王敬湧, 謝灑灑, 蓋倞堯*, 王梓廷*

1. 廣西大學(xué)機(jī)械工程學(xué)院, 廣西 南寧 530004

2. 廣西大學(xué)農(nóng)學(xué)院, 廣西 南寧 530004

3. 廣西大學(xué)廣西甘蔗生物學(xué)重點(diǎn)實(shí)驗(yàn)室, 廣西 南寧 530004

引 言

甘蔗是禾本科甘蔗屬作物, 屬于多年生草本植物, 是世界上主要的糖料作物。 據(jù)統(tǒng)計(jì), 全球甘蔗的種植面積約26 522 734公頃, 占世界農(nóng)業(yè)總面積的0.72%。 目前, 甘蔗作為原料生產(chǎn)的糖量約占全球糖供應(yīng)量的85%[1]。 如今, 世界食糖的消費(fèi)需求不斷增加, 人們對甘蔗生產(chǎn)力的要求也隨之增大。 但甘蔗在生長發(fā)育中會(huì)存在許多問題限制其生產(chǎn)力的發(fā)展, 其中花葉病就是一個(gè)因素。

甘蔗花葉病癥狀主要在葉片表現(xiàn), 病毒會(huì)遍及全株, 使整株甘蔗染病。 甘蔗感染花葉病后, 葉片的葉綠素被破壞, 葉片出現(xiàn)黃色或淺綠色的條紋[2]。 因此葉綠素含量可以作為評估甘蔗是否受到病害脅迫的一項(xiàng)指標(biāo)。 但是傳統(tǒng)的葉綠素檢測方法操作復(fù)雜、 昂貴費(fèi)時(shí), 且是有損檢測, 所以不適合在田間大規(guī)模進(jìn)行。 隨著遙感技術(shù)的發(fā)展, 人們開始對不同作物探索建立高光譜數(shù)據(jù)與植物生理參數(shù)之間的關(guān)系。 通常采集到的高光譜數(shù)據(jù)不僅數(shù)據(jù)量大, 還包含大量冗余信息和干擾信息。 因此為了減少干擾信息, 一般會(huì)對高光譜數(shù)據(jù)進(jìn)行預(yù)處理。 常用的預(yù)處理方法有: 小波去噪[3]、 MSC[4]、 SNV[4]、 一階導(dǎo)數(shù)等。 而為了減少數(shù)據(jù)量和冗余信息, 會(huì)對高光譜數(shù)據(jù)進(jìn)行特征波段的選擇。 常用的特征波段選擇的方法有: 隨機(jī)蛙跳算法[5]、 SPA[6]、 植被系數(shù)法[7-8]、 小波變換[9]、 相關(guān)系數(shù)[10]。 最終將預(yù)處理過后的高光譜數(shù)據(jù)或選擇的特征波段作為機(jī)器學(xué)習(xí)的輸入, 對不同作物的葉綠素含量進(jìn)行預(yù)測。 目前較為常用的機(jī)器學(xué)習(xí)方法有: PLSR[11]、 BPNN[12]、 KNN[13]、 SVR[14]等。

綜上所述, 目前國內(nèi)外學(xué)者利用光譜對不同作物的葉綠素反演進(jìn)行了大量的研究, 涉及到的光譜處理技術(shù)通常包括光譜信息預(yù)處理、 數(shù)據(jù)降維、 以及機(jī)器學(xué)習(xí)回歸模型等。 但利用高光譜對花葉病脅迫下甘蔗葉片葉綠素含量反演的研究較少。 為此, 以盆栽甘蔗為研究對象, 研究如下問題: (1)比較分析感染花葉病葉片和健康葉片的葉綠素含量和光譜響應(yīng)特性差異; (2)探究不同預(yù)處理對葉綠素含量預(yù)測的影響; (3)建立多個(gè)葉綠素含量反演模型, 并通過比較反演性能, 選取最優(yōu)模型, 實(shí)現(xiàn)用對花葉病脅迫下甘蔗葉片的葉綠素含量無損測量。 本工作系統(tǒng)地分析比較了不同預(yù)處理方法、 數(shù)據(jù)降維方法以及機(jī)器學(xué)習(xí)模型在甘蔗葉片高光譜數(shù)據(jù)處理中的性能, 可為遙感監(jiān)測甘蔗病害脅迫程度提供理論依據(jù)以及技術(shù)支持。

1 實(shí)驗(yàn)部分

1.1 試驗(yàn)地點(diǎn)及時(shí)間

于2021年7月—11月在廣西大學(xué)農(nóng)學(xué)院教學(xué)科研基地開展試驗(yàn), 選用中2號(hào)蔗甘蔗品種。 樣本總量為70株, 其中35株為控制組即感染花葉病植株, 另35株為對照組即健康植株。 控制組甘蔗病害樣本均通過人工接種發(fā)病后獲得, 花葉病病種來源廣西大學(xué)農(nóng)學(xué)院。 所有甘蔗在接種染花葉病之前于溫室里培育。 在對控制組植株進(jìn)行接種過后, 為避免感染健康植株, 將對照組甘蔗放置于溫室外獨(dú)立的大棚內(nèi)進(jìn)行種植。

1.2 光譜數(shù)據(jù)采集

葉片光譜數(shù)據(jù)使用CID便攜式CI-710光纖光譜儀(CID Bio-Science Inc., 美國)進(jìn)行采集(圖1), 具體的技術(shù)參數(shù)見表1。 選擇天氣晴朗時(shí)進(jìn)行數(shù)據(jù)采集, 采集時(shí)間為10:00—12:00。 每次測量前均使用白板進(jìn)行校正, 使用葉夾方式在不同葉位即刻進(jìn)行測量。 每個(gè)葉位重復(fù)測量10次, 取平均值作為該葉位的光譜反射值。 由于測量的光譜數(shù)據(jù)在400～520和920～950 nm的噪音較大, 因此截取520～920 nm的光譜數(shù)據(jù)做后續(xù)的分析。

表1 CI-710光纖光譜儀技術(shù)參數(shù)

圖1 便攜式CI-710光纖光譜儀

1.3 葉綠素含量測定

葉片光譜測量后, 將不同位置的葉片洗凈組織表面污物, 剪碎(去掉中脈), 放入25 mL容量瓶中。 加入20 mL的80%丙酮浸提液, 放置于黑暗條件下, 浸泡至葉片發(fā)白。 用浸提試劑定容至25 mL, 搖勻靜置后用浸提試劑為空白測定吸光度。 選擇波段663和645 nm比色測出數(shù)值OD663、OD645, 利用式(1)計(jì)算出葉綠素含量

葉綠素含量(mg·cm-2)=(8.02×OD663+20.21×OD645)×V/(S×1 000)

(1)

式(1)中,V為浸提液體積;S為剪切葉片的面積。

1.4 數(shù)據(jù)處理

采用預(yù)處理-特征提取-機(jī)器學(xué)習(xí)反演的框架處理采集到的光譜數(shù)據(jù)。 首先, 在采集光譜數(shù)據(jù)時(shí), 由于人為操作、 環(huán)境、 儀器等影響, 會(huì)造成光譜數(shù)據(jù)包含大量的干擾信息, 因此需要對光譜數(shù)據(jù)進(jìn)行預(yù)處理, 突出光譜數(shù)據(jù)中有用信息。 其次, 每條光譜曲線通常包含幾百甚至上千個(gè)數(shù)據(jù)點(diǎn), 其中包含大量冗余信息, 且使用全部的數(shù)據(jù)預(yù)測葉綠素含量會(huì)造成模型過擬合, 從而降低精度, 因此本研究對光譜數(shù)據(jù)進(jìn)行特征波段提取。 最后, 采用機(jī)器學(xué)習(xí)模型完成葉綠素含量的反演。 采用Microsoft Excel 2019整理數(shù)據(jù), Origin2019進(jìn)行統(tǒng)計(jì)分析和作圖, 使用Python對數(shù)據(jù)進(jìn)行建模與驗(yàn)證。

1.4.1 高光譜數(shù)據(jù)預(yù)處理

為了降低干擾信息的影響, 需要對光譜數(shù)據(jù)進(jìn)行預(yù)處理。 使用Savitzky-Golay卷積, 變量標(biāo)準(zhǔn)化(standard normal variate, SNV), 多元散射校正(multiplicative scatter correction, MSC), 一階導(dǎo)數(shù)(first derivative, 1stD), 二階導(dǎo)數(shù)(second derivative, 2ndD)五種光譜變換預(yù)處理方法。

1.4.2 特征波段提取方法

特征波段的提取可以降低數(shù)據(jù)維度, 減少冗余數(shù)據(jù)的影響。 使用相關(guān)系數(shù)法、 連續(xù)投影算法、 隨機(jī)森林算法, 構(gòu)建最優(yōu)特征波段的提取方法。

各分析方法原理如下: 相關(guān)系數(shù)法[15]: 計(jì)算光譜中每一個(gè)波段的反射率與特定物質(zhì)含量的相關(guān)系數(shù), 相關(guān)系數(shù)絕對值越大, 則表明該波段反射率包含的有效信息越多, 則該波段可能被選為特征波段。 連續(xù)投影算法(successive projection algorithm, SPA)[16]: 一種前向特征變量選擇方法。 SPA利用向量的投影分析, 然后將波段投影到其他波段上, 比較投影向量大小, 以投影向量最大的波段為待選波段, 然后基于校正模型選擇最終的特征波段。 隨機(jī)森林算法(random forests, RF): 一種測量每個(gè)特征值對預(yù)測結(jié)果的相對重要性的方法。 高維度的特征互相之間可能具有相似性, 繼而對模型能力貢獻(xiàn)少, 并且影響計(jì)算效率。 基尼[17](Gini)系數(shù)通?？梢宰鳛楹饬枯斎胩卣鲗﹄S機(jī)森林算法貢獻(xiàn)度大小的評價(jià)標(biāo)準(zhǔn), 對樣本中所有特征變量來說, 基于系數(shù)的變量重要性評分能直觀量化各個(gè)特征對模型的貢獻(xiàn)大小, 值越高特征重要性越高。

1.4.3 機(jī)器學(xué)習(xí)方法與模型驗(yàn)證

在BP神經(jīng)網(wǎng)絡(luò)(back propagation neural networks, BPNN)、 支持向量回歸(support vector regression, SVR)、 K最鄰近法(K-nearest neighbors, KNN)[12-14]三種機(jī)器學(xué)習(xí)方法中篩選出最優(yōu)模型。 BPNN是一種具有輸入層、 隱含層和輸出層的典型多層前向型神經(jīng)網(wǎng)絡(luò), 可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射, 具有較好的非線性映射逼近能力和預(yù)測能力。 SVR是支持向量機(jī)非線性回歸問題上的推廣, 能在保證數(shù)據(jù)逼近精度的同時(shí)降低逼近函數(shù)的復(fù)雜度, 特別對有限樣本、 非線性問題等方面具有諸多優(yōu)勢。 KNN是一種直觀的數(shù)據(jù)挖掘分類計(jì)數(shù)方法。 除了用于分類, 該方法也適用于回歸預(yù)測問題。 當(dāng)進(jìn)行回歸預(yù)測時(shí), 使用K個(gè)臨近的均值作為預(yù)測結(jié)果。

(4)

(5)

2 結(jié)果與討論

2.1 花葉病對甘蔗葉片的影響

通過圖2可以發(fā)現(xiàn), 花葉病葉片的葉綠素含量明顯低于健康葉片的葉綠素含量。 花葉病葉片的葉綠素含量為5.69～7.43 mg·cm-2, 均值為6.27 mg·cm-2, 標(biāo)準(zhǔn)差為0.45。 健康葉片的葉綠素含量為11.72～14.01 mg·cm-2, 均值為12.86 mg·cm-2, 標(biāo)準(zhǔn)差為0.71。 通過Welch’s 檢驗(yàn)得到表2結(jié)果。 由于t Stat大于t雙尾臨界, 因此拒絕假設(shè), 健康葉片和花葉病葉片葉綠素含量均值有顯著的差異。 究其原因, 是花葉病破壞了葉片的葉綠素, 因此花葉病葉片的葉綠素含量險(xiǎn)著低于健康葉片的葉綠素含量。

表2 Welch’s檢驗(yàn)結(jié)果

圖2 感染花葉病葉片和健康葉片的葉綠素含量的平均值及標(biāo)準(zhǔn)差, ***p<0.05

感染花葉病的葉片和健康葉片的光譜曲線具有相同的趨勢, 在520～600 nm間有一個(gè)反射峰, 600～700 nm間有一個(gè)吸收谷(圖3)。 但在520～650和700～850 nm這兩個(gè)區(qū)間, 花葉病葉片的反射率是要高于健康葉片的反射率。 通過圖3發(fā)現(xiàn)甘蔗葉片在感染花葉病后, 其紅邊位置出現(xiàn)了“藍(lán)移”。 由于甘蔗葉片感染花葉病, 大量葉綠素被破壞, 因此在光譜特征上與健康葉片會(huì)有較大的差異。

圖3 感染花葉病葉片與健康葉片在520～920 nm的平均光譜曲線

通過上述分析, 花葉病影響甘蔗葉片的葉綠素生成, 從而導(dǎo)致光譜曲線變化。 因此利用光譜反射率, 預(yù)測甘蔗葉片的葉綠素含量的方案是可行的。

2.2 最優(yōu)預(yù)處理的選擇

對原始光譜使用不同的預(yù)處理方法, 結(jié)果如圖4所示, 經(jīng)SG處理后的光譜變得更加平滑, 經(jīng)SNV、 MSC、 SG+SNV、 SG+MSC處理后, 原光譜曲線在700～850 nm的差異被消除, 曲線變得更集中。 經(jīng)SG+1stD處理后, 將原始光譜在700～850 nm間的差異放大。 經(jīng)1stD、 2ndD處理后, 噪音被放大。 經(jīng)SG+2ndD處理后, 光譜差異不明顯。

圖4 光譜不同預(yù)處理的結(jié)果

表3 不同預(yù)處理與原始光譜的PLSR模型對比分析

2.3 特征波段提取結(jié)果

通過計(jì)算各個(gè)波段的反射率與葉綠素含量的相關(guān)系數(shù), 可知520～649和691～829 nm兩區(qū)間內(nèi)波段的反射率與葉綠素含量的相關(guān)系數(shù)絕對值大于0.8(圖5), 說明在這兩個(gè)區(qū)間內(nèi)波段的反射率與葉綠素含量具有強(qiáng)相關(guān)性。 而花葉病葉片和健康葉片的光譜曲線在這兩個(gè)區(qū)間具有較大的差異(圖3)。 由于相關(guān)系數(shù)絕對值大于0.8的波段有269個(gè), 為了減少計(jì)算量, 選擇了相關(guān)系數(shù)絕對值前15的波段(圖6), 選取的波段詳見表4。

表4 不同方法選取的特征波段

圖5 各個(gè)波段反射率與葉綠素含量的相關(guān)系數(shù)

圖6 相關(guān)系數(shù)法篩選出的波段

通過連續(xù)投影算法篩選出特征波段(圖7), 最終篩選出15個(gè)特征波段, 占總波段的3.7%, 選取的具體波段見表4。 其中篩選出的波段在可見光范圍內(nèi)占33.3%, 在近紅外范圍內(nèi)占66.7%。 但在520～650和700～850 nm這兩個(gè)區(qū)間的波段, 花葉病葉片和健康葉片的光譜曲線具有較大的差異(圖3), SPA卻在這兩個(gè)區(qū)間篩選出較少特征波段。 這與相關(guān)系數(shù)法選擇的波段差異較大。

圖7 連續(xù)投影算法篩選出的波段

通過隨機(jī)森林算法得到每個(gè)波段對葉綠素預(yù)測的重要性(圖8)。 其中重要性較高的波段主要集中在520～650和700～830 nm之間, 總共有262個(gè)波段。 為了減少計(jì)算量, 選擇特征重要性前15的波段(圖9), 選取的波段見表4。

圖8 各波段重要性分布圖

圖9 隨機(jī)森林算法篩選出的波段

2.4 基于不同機(jī)器學(xué)習(xí)方法和不同特征波段選擇方法的預(yù)測結(jié)果

將全波段和提取出的特征波段作為不同機(jī)器學(xué)習(xí)方法的輸入變量(表5)。 其中M1為全波段(401個(gè)波段), M2、 M3、 M4分別為相關(guān)系數(shù)法、 連續(xù)投影算法、 隨機(jī)森林算法篩選出的15個(gè)特征波段。 由于相關(guān)系數(shù)法和隨機(jī)森林、 連續(xù)投影法選擇的特征波段差異較大。 因此, 增加兩組輸入變量, 分別為M5和M6, 其中M5為M2與M3相結(jié)合的波段, M6為M2與M4相結(jié)合的波段。

表5 葉綠素含量預(yù)測模型輸入變量分組

表6 甘蔗葉片葉綠素含量預(yù)測模型結(jié)果

圖10 基于M4和BPNN結(jié)合的模型預(yù)測葉綠素含量值與實(shí)測值比較

3 結(jié) 論

提出了一種使用高光譜數(shù)據(jù)預(yù)測花葉病脅迫下甘蔗葉片葉綠素的方法, 該方法對葉片的高光譜數(shù)據(jù)進(jìn)行不同的預(yù)處理和降維, 最終使用機(jī)器學(xué)習(xí)對葉綠素含量進(jìn)行預(yù)測。 通過分析實(shí)驗(yàn)結(jié)果可得到如下結(jié)果:

(1) 感染了花葉病的葉片相較于健康葉片, 葉片的葉綠素含量會(huì)顯著降低。 且感染花葉病的葉片與健康葉片的光譜也有較大的差異。 染病葉片在520～650和700～850 nm之間的光反射率要高于健康葉片。 因此利用光譜數(shù)據(jù), 反演葉片葉綠素含量是可行的。

(2) 通過SG、 MSC、 SNV、 1stD、 2ndD這些方法對原始光譜進(jìn)行預(yù)處理, 通過偏最小二乘回歸反演葉綠素含量, 發(fā)現(xiàn)SG預(yù)處理過后的光譜相較于原始光譜可以提高葉綠素反演的精度。

本研究為光譜遙感監(jiān)測花葉病脅迫下甘蔗葉片生長狀況建立了理論與技術(shù)基礎(chǔ)。 此模型于田間的適應(yīng)性將在后續(xù)工作中進(jìn)一步驗(yàn)證。