4個(gè)小區(qū)在拔節(jié)與喇叭口期沒有病斑出現(xiàn)，但仍根據(jù)4個(gè)梯度比較其光譜特征。在乳熟期，除高抗的對(duì)照組外，其他的抗、感、高感品種分別在植株中下部出現(xiàn)5%、10%、20%以上病斑的葉片，其中抗品種對(duì)應(yīng)5%，感品種對(duì)應(yīng)10%，高感品種對(duì)應(yīng)20%，大致對(duì)應(yīng)嚴(yán)重度觀測(cè)規(guī)范中的3、5級(jí)中間的狀況。到成熟期，不僅在植株下部，包括大部分植株上部，葉片都開始出現(xiàn)了一定面積比例的病斑，其中抗品種植株上部葉片病斑面積比例在10%以上，感品種植株上部葉片病斑面積比例在30%以上，高感品種植株上部葉片病斑面積比例在50%以上，這3種病害等級(jí)分別對(duì)應(yīng)于嚴(yán)重度觀測(cè)規(guī)范中比較典型的3、5、7級(jí)。在后2個(gè)時(shí)期由調(diào)查人員根據(jù)4個(gè)試驗(yàn)小區(qū)發(fā)病的春玉米葉片數(shù)目進(jìn)行記錄，并根據(jù)記錄結(jié)果利用公式計(jì)算出病情指數(shù)（disease index，DI）。

病情指數(shù)計(jì)算公式為：

式中x為各梯度的級(jí)值，n是最高梯度值，f為各梯度的葉片數(shù)。

該文共設(shè)置了4個(gè)觀測(cè)小區(qū)，每個(gè)小區(qū)設(shè)置了10個(gè)觀測(cè)點(diǎn)，直接求平均只有4個(gè)樣本?？紤]到控制試驗(yàn)不可能大面積進(jìn)行，同時(shí)又要增加樣本數(shù)量，本文采取了交叉采樣的方式，即將每個(gè)小區(qū)10個(gè)觀測(cè)點(diǎn)交叉取其中8個(gè)觀測(cè)點(diǎn)作為1個(gè)樣本，且該樣本的光譜反射率取該8個(gè)觀測(cè)點(diǎn)的平均值，依此每個(gè)小區(qū)可獲得45個(gè)觀測(cè)樣本，4個(gè)小區(qū)共計(jì)有180個(gè)觀測(cè)樣本。通過觀測(cè)樣本交叉重組的方式，增加了樣本數(shù)量與代表性。

2 研究方法

為了構(gòu)建玉米大斑病監(jiān)測(cè)指數(shù)，實(shí)現(xiàn)玉米大斑病的遙感監(jiān)測(cè)，本文首先對(duì)不同時(shí)期、不同病害程度的玉米冠層光譜特征進(jìn)行了分析，并確定了大斑病的敏感波段位置以及光譜反射率受大斑病影響明顯的時(shí)期；然后基于敏感波段反射率，分析了當(dāng)前遙感指數(shù)對(duì)玉米大斑病的敏感性，并通過對(duì)光譜一階微分值的變化分析，構(gòu)建了紅邊核心區(qū)一階微分之和的病害監(jiān)測(cè)指數(shù)；最后，從病害指數(shù)與病害嚴(yán)重度的統(tǒng)計(jì)相關(guān)分析、病害指數(shù)聚類分析以及聚類精度分析這幾個(gè)方面對(duì)本文構(gòu)建的病害指數(shù)的有效性及可靠性進(jìn)行了驗(yàn)證說明。具體研究流程如圖1所示。

圖1 總體方案Fig. Overall scheme

2.1 冠層光譜特征分析

采用4個(gè)試驗(yàn)組觀測(cè)小區(qū)內(nèi)所有樣本的光譜平均值，制作2013年7月13日春玉米抽雄期、7月25日吐絲期、8月16日乳熟期、9月25日成熟期等4個(gè)時(shí)期不同病害程度春玉米光譜曲線圖，同時(shí)采集相應(yīng)時(shí)期各春玉米對(duì)照組未發(fā)病的光譜曲線，以觀察并剔除品種不同對(duì)春玉米光譜曲線的影響，結(jié)果如圖2所示。其中，乳熟期是春玉米大斑病開始發(fā)病的時(shí)期，圖3給出了這一時(shí)期正常、輕微、中度、嚴(yán)重4個(gè)病害等級(jí)的實(shí)景照片，直觀展示不同病害等級(jí)春玉米葉片構(gòu)造的破壞情況。從圖3可以看到，隨著大斑病發(fā)病程度的提高，病斑占葉片面積比例不斷提高，病斑區(qū)域葉片干枯變黃，病斑區(qū)域葉片出現(xiàn)縱裂現(xiàn)象。

圖2a和圖2b分別為抽雄期試驗(yàn)組和對(duì)照組的春玉米冠層光譜曲線。從圖2a中可以發(fā)現(xiàn)試驗(yàn)組不同病害程度種植區(qū)玉米的光譜反射率有一定的差異，然而此時(shí)大斑病尚未發(fā)病，其對(duì)玉米冠層光譜反射率影響尚未顯現(xiàn)，通過對(duì)比圖2b對(duì)照組相同品種玉米光譜反射率曲線，推斷玉米品種的差異可能是導(dǎo)致光譜差異的主要因素；另外，高光譜儀器標(biāo)定、測(cè)量條件差異、土壤等背景因素都可能為玉米冠層光譜的測(cè)量帶來一定的誤差，使用一階導(dǎo)數(shù)等方法可以在一定程度上消除背景噪聲的影響。

圖2c和圖2d分別為吐絲期試驗(yàn)組和對(duì)照組春玉米冠層光譜曲線。該時(shí)期，感染大斑病的春玉米會(huì)出現(xiàn)零星的潛育斑，數(shù)量和覆蓋面積均較小，對(duì)作物冠層光譜影響較為有限，因此，雖然該時(shí)期不同染病程度春玉米的光譜稍有差異，但是差異與染病程度之間沒有相關(guān)性，對(duì)比圖2d對(duì)照組光譜，依然認(rèn)為該時(shí)期光譜差異主要受玉米品種、背景和測(cè)量噪聲影響。

圖2 各時(shí)期不同病害程度試驗(yàn)組及其對(duì)照組冠層光譜反射率Fig.2 Canopy spectral reflectance of experiment group and control group in different disease extents of different stages

圖3 乳熟期春玉米大斑病癥狀Fig.3 Symptoms of spring corn leaf blight at milk-ripe stage

圖2e和圖2f分別為乳熟期試驗(yàn)組和對(duì)照組春玉米冠層光譜曲線。該時(shí)期是大斑病發(fā)病時(shí)期，不同染病程度春玉米大斑病染病癥狀差別顯著，染病嚴(yán)重的葉片變黃甚至枯死。對(duì)比圖2e和圖2f光譜曲線，可以發(fā)現(xiàn)，染病程度與玉米冠層近紅外反射率之間呈現(xiàn)顯著的負(fù)相關(guān)，這是由于隨著染病程度的加深，植被葉片構(gòu)造破壞越來越嚴(yán)重，導(dǎo)致葉片組織細(xì)胞結(jié)構(gòu)對(duì)于近紅外的反射能力急劇下降，同時(shí)造成紅邊位置處波譜曲線斜率降低；同時(shí)，隨著染病程度不同導(dǎo)致葉片含水量的逐漸降低，在960 nm處由于水分強(qiáng)烈吸收形成的波谷越來越淺，近紅外光譜曲線整體變得更加平直；同時(shí)，由于嚴(yán)重染病導(dǎo)致植被葉綠素的降低，導(dǎo)致可見光區(qū)域的光譜曲線呈現(xiàn)被“拉直”的現(xiàn)象。以上這些現(xiàn)象為不同染病程度春玉米識(shí)別提供了理論基礎(chǔ)。

圖2g和圖2h分別為成熟期試驗(yàn)組和對(duì)照組春玉米冠層光譜曲線圖，該階段春玉米逐漸成熟，葉片干枯、松散，葉片中的葉綠素濃度低，在綠光范圍內(nèi)已無明顯光譜反射峰。在近紅外波段，由于大斑病對(duì)春玉米冠層內(nèi)部結(jié)構(gòu)的破壞，冠層光譜反射率隨病害嚴(yán)重程度的增加而減小，這與其他病害報(bào)道的規(guī)律較為一致[23-24]。

綜上所述，春玉米大斑病高光譜觀測(cè)識(shí)別的最佳時(shí)期是乳熟期，因此該文主要通過構(gòu)建乳熟期病害監(jiān)測(cè)指數(shù)的方式對(duì)春玉米染病程度進(jìn)行分級(jí)。

2.2 病害監(jiān)測(cè)指數(shù)

在作物病蟲害遙感監(jiān)測(cè)方面，目前有不少學(xué)者利用不同的病害監(jiān)測(cè)指數(shù)進(jìn)行了病害監(jiān)測(cè)的研究，表1列舉了一些常用的病蟲害探測(cè)植被指數(shù)。

表1 作物病害相關(guān)指數(shù)Table1 Correlation indices of crop diseases

2.3 光譜一階微分特征

在進(jìn)行植被遙感觀測(cè)時(shí)，反射率在綠邊和紅邊波譜范圍內(nèi)的變化是植被對(duì)光譜響應(yīng)的一個(gè)重要特征，因此常會(huì)根據(jù)光譜反射率的變化速率來開展植被監(jiān)測(cè)。由于本研究采用了不同品種的春玉米進(jìn)行試驗(yàn)設(shè)計(jì)，在光譜反射率上難免存在玉米品種所帶來的影響，而作為植被光譜變化的獨(dú)特性質(zhì)，利用紅邊區(qū)域內(nèi)的反射率變化可以弱化玉米品種所帶來的影響。

光譜一階微分用來表示波段變化的速率，是遙感監(jiān)測(cè)過程中除了直接使用光譜反射率外的另一個(gè)主要計(jì)算方法，高光譜一階微分處理計(jì)算方法如下：

式中λi為各波段波長(zhǎng)（nm），ρ′(λi)為一階微分光譜，ρ表示波段反射率，Δλ表示λi+1到λi-1間的波長(zhǎng)間隔。圖4為試驗(yàn)所測(cè)生育期內(nèi)不同病害程度種植區(qū)玉米冠層光譜一階微分曲線圖。

圖4 不同時(shí)期各種植區(qū)冠層光譜一階微分Fig.4 Spectrum first derivative of all planting region in different stages

從圖4中可以看出，在春玉米抽雄、吐絲和乳熟時(shí)期，由于受葉片葉綠素密度及葉片細(xì)胞壁等因素的作用，在綠邊（500～560 nm）和紅邊（680～750 nm）范圍內(nèi)的光譜反射率變化較顯著，尤其在紅邊范圍內(nèi)的反應(yīng)最為敏感，觀察4個(gè)生長(zhǎng)期正常不發(fā)病種植區(qū)的春玉米冠層光譜一階微分變化可知，隨著春玉米的不斷生長(zhǎng)，春玉米在紅邊范圍內(nèi)的冠層光譜反射率變化逐漸呈現(xiàn)減弱的趨勢(shì)。

圖4a為春玉米抽雄期不同病害程度種植區(qū)的冠層光譜一階微分變化圖，從中可以看出，由于大斑病影響還未顯現(xiàn)，紅邊范圍的光譜一階微分值整體維持在相對(duì)較高的水平，其中輕度及重度發(fā)病種植區(qū)較正常不發(fā)病和中度發(fā)病種植區(qū)的要高，但整體差異不是很明顯；圖4b為春玉米吐絲期不同病害程度種植區(qū)的冠層光譜一階微分變化圖，此時(shí)春玉米開始出現(xiàn)零星的潛育斑，各種植區(qū)的玉米冠層光譜變化開始出現(xiàn)不規(guī)律的變化；圖4c為春玉米乳熟期不同病害程度種植區(qū)的冠層光譜一階微分變化圖，此時(shí)春玉米葉片開始出現(xiàn)大斑病癥狀，由于受不同嚴(yán)重程度大斑病的影響，紅邊范圍內(nèi)的冠層光譜一階微分出現(xiàn)了規(guī)律性的變化，隨著病害嚴(yán)重程度的增加，葉片光譜反射率的變化速率隨之降低，730 nm波段處波峰峰值也降低，顯然此時(shí)的光譜一階微分值呈現(xiàn)的分布較適合春玉米大斑病的監(jiān)測(cè)以及受病害影響嚴(yán)重程度的區(qū)分；圖4d為春玉米成熟期不同病害種植區(qū)的冠層光譜一階微分變化圖，此時(shí)由于春玉米成熟，葉片已開始枯萎，葉片葉綠素密度降低，細(xì)胞組織也慢慢破壞，冠層光譜的反射率變化減低，對(duì)其進(jìn)行遙感監(jiān)測(cè)以實(shí)現(xiàn)春玉米大斑病預(yù)防和治療的意義已經(jīng)不大。

2.4 紅邊一階微分病害監(jiān)測(cè)指數(shù)構(gòu)建

由圖4的光譜一階微分曲線可以看出，在玉米不同生長(zhǎng)階段內(nèi)，綠邊和紅邊范圍內(nèi)的光譜一階微分值的大小較其他區(qū)間的波段位置更加顯著，特別是在圖4c的春玉米乳熟期，不同病害程度的玉米冠層光譜一階微分在紅邊范圍內(nèi)的變化規(guī)律較明顯。其中，在紅邊核心區(qū)（725～740 nm）內(nèi)，不同病害嚴(yán)重程度的大斑病春玉米冠層光譜一階微分值之間呈現(xiàn)規(guī)律性的變化，隨病害嚴(yán)重程度的增加，一階微分值逐漸降低，其在730 nm波段處的波峰值也逐漸降低。因此，取該范圍的光譜一階微分值可使得各病害程度間的差異最大化，對(duì)作物病害的識(shí)別和區(qū)分精度的提高也具有一定的提高作用。

結(jié)合以上所述生育期內(nèi)各病害下的春玉米冠層光譜特征和實(shí)際生長(zhǎng)機(jī)理，本研究以乳熟期春玉米冠層光譜為基礎(chǔ)，擬以紅邊核心區(qū)（725～740 nm）的光譜一階微分之和（SDrec）作為大斑病害監(jiān)測(cè)指數(shù)，構(gòu)建紅邊一階微分的病害監(jiān)測(cè)指數(shù)，實(shí)現(xiàn)春玉米大斑病的區(qū)分和病害嚴(yán)重程度等級(jí)的設(shè)定，具體計(jì)算公式如下：

式中ρ′為光譜一階微分值，rec取紅邊核心區(qū)波段。

在計(jì)算過程中，首先通過一階微分計(jì)算公式得到核心區(qū)內(nèi)波段的一階微分值，然后進(jìn)行核心區(qū)內(nèi)各波段的求和即可。由于在紅邊核心區(qū)內(nèi)各波段光譜一階微分值與病害程度間的單調(diào)變化關(guān)系，那么本項(xiàng)研究的監(jiān)測(cè)指數(shù)與春玉米大斑病嚴(yán)重程度間亦存在單調(diào)變化關(guān)系；相比較于不同病害程度在單波段處光譜一階微分的差異，當(dāng)多個(gè)這樣的單波段光譜一階微分值相加時(shí)將會(huì)增大這種差異，使得不同病害程度間的差異變大，易于病害等級(jí)的劃分；與綠邊處的光譜一階微分相比，不同病情春玉米在紅邊核心區(qū)的光譜一階微分差異更大，可靠性更強(qiáng)；乳熟期內(nèi)不同病情春玉米在近紅外波段處的冠層光譜反射率間差異雖明顯，但反射率的大小會(huì)因各種因素的影響不夠穩(wěn)定，不利于病害監(jiān)測(cè)，而光譜一階微分表示光譜斜率的大小，即波段間的梯度變換情況，因此使用紅邊一階微分比直接使用近紅外波段反射率更具科學(xué)性。

3 研究結(jié)果

該文以4個(gè)種植小區(qū)不同時(shí)期所觀測(cè)到的180個(gè)樣本冠層光譜數(shù)據(jù)為基礎(chǔ)，通過對(duì)不同時(shí)期不同病害程度玉米冠層光譜以及光譜一階微分值的分析，設(shè)計(jì)了紅邊核心區(qū)一階微分之和的春玉米大斑病監(jiān)測(cè)指數(shù)，為了驗(yàn)證本文所提指數(shù)的有效性及可靠性，試驗(yàn)采用相關(guān)統(tǒng)計(jì)方法構(gòu)建了本文所提監(jiān)測(cè)指數(shù)以及常用病害監(jiān)測(cè)指數(shù)與病害嚴(yán)重度的統(tǒng)計(jì)模型，對(duì)病害監(jiān)測(cè)指數(shù)的敏感性進(jìn)行了分析，并使用k-means聚類[29-30]方法進(jìn)行精度驗(yàn)證。

3.1 相關(guān)病害監(jiān)測(cè)指數(shù)敏感性分析

為了驗(yàn)證本文所提病害監(jiān)測(cè)指數(shù)的有效性及優(yōu)越性，試驗(yàn)將春玉米乳熟期冠層光譜紅邊核心區(qū)（725～ 740 nm）一階微分之和指數(shù)以及常用的相關(guān)病害監(jiān)測(cè)指數(shù)，分別與病害嚴(yán)重程度進(jìn)行線性相關(guān)分析，根據(jù)相關(guān)系數(shù)大小比較各監(jiān)測(cè)指數(shù)計(jì)算有效性與敏感性。計(jì)算過程中，以各監(jiān)測(cè)指數(shù)為自變量x，病情指數(shù)為因變量y，進(jìn)行一元線性回歸分析，表2為病害脅迫下，各監(jiān)測(cè)指數(shù)的線性回歸分析模型及相關(guān)性結(jié)果。

表2 監(jiān)測(cè)指數(shù)線性分析結(jié)果Table2 Linear regression analysis results of all monitoring index

由表2可知，線性回歸模型函數(shù)的自變量系數(shù)都小于0，表明各監(jiān)測(cè)指數(shù)與病害嚴(yán)重程度之間存在著線性負(fù)相關(guān)性。其中，除紅邊與綠邊一階微分之和的比值外，各病害監(jiān)測(cè)指數(shù)與病情指數(shù)間都存在較大的相關(guān)性，均達(dá)到了0.97以上。有紅邊參與的紅邊歸一化植被指數(shù)和本文紅邊核心區(qū)一階微分之和指數(shù)與病情指數(shù)的相關(guān)性達(dá)到了0.99；紅邊與綠邊一階微分之和的比值則與病害嚴(yán)重程度相關(guān)性較小，不適合春玉米大斑病識(shí)別和病情的區(qū)分，造成這種情況的原因是綠光和紅邊區(qū)內(nèi)的光譜一階微分值皆隨病害的嚴(yán)重程度呈負(fù)相關(guān)關(guān)系，因此在這里使用一階微分和的比值不能很好的反映出監(jiān)測(cè)指數(shù)與病情之間的相關(guān)性；本項(xiàng)研究提出的以紅邊核心區(qū)光譜一階微分之和作為監(jiān)測(cè)指數(shù)的相關(guān)性系數(shù)達(dá)到了0.995 0，要優(yōu)于其他相關(guān)的常用病害監(jiān)測(cè)指數(shù)，說明本文所提指數(shù)具有能較好地反演春玉米大斑病的潛力。

由于試驗(yàn)選取了乳熟期的春玉米作為病害監(jiān)測(cè)的適宜期，而該時(shí)期各病害種植區(qū)的玉米冠層反射率與病害嚴(yán)重度在紅光波段到近紅外波段處逐漸呈現(xiàn)出單調(diào)變化關(guān)系，也就是隨著病害程度的增加，玉米冠層光譜在近紅外波段處的反射率逐漸降低。當(dāng)受病害侵襲時(shí)，往往使得可見光的綠光、近紅外和紅外波段的反射率發(fā)生變化，而目前的植被指數(shù)也都是基于這些波段構(gòu)建而成，因此一般的植被指數(shù)與病情指數(shù)都存在一個(gè)較高的相關(guān)性，本項(xiàng)研究的目的也是在這些指數(shù)的基礎(chǔ)上，通過對(duì)玉米冠層光譜特征的分析，來發(fā)現(xiàn)和構(gòu)建更加合適的遙感監(jiān)測(cè)指數(shù)。

在此需要指出的是，紅邊歸一化植被指數(shù)和本研究提出的紅邊核心區(qū)一階微分之和與病情指數(shù)都具有較高的相關(guān)性，也表明了紅邊波段對(duì)玉米大斑病害的敏感性較強(qiáng)。

3.2 精度評(píng)價(jià)

通過相關(guān)性分析，得知了各病害監(jiān)測(cè)指數(shù)與病情指數(shù)間的密切關(guān)系度，但還無法確定各項(xiàng)指數(shù)在不同病害程度下的分布穩(wěn)定性。為了分析本文所提遙感指數(shù)與其他常用監(jiān)測(cè)指數(shù)在病害程度劃分以及指數(shù)在各病害程度下分布的離散程度，本文以試驗(yàn)區(qū)的各監(jiān)測(cè)病害指數(shù)為基礎(chǔ)，對(duì)春玉米乳熟期冠層光譜觀測(cè)點(diǎn)交叉采樣獲取的180個(gè)樣本進(jìn)行k-means聚類分析，其中，根據(jù)病害嚴(yán)重程度將聚類的數(shù)量設(shè)置為4類，由于試驗(yàn)樣本數(shù)量有限，本項(xiàng)試驗(yàn)中的樣本全部用于聚類分析過程，而聚類精度的檢驗(yàn)則是通過人工解譯的方式來進(jìn)行。圖5為各病害監(jiān)測(cè)指數(shù)在乳熟期不同病害嚴(yán)重程度下的分布，為了便于對(duì)比，試驗(yàn)對(duì)各指數(shù)分別進(jìn)行了歸一化處理。其中，圖5a為歸一化植被指數(shù)分布及各等級(jí)指數(shù)的均值，圖5b為比值植被指數(shù)，圖5c為紅邊歸一化植被指數(shù)，圖5d為紅邊和綠邊一階微分之和的比值，圖5e為本文所提的紅邊核心區(qū)一階微分值之和的大小及相應(yīng)的均值中心。表3是以混淆矩陣方式表示的180個(gè)樣本聚類結(jié)果的精度評(píng)價(jià)結(jié)果，包括用戶精度、總體精度以及最后各指數(shù)分布的均方根誤差3項(xiàng)。

圖5 病害監(jiān)測(cè)指數(shù)及均值中心Fig.5 Disease monitoring index and mean center

由圖5a和圖5b可以看出，歸一化植被指數(shù)（NDVI）和比值植被指數(shù)（RVI）的結(jié)果隨病害嚴(yán)重程度符合一定的梯度變化，而通過聚類分析后發(fā)現(xiàn)，歸一化植被指數(shù)與比值植被指數(shù)在正常無病害區(qū)和受病害輕度影響區(qū)的整體分布較為接近，容易造成這2個(gè)程度的病害出現(xiàn)誤判；從表3的結(jié)果可知，歸一化植被指數(shù)和比值植被指數(shù)使得正常春玉米與輕度感染大斑病的春玉米產(chǎn)生了少量的錯(cuò)誤分類，這也表明了NDVI和RVI對(duì)正常和輕度受病害劃分的不足。

紅邊與綠邊一階微分之和的比值的分類精度較低，不利于春玉米大斑病監(jiān)測(cè)，這是由于紅邊與綠邊一階微分值的大小皆與病害嚴(yán)重度成負(fù)相關(guān)，從而導(dǎo)致該比值指數(shù)大小與病害呈不規(guī)則變化關(guān)系（見圖5d和表3結(jié)果），無法有效監(jiān)測(cè)。

由圖5c、圖5e和表3可知，紅邊歸一化植被指數(shù)與本文所提紅邊核心區(qū)一階微分之和指數(shù)不僅與春玉米大斑病的病情指數(shù)具有較高的相關(guān)性，且分類后均能獲取正確的結(jié)果，各病害間的差異也較為明顯，可分性較強(qiáng)，這也表明紅邊波段對(duì)春玉米大斑病的監(jiān)測(cè)具備較好的指示作用。

結(jié)合表2、表3以及圖5，本文所提指數(shù)在各個(gè)病害梯度變化較為穩(wěn)定，與病情指數(shù)的相關(guān)性也較其他指數(shù)要高，達(dá)到了0.995 0；且能進(jìn)行各病害程度的正確劃分；同時(shí)指數(shù)大小的離散程度上也最低，均方根誤差為0.021 0，較其他各病害監(jiān)測(cè)指數(shù)的要低。

表3 病害監(jiān)測(cè)指數(shù)的聚類分析結(jié)果Table3 Cluster analysis results of all disease monitoring index

4 結(jié)論與討論

為了構(gòu)建玉米大斑病的遙感監(jiān)測(cè)指數(shù)，本文設(shè)計(jì)了4個(gè)玉米種植試驗(yàn)小區(qū)，并通過人工接種不同濃度大斑病分生孢子的方式，獲取了不同大斑病嚴(yán)重程度的玉米，并測(cè)量了不同時(shí)期各嚴(yán)重程度玉米的冠層光譜。通過對(duì)不同時(shí)期、不同病害嚴(yán)重程度的春玉米冠層光譜的分析和研究：

1）發(fā)現(xiàn)乳熟期前的春玉米冠層光譜反射率大小與病害嚴(yán)重程度的關(guān)系不夠顯著，而在乳熟期，各病害嚴(yán)重程度下的春玉米冠層在綠光及近紅外波段處的光譜反射率大小與病害嚴(yán)重程度出現(xiàn)了較明顯的對(duì)應(yīng)關(guān)系，尤其在近紅外波段，隨著病害嚴(yán)重程度越高的種植區(qū)，其玉米冠層光譜反射率越低，病害嚴(yán)重度與反射率之間呈現(xiàn)出較顯著的梯度變化關(guān)系；

2）通過對(duì)光譜特征以及對(duì)應(yīng)光譜一階微分特征的分析，發(fā)現(xiàn)玉米大斑病在紅邊波譜范圍內(nèi)反應(yīng)較為敏感，尤其在紅邊核心區(qū)（725～740 nm）內(nèi)，各病害程度玉米冠層的光譜反射率及光譜一階微分值差異較為顯著，即隨著病害嚴(yán)重程度的增加，一階微分值依次降低，為此以該波譜范圍作為玉米大斑病的敏感波段位置，提出了紅邊核心區(qū)（725～740 nm）一階微分之和的大斑病遙感監(jiān)測(cè)指數(shù)；

3）將提出的遙感監(jiān)測(cè)指數(shù)與當(dāng)前常用的遙感植被指數(shù)從相關(guān)性分析、分類結(jié)果及精度分析方面對(duì)本文所提監(jiān)測(cè)指數(shù)進(jìn)行了有效性及穩(wěn)定性的說明。試驗(yàn)結(jié)果顯示，目前一般的植被指數(shù)都與春玉米大斑病嚴(yán)重程度具備較高的相關(guān)性，而相對(duì)于所列舉的常用病害遙感監(jiān)測(cè)指數(shù)，本文所提指數(shù)與病情指數(shù)則具備更高的相關(guān)性，相關(guān)系數(shù)達(dá)到了0.995 0，且不同病害嚴(yán)重度下的指數(shù)值分布更為穩(wěn)定，在聚類上也可獲取準(zhǔn)確的分類結(jié)果。

近年來，國(guó)家農(nóng)業(yè)信息決策服務(wù)對(duì)病蟲害信息獲取要求日益迫切，高光譜數(shù)據(jù)也逐漸成為病蟲害遙感監(jiān)測(cè)的首選數(shù)據(jù)源，本文在地面高光譜數(shù)據(jù)基礎(chǔ)上對(duì)玉米大斑病監(jiān)測(cè)進(jìn)行了研究，并構(gòu)建了相應(yīng)的遙感監(jiān)測(cè)指數(shù)。而在當(dāng)前研究的基礎(chǔ)上，大斑病的作用機(jī)理還有待深入研究，如何根據(jù)所設(shè)定的遙感指數(shù)實(shí)現(xiàn)玉米大斑病的識(shí)別以及病害嚴(yán)重度的劃分也將是接下來研究工作的重點(diǎn)，且將這些研究成果作為高光譜衛(wèi)星譜段設(shè)置的依據(jù)，或者作為寬光譜轉(zhuǎn)換的基礎(chǔ)，以實(shí)現(xiàn)大范圍作物病害監(jiān)測(cè)的需求，也是非常迫切的。

[1] 劉占宇，黃敬峰，陶榮祥，等. 基于主成分分析和徑向基網(wǎng)絡(luò)的水稻胡麻斑病嚴(yán)重度估測(cè)[J]. 光譜學(xué)與光譜分析，2008，28(9)：2156－2160.

Liu Zhanyu, Huang Jingfeng, Tao Rongxiang, et al. Estimating rice brown spot disease severity based on principal component analysis and radial basis function neural network[J]. Spectroscopy and Spectral Analysis, 2008, 28(9): 2156－2160. (in Chinese with English abstract)

[2] 張競(jìng)成，袁琳，王紀(jì)華，等. 作物病蟲害遙感監(jiān)測(cè)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(20)：1－11.

Zhang Jingcheng, Yuan Lin, Wang Jihua, et al. Research progress of crop diseases and pests monitoring based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(20): 1－11. (in Chinese with English abstract)

[3] Zhang J C, Pu R L, Huang W J, et al. Using in-situ hyperspectral data for detecting and discriminating yellow rust disease from nutrient stresses[J]. Field Crops Research, 2012, 134: 165－174.

[4] Zhang J C, Pu R L, Wang J H, et al. Detecting powdery milder of winter wheat using leaf level hyperspectral measurements[J]. Computers and Electronics in Agriculture, 2012, 85: 13－23.

[5] Cheng T, Rivard B, Sanchez-Azofeifa A, et al. Continuous wavelet analysis for the detection of green attack damage due to mountain pine beetle infestation[J]. Remote Sensing of Environment, 2010, 114(4): 899－910.

[6] Zhang J C, Luo J H, Huang W J, et al. Continuous wavelet analysis based spectral feature selection for winter wheat yellow rust detection[J]. Intelligent Automation and Soft Computing, 2011, 17(5): 531－540.

[7] Zhang M H, Qin Z H, Liu X, et al. Detection of stress in tomatoes induced by late blight disease in California, USA, using hyperspectral remote sensing[J]. International Journal of Applied Earth Observation and Geo Information, 2003, 4(4): 295－310.

[8] Zhang M H, Qin Z H, Liu X. Remote sensed spectral imagery to detect late blight in field tomatoes[J]. Precision Agriculture, 2005, 6(6): 489－508.

[9] Graeff S, Link J, Claupein W. Identification of powdery mildew and take-all disease in wheat by means of leaf reflectance measurements[J]. Central European Journal of Biology, 2006, 1(2): 275－288.

[10] 黃木易，王紀(jì)華，黃文江，等. 冬小麥條銹病的光譜特征及遙感監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2003，19(6)：154－158.

Huang Muyi, Wang Jihua, Huang Wenjiang, et al. Hyperspectral character of stripe rust on winter wheat and monitoring by remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2003, 19(6): 154－158. (in Chinese with English abstract)

[11] Moshou D, Bravo C, West J, et al. Automatic detection of‘yellow rust’ in wheat using reflectance measurements and neural networks[J]. Computers and Electronic in Agriculture, 2004, 44(3): 173－188.

[12] Moshou D, Bravo C, Oberti R, et al. Plant disease detection based on data fusion of hyper-spectral and multi-spectral fluorescence imaging using Kohonen maps[J]. Real-Time Imaging, 2005, 11(2): 75－83.

[13] Zhang M H, Qin Z H, Liu X. Remote sensed spectral imagery to detect late blight in field tomatoes[J]. Precision Agriculture, 2005, 6(6): 489－508.

[14] Xu H R, Ying Y B, Fu X P, et al. Near-infrared spectroscopy in detecting leaf miner damage on tomato leaf[J]. Biosystems Engineering, 2007, 96(4): 447－454.

[15] Jones C D, Joned J B, Lee W S. Diagnosis of bacterial spot of tomato using spectral signatures[J]. Computers and Electronics in Agriculture, 2010, 74(2): 329－335.

[16] Naidu R A, Perry E M, Pierce F J, et al. The potential of spectral reflectance technique for the detection of Grapevine leafroll-associated virus-3 in two red-berried wine grape cultivars[J]. Computers and Electronics in Agriculture, 2009, 66(1): 38－45.

[17] Huang J F, Apan A. Detection of sclerotinia rot disease on celery using hyperspectral data and partial least squares regression[J]. Journal of Spatial Science, 2006, 52(2): 129－142.

[18] Bravo C, Moshou D, West J S, et al. Early disease detection in wheat fields using spectral reflectance[J]. Biosystems Engineering, 2003, 84(2): 137－145.

[19] Huang W J, Lamb D W, Niu Z, et al. Identification of yellow rust in wheat using in-situ spectral reflectance measurements and airborne hyperspectral imaging[J]. Precision Agriculture, 2007, 8(5):187－197.

[20] 李勇，潘順法，白金鎧，等. 玉米大斑病菌〔Exserohilum turcicum(Pass.) Leonard et Suggs〕生理小種鑒定結(jié)果初報(bào)[J]. 植物病理學(xué)報(bào)，1982(1)：61－64.

Li Yong, Pan Shunfa, Bai Jinkai, et al. A prelimingary report of the physiological races of Exserohilum turcicum (Pass.) Leonard et Suggs of corn[J]. Acta Phytopathologica Sinica, 1982(1): 61－64. (in Chinese with English abstract)

[21] NY/T 1248.1-2006. 玉米抗病蟲性鑒定技術(shù)規(guī)范 第1部分：玉米抗大斑病鑒定技術(shù)規(guī)范[S].

[22] GB/T 23391.1-2009. 玉米大、小斑病和玉米螟防治技術(shù)規(guī)范第1部分：玉米大斑病[S].

[23] 陳鵬程，張建華，雷勇輝，等. 高光譜遙感監(jiān)測(cè)農(nóng)作物病蟲害研究進(jìn)展[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2006，22(3)：388－391.

Chen Pengcheng, Zhang Jianhua, Lei Yonghui, et al. Research progress on hyperspectral remote sensing in monitoring crop diseases and insect pests[J]. Chinese Agricultural Science Bulletin, 2006, 22(2): 388－391. (in Chinese with English abstract)

[24] 王曉麗，周國(guó)民. 基于近紅外光譜技術(shù)的農(nóng)作物病害診斷[J]. 農(nóng)機(jī)化研究，2010，32(6)：171－174.

Wang Xiaoli, Zhou Guomin. The diagnosing crop disease based on near-infare spectrum technology[J]. Journal of Agricultural Mechanization Research, 2010(6): 171－174. (in Chinese with English abstract)

[25] Steddom K, Heidel G, Jones D. Remote detection of rhizomania in sugar beets[J]. Phytopathology, 2003, 93(6): 720－726.

[26] Zhao C J, Huang M Y, Huang W J, et al. Analysis of winter wheat stripe rust characteristic spectrum and establishing of inversion models[C]//. IEEE International Geoscience and Remote Sensing Symposium, 2004, 6, 4318－4320.

[27] 黃春燕，王登偉，黃鼎程，等. 基于高光譜植被指數(shù)的加工番茄生長(zhǎng)狀況監(jiān)測(cè)研究[J]. 遙感信息，2012，27(5)：26－30.

Huang Chunyan, Wang Dengwei, Huang Dingcheng, et al. Monitoring growing status of processing tomato based on hyperspectral vegetative index[J]. Remote Sensing Information, 2012, 27(5): 26－30. (in Chinese with English abstract)

[28] 蔣金豹，陳云浩，黃文江. 用高光譜微分指數(shù)監(jiān)測(cè)冬小麥病害的研究[J]. 光譜學(xué)與光譜分析，2007，27(12)：2475－2479.

Jiang Jinbao, Chen Yunhao, Huang Wenjiang, et al. Using hyperspectral derivative index to monitor winter wheat disease[J]. Spectroscopy and Spectral Analysis, 2007, 27(12): 2475－2479. (in Chinese with English abstract)

[29] 吳鳳惠，成穎，鄭彥寧，等. K-means算法研究綜述[J]. 現(xiàn)代圖書情報(bào)技術(shù)，2011(5)：28－25.

Wu Suhui, Cheng Ying, Zheng Yanning, et al. Survey on K-means algorithm[J]. New Technology of Library and Information Service, 2011(5): 28－25. (in Chinese with English abstract)

[30] Ding C, He X. Cluster structure of k-means clustering via principal component analysis[J]. Lecture Notes in Computers Science, 2004, 46(4): 414－418.

Remote sensing index selection of leaf blight disease in spring maize based on hyperspectral data

Wang Limin, Liu Jia, Shao Jie, Yang Fugang, Gao Jianmeng
(Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, 100081, China)

Leaf blight is one of the major diseases of spring corns. Analyzing crop canopy spectral features and establishing remote sensing monitoring indices by employing the method of ground spectrum test are the foundation for implementing regional disease remote sensing monitoring, and the major basis for designing satellite sensor spectrum. By taking 4 varieties of spring corns i.e. highly resistant, resistant, infected, and highly infected spring corns as the study objects, this paper designed an artificially controlled plot experiment in Meixian County, Shannxi Province. Through artificial inoculation of leaf blight spores with different concentrations, the study established 4 disease infected land plots including normal corn, mildly infected corn, moderately infected corn, and severely infected corn, and conducted ground hyperspectral observation of 4 development stages i.e. tasseling stage, silking stage, milk-ripe stage and ripe stage of spring corns. In order to realize the remote sensing monitoring on leaf blight of spring corns, based on the spring corn canopy spectral data, this paper analyzed the change features of spring corn canopy spectral reflectance and first derivative spectral value of crop areas with different disease severities and at different growth stages, and identified the sensitive band range of spring corn leaf blight and proper disease monitoring period; meanwhile the study established a special remote sensing index for spring corns based on the spectral features of sensitive wave bands, namely, the first derivative of spectral in red edge core area. Finally, to validate the effectiveness of the index proposed in this paper, the study used a total of 180 spectral observation samples in the 4 crop areas, which were obtained by using the crossing sampling method, and made a comparison between the indices and the other commonly used disease monitoring indices in terms of their correlation with disease severity. The result showed that, spring corn leaf blight with different order of severity could be more significantly represented during the milk-ripe stage of the spring corn. Along with the increase of disease severity, the reflectance in near-infrared band decreased gradually, and showed a change of gradient, which was suitable for the leaf blight remote sensing monitoring and classification of disease severity; response of first derivative of spring corn canopy spectrum was relatively sensitive, especially within the range of red edge core area (725-740 nm). There was a significant monotonous change relation between first derivative of spectrum and disease severity, showing a very significant negative correlation. The experimental result also showed that there was a relatively high correlation between the remote sensing monitoring index proposed in this paper and the disease index, with the correlation coefficient of 0.995 0. Classification accuracy of different disease severity reached 100%, and the dispersion degree of index values was lower than that of other commonly used monitoring indices, with a higher distribution stability, indicating that the indices proposed in this paper can be applied in remote sensing monitoring operations.

remote sensing; diseases; spectrum analysis; spring corn; leaf blight; red edge; spectral first derivative

10.11975/j.issn.1002-6819.2017.05.025

S127

A

1002-6819(2017)-05-0170-08

王利民，劉 佳，邵 杰，楊福剛，高建孟. 基于高光譜的春玉米大斑病害遙感監(jiān)測(cè)指數(shù)選擇[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(5)：170－177.

10.11975/j.issn.1002-6819.2017.05.025 http://www.tcsae.org

Wang Limin, Liu Jia, Shao Jie, Yang Fugang, Gao Jianmeng. Remote sensing index selection of leaf blight disease in spring maize based on hyperspectral data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(5): 170－177. (in Chinese with English abstract)

doi：10.11975/j.issn.1002-6819.2017.05.025 http://www.tcsae.org

2016-05-06

2017-02-07

國(guó)家重點(diǎn)研發(fā)計(jì)劃“糧食作物生長(zhǎng)監(jiān)測(cè)診斷與精確栽培技術(shù)”課題“作物生長(zhǎng)與生產(chǎn)力衛(wèi)星遙感監(jiān)測(cè)預(yù)測(cè)”（2016YFD0300603）

王利民，男，蒙古族，內(nèi)蒙古寧城人，博士，副研究員，主要從事農(nóng)業(yè)遙感監(jiān)測(cè)業(yè)務(wù)運(yùn)行研究。北京 中國(guó)農(nóng)業(yè)科學(xué)研究院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，100081。Email：wanglimin01@caas.cn