王洪健, 于海業(yè), 高山云, 李金權(quán), 劉國(guó)鴻, 于 躍, 李曉凱, 張 蕾, 張 昕, 盧日峰, 隋媛媛*

1. 吉林大學(xué)生物與農(nóng)業(yè)工程學(xué)院, 吉林 長(zhǎng)春 130022 2. 吉林大學(xué)公共衛(wèi)生學(xué)院, 吉林 長(zhǎng)春 130021

引 言

據(jù)國(guó)際糧農(nóng)組織(IAEA)估計(jì), 全球每年有多達(dá)40%的作物因遭受病蟲(chóng)害而損失。 每年由病害造成全球農(nóng)作物產(chǎn)量損失超過(guò)2 200億美元, 約占糧食總產(chǎn)量的14%, 而由蟲(chóng)害造成的損失至少為700億美元, 約占糧食總產(chǎn)量的10%[1]。 玉米是畜牧業(yè)、 養(yǎng)殖業(yè)的主要飼料來(lái)源, 也是食品、 醫(yī)療衛(wèi)生、 輕工業(yè)、 化工業(yè)等行業(yè)不可或缺的原料之一。 《2020中國(guó)統(tǒng)計(jì)年鑒》顯示, 2019年我國(guó)玉米種植面積為4 128.4萬(wàn)公頃, 產(chǎn)量為26 077.9萬(wàn)噸, 占谷物總產(chǎn)量的39.28%, 已躍然成為我國(guó)第一大糧食作物。 玉米斑病是玉米大、 小斑病的總稱(chēng), 是由大斑病凸臍蠕孢菌(Exserohilumturcicum)與玉蜀黍平臍蠕孢菌(Bipolarismaydis)侵染引起的葉片病害, 一種常見(jiàn)的嚴(yán)重疾病, 在全球玉米主產(chǎn)區(qū)均有爆發(fā)。 在我國(guó)東北、 西北春玉米主產(chǎn)區(qū)、 華北夏玉米主產(chǎn)區(qū)及南方高海拔山區(qū)該病害尤為嚴(yán)重, 主要造成果穗減少、 種子干癟、 千粒重降低等影響。

玉米斑病害在整個(gè)生長(zhǎng)周期均會(huì)發(fā)生, 苗期發(fā)病幾率較小, 拔節(jié)期、 大喇叭口期、 抽雄期、 灌漿期、 乳熟期、 成熟期可完成多次侵染, 抽雄后病情逐漸加重, 傳染速度極快, 范圍廣, 早期不易發(fā)現(xiàn), 危害極大。 染病首年可減產(chǎn)約10%, 周年發(fā)病減產(chǎn)高達(dá)20%～30%, 嚴(yán)重威脅其品質(zhì)與產(chǎn)量[2]。 傳統(tǒng)的斑病害主要靠人工識(shí)別, 存在工作量大、 效率低等問(wèn)題, 對(duì)病害的診斷具有一定的主觀性, 且存在早期發(fā)病識(shí)別不及時(shí)的現(xiàn)象, 無(wú)法滿(mǎn)足大規(guī)模精準(zhǔn)診斷以及防范的需求[3-4]。 隨著光譜技術(shù)的迅速發(fā)展, 國(guó)內(nèi)外專(zhuān)家學(xué)者利用熒光光譜技術(shù)研究植物葉片病害規(guī)律, 進(jìn)而反演葉片病害侵染情況。 葉綠素?zé)晒夤庾V是一種可見(jiàn)光波段, 不同波段對(duì)植物水分和營(yíng)養(yǎng)脅迫的生理狀況反映不同, 可分析出其中包含的豐富的植物生長(zhǎng)信息, 是研究植物生長(zhǎng)信息及其與環(huán)境關(guān)系的靈敏探針。

基于熒光光譜分析植物病害的方法大致主要分為兩類(lèi)。 一類(lèi)是基于熒光光譜提取病害敏感波段和建立光譜病害指數(shù)。 Francisc[5]等采集了燕麥藍(lán)、 綠、 紅、 遠(yuǎn)紅四種單色光葉綠素?zé)晒夤庾V后, 對(duì)其進(jìn)行分析, 結(jié)果表明在光合作用的過(guò)程中紅光與藍(lán)光起促進(jìn)作用。 Simone Graeff[6]等對(duì)小麥白粉病葉片不同波長(zhǎng)范圍(380.000～1 300.000 nm)的反射率與白粉病的相關(guān)關(guān)系進(jìn)行了分析, 提取了小麥白粉病的敏感波段510.000～780.000 nm。 Davoud[7]等建立了小麥葉銹病兩種光譜病害指數(shù)LRDSI_1和LRDSI_2, 估計(jì)值與觀察值之間的R2高達(dá)0.94。 Kamlesh[8]等采用紅邊和神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)油棕橙斑病進(jìn)行了檢測(cè), 并對(duì)四個(gè)著名的紅邊光譜指數(shù)SR、 RENDVI、 EVI2和Cired edge進(jìn)行了評(píng)估。 Mohamad[9]等建立了六種油棕幼苗靈芝病害早期檢測(cè)光譜指標(biāo)Ratio1、 Ratio2、 Ratio3、 MSR7、 MSR15、 MSR19, 利用回歸技術(shù)對(duì)光譜指標(biāo)與葉片總?cè)~綠素(TLC)之間的關(guān)系進(jìn)行了分析。

另一類(lèi)是與植物生理指標(biāo)建立反演模型。 楊昊諭[10]等通過(guò)對(duì)黃瓜葉綠素?zé)晒夤庾V進(jìn)行分析, 選取熒光參數(shù)F732/F685與葉綠素相對(duì)含量, 對(duì)其建立模型, 該模型準(zhǔn)確地反映了葉綠素相對(duì)含量與葉綠素?zé)晒鈪?shù)之間的關(guān)系。 有研究通過(guò)對(duì)冬小麥8個(gè)不同生長(zhǎng)期葉片的反射光譜特性, 基于反射光譜與冬小麥葉片葉綠素含量建立預(yù)測(cè)模型, 該模型可以精準(zhǔn)預(yù)測(cè)冬小麥葉片葉綠素含量。 楊艷陽(yáng)[11]等從葉綠素?zé)晒夤庾V分析的角度研究茶鮮葉葉綠素含量與熒光光譜之間的關(guān)系, 在修正了葉片含水率的基礎(chǔ)上, 建立了茶鮮葉含水率的葉綠素相對(duì)含量與葉綠素?zé)晒鈴?qiáng)度的數(shù)學(xué)回歸模型。 Bassanezi[12]等利用染病葉片的健康部分熒光光譜評(píng)價(jià)葉片的染病情況, 采集銹斑病、 葉角斑病和炭疽病病變過(guò)程中的葉綠素?zé)晒夤庾V, 發(fā)現(xiàn)三種病害都降低了葉片光系統(tǒng)Ⅱ的最大熒光強(qiáng)度和最佳量子產(chǎn)率。 Cherif[13]等以西紅柿幼苗為試驗(yàn)對(duì)象, 研究了鋅脅迫對(duì)植物葉綠素?zé)晒獾挠绊? 結(jié)果表明: 當(dāng)熒光參數(shù)比F690/F735降低時(shí), 表明受到了鋅脅迫, 光合作用量子轉(zhuǎn)換過(guò)程會(huì)受到影響。 Mandai[14]的研究結(jié)果表明霜霉病害可引起作物葉綠素?zé)晒鈩?dòng)力學(xué)參數(shù)Fv/Fm的變化。

盡管?chē)?guó)內(nèi)外學(xué)者在環(huán)境脅迫、 病蟲(chóng)害識(shí)別、 生理信息監(jiān)測(cè)做了大量研究, 但多數(shù)都是基于發(fā)病后對(duì)病斑面積的研究, 鮮有對(duì)潛伏期斑病葉片生理信息及熒光光譜的研究。 本研究基于熒光光譜技術(shù)與生理信息參數(shù), 研究玉米關(guān)鍵生育期的病變規(guī)律, 提取敏感波段, 建立葉片病變的熒光光譜監(jiān)測(cè)模型, 為玉米斑病害的快速、 定量監(jiān)測(cè)提供強(qiáng)有力的技術(shù)支持。

1 實(shí)驗(yàn)部分

1.1 試驗(yàn)地與供試品種

2021年5月至8月, 實(shí)驗(yàn)于吉林大學(xué)生物與農(nóng)業(yè)工程學(xué)院農(nóng)業(yè)實(shí)驗(yàn)田(海拔高度150 m, 44°50′N(xiāo), 125°18′E)進(jìn)行。 供試土壤為東北典型黑土, 土壤參數(shù)如表1所示。 試驗(yàn)田長(zhǎng)16 m, 寬12 m, 分為3個(gè)小區(qū)。 樣品選用玉米“平安86”(來(lái)源于吉林大學(xué)農(nóng)業(yè)工程實(shí)驗(yàn)室), 于2021年5月11日播種, 種植密度為行距0.6 m, 株距0.35 m, 畝約3 200株。 施肥方式以基肥一次性施用, N-P2O5-K2O為29∶13∶10, 有30%釋放期為50～60 d的緩控釋氮素, 施用量為45 kg·畝-1。

表1 供試土壤參數(shù)Table 1 Parameters of the test soil

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)設(shè)置3個(gè)小區(qū)作為試驗(yàn)組, 分別為正常生長(zhǎng)(無(wú)病灶)區(qū)16 m×8 m、 潛在發(fā)病(病害潛伏期)區(qū)16 m×4 m、 早期發(fā)病(早期發(fā)病狀態(tài))區(qū)16 m×4 m。 防止種植區(qū)間發(fā)生病菌傳播, 以1.2 m為標(biāo)準(zhǔn)設(shè)置間隔。 使用人工接種斑病孢子法實(shí)現(xiàn)玉米不同斑病的感染程度, 在玉米拔節(jié)后期(13葉期), 株高約1 m開(kāi)始試驗(yàn)。 于2021年7月17日, 通過(guò)噴霧接種的方式, 接種斑病分生孢子懸浮液(來(lái)源吉林農(nóng)業(yè)大學(xué)植物病理實(shí)驗(yàn)室), 孢子密度為1×105～1×106個(gè)·mL-1, 接種量為5～10 mL·株-1。 玉米斑病的發(fā)病嚴(yán)重程度與接種的分生孢子量成正比, 潛在發(fā)病葉片接種1次, 早期發(fā)病葉片接種3次, 正常不發(fā)病葉片接種等量蒸餾水。 14天后, 誘發(fā)接種區(qū)域玉米開(kāi)始出現(xiàn)斑病, 且發(fā)病程度相對(duì)一致, 能夠滿(mǎn)足研究觀測(cè)要求。 其中玉米大、 小斑病參照中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)GB/T2339.1-2009《玉米大、 小斑病和玉米螟防治技術(shù)規(guī)范》, 試驗(yàn)中CK葉片為無(wú)病灶0級(jí), 潛在發(fā)病葉片等級(jí)為0～0.5級(jí), 早期發(fā)病葉片等級(jí)為0.5～2級(jí)。

1.3 光譜及生理參數(shù)的測(cè)量

于2021年8月1日、 3日、 6日斑病害發(fā)病盛期進(jìn)行采樣, 采樣時(shí)間為9:00-14:00, 測(cè)量時(shí)天氣晴朗, 采集不同組別葉片信息190片(其中對(duì)照組葉片∶潛在發(fā)病葉片∶早期發(fā)病葉片為20∶9∶9), 對(duì)玉米葉片的生理參數(shù)和熒光光譜數(shù)據(jù)同步采集, 生理參數(shù)包括相對(duì)葉綠素含量(SPAD)和光系統(tǒng)Ⅱ最大光化學(xué)量子效率(Fv/Fm)。

采用荷蘭Avantes公司生產(chǎn)的AvaSpec-2048-USB2 型光纖光譜采集系統(tǒng)采集熒光光譜, 該系統(tǒng)的檢測(cè)范圍為331.010～1 099.960 nm。 設(shè)置光譜儀的激光發(fā)射探頭與采集探頭成45°角, 采集光譜時(shí)貼于活體葉片, 每片葉獲取10條數(shù)據(jù)(取穩(wěn)定初始光譜), 采用Ava Soft 7.8 for Ava Spec-USB2軟件消除噪聲、 儀器誤差等因素對(duì)熒光光譜數(shù)據(jù)的影響。 大量研究表明SPAD值能精確反映作物體內(nèi)的葉綠素含量, 本研究以葉片SPAD值來(lái)代表葉綠素含量。 使用日本Konica Minolta公司生產(chǎn)的SPAD-502測(cè)定SPAD值, 每片葉獲取3條數(shù)據(jù)。 使用美國(guó)OPTI-SCIENCES公司生產(chǎn)的便攜式脈沖調(diào)制葉綠素?zé)晒夥治鰞x(OS1P)測(cè)定Fv/Fm, 葉片充分暗適應(yīng)20 min后進(jìn)行測(cè)定, 每片葉獲取3條數(shù)據(jù)取均值, 數(shù)據(jù)處理與分析采用MATLAB R2020b、 Origin2021 Pro、 和SPSS Statistics25.0軟件。

1.4 數(shù)據(jù)集選取與劃分

試驗(yàn)共采集玉米葉片樣本190片, 剔除30片異常樣本后按訓(xùn)練集∶預(yù)測(cè)集為3∶1合理劃分, 分別為訓(xùn)練集樣本120片, 驗(yàn)證集樣本40片。 其中CK葉片訓(xùn)練集60片, 驗(yàn)證集20片。 潛在發(fā)病葉片訓(xùn)練集30片, 驗(yàn)證集10片。 早期發(fā)病葉片訓(xùn)練集30片, 驗(yàn)證集10片。

2 結(jié)果與討論

2.1 玉米葉片生理參數(shù)對(duì)斑病響應(yīng)規(guī)律研究

2.1.1 玉米葉片SPAD對(duì)斑病響應(yīng)規(guī)律研究

葉綠素相對(duì)含量是評(píng)價(jià)植株光合作用效率和環(huán)境脅迫的重要指標(biāo), 也是解析光譜變化的敏感因子之一, 因此實(shí)時(shí)無(wú)損監(jiān)測(cè)葉綠素狀況對(duì)作物的農(nóng)情監(jiān)測(cè)、 產(chǎn)量估算具有重要意義[15]。

本研究在不同病害程度下, 獲取玉米葉片SPAD的實(shí)測(cè)值, 結(jié)果如表2所示。 研究表明: 隨著凸臍蠕孢菌與平臍蠕孢菌在葉片上附著與繁殖, 葉片壞死細(xì)胞數(shù)量增加, 橢圓形或紡錘形病斑面積擴(kuò)大, 葉綠素含量大幅度下降, 葉片SPAD值降低, 葉綠素對(duì)光的合成與分解受到抑制, 葉片光合作用減弱。 隨著斑病害程度的增加, 葉片萎蔫程度增加, 葉綠體結(jié)構(gòu)受損, 尤其是在抽穗時(shí)期之后更加明顯, 嚴(yán)重阻礙了玉米正常生長(zhǎng)、 發(fā)育以及果實(shí)的形成。 綜合以上分析表明: 可以利用SPAD值表征玉米斑病害規(guī)律。

表2 不同病害程度下SPAD實(shí)測(cè)值統(tǒng)計(jì)表Table 2 Statistical table of SPAD measured values under different disease degrees

2.1.2 玉米葉片F(xiàn)v/Fm對(duì)斑病響應(yīng)規(guī)律研究

Fv/Fm是PSⅡ的最大光化學(xué)量子產(chǎn)量或?yàn)镻SⅡ潛在最大量子產(chǎn)量, 它反映的是PSⅡ反應(yīng)中心均處于開(kāi)放態(tài)時(shí)的量子產(chǎn)量, 一般恒定在0.80～0.85[16]之間。 當(dāng)植物體受到光抑制、 環(huán)境脅迫或發(fā)生某些基因突變時(shí),Fv/Fm值會(huì)出現(xiàn)顯著變化。 所以, 熒光參數(shù)Fv/Fm廣泛應(yīng)用于植物光合作用和生理生化以及各種逆境脅迫對(duì)植物光合作用影響的研究, 可以采用其降低的幅度來(lái)衡量逆境脅迫對(duì)PSⅡ復(fù)合體損傷的程度, 反映逆境對(duì)植物光合作用的傷害程度[17]。

在不同病害程度下, 獲取玉米葉片F(xiàn)v/Fm的實(shí)測(cè)值, 結(jié)果如表3所示。 研究表明,Fv/Fm的減少幅度可以粗略地作為PSⅡ光抑制損傷的指標(biāo), 正常不發(fā)病葉片平均Fv/Fm為0.781, 潛在發(fā)病葉片平均Fv/Fm為0.751, 早期發(fā)病葉片平均Fv/Fm為0.726。 患病狀態(tài)下,Fv/Fm顯著下降(p<0.05), 早期患病狀態(tài)下,Fv/Fm下降了7.04%, 潛在發(fā)病葉片F(xiàn)v/Fm下降了3.84%。 可以看出, 潛在發(fā)病狀態(tài)與發(fā)病初期, 葉片的SPAD值與Fv/Fm均顯著下降, 且下降的幅度較大。 結(jié)果表明: 玉米植株在潛在發(fā)病與早期病害階段Fv/Fm的減少會(huì)導(dǎo)致植株葉片的光合系統(tǒng)受損, 光合能力下降, 可以用Fv/Fm參數(shù)表征斑病害的生理參數(shù)規(guī)律。

表3 不同病害程度下Fv/Fm實(shí)測(cè)值統(tǒng)計(jì)表Table 3 Statistical table of Fv/Fm measured values under different disease degrees

通過(guò)對(duì)不同斑病害程度下葉片SPAD和Fv/Fm的綜合分析表明: 隨著斑病害嚴(yán)重程度的增加, 葉片SPAD和Fv/Fm均有不同程度的下降, 與前人的研究結(jié)論一致。 說(shuō)明斑病害越嚴(yán)重, 玉米葉片PSⅡ反應(yīng)中心開(kāi)放比例和電子傳遞速率下降越快, 進(jìn)而為光合作用提供的能量減少, 不利于后期玉米干物質(zhì)的積累。

2.2 玉米葉片熒光光譜在不同病害程度下的差異性分析

采集葉綠素?zé)晒夤庾V的過(guò)程中會(huì)出現(xiàn)不同光譜波段間的“抖動(dòng)”現(xiàn)象, 對(duì)光譜指數(shù)運(yùn)算結(jié)果造成一定偏差和影響, 不利于反映植株真實(shí)生理情況。 試驗(yàn)采用的葉綠素?zé)晒夤庾V儀激光發(fā)射器發(fā)射波長(zhǎng)是473.000 nm, 采集到的光譜波段范圍是331.010～1 099.960 nm, 每一條光譜都具有1 355個(gè)光譜信息, 數(shù)據(jù)量冗余。 波段472.305～499.896 nm為激光器光源形成的光譜區(qū)域與波段900.000～1 099.960 nm 之間的熒光光譜呈現(xiàn)出趨于平緩穩(wěn)定的小幅度波動(dòng)。 對(duì)比多條光譜分析后, 發(fā)現(xiàn)此光譜波段波動(dòng)范圍較小, 對(duì)玉米葉片光合生理信息檢測(cè)的影響較小。 因此, 以上兩個(gè)波段均可視為本試驗(yàn)研究的無(wú)效光譜波段, 忽略不計(jì)。 500.000～900.000 nm的原始光譜、 FD光譜與SD光譜如圖1所示。

圖1 不同預(yù)處理葉片的熒光光譜特征Fig.1 Fluorescence spectrum characteristics of leaves with different pretreatment

對(duì)500.000～900.000 nm的原始光譜、 FD光譜與SD光譜進(jìn)行峰值分析, 其結(jié)果如表4所示。 原始光譜經(jīng)FD、 SD處理后, 多條光譜曲線呈現(xiàn)出一定規(guī)律變化的峰中心, 此時(shí)能夠反映光譜性質(zhì)的敏感波段增多, 表明其特征變量增多, 如圖2(a, b, c)所示。 原始光譜峰中心出現(xiàn)在685.456與735.540 nm附近。 FD預(yù)處理光譜峰中心出現(xiàn)在676.896、 692.313、 748.573和750.271 nm附近。 SD預(yù)處理光譜峰中心出現(xiàn)在665.457、 668.318、 671.751、 685.465、 695.465、 698.015、 700.295和703.713 nm附近。 峰中心的熒光強(qiáng)度均表現(xiàn)出明顯的波動(dòng)和差異, 說(shuō)明原始波段在該波段處存在極值, 可作為提取特征波長(zhǎng)的敏感波段。

圖2 光譜峰擬合圖(a): 原始光譜擬合圖; (b): FD光譜擬合圖; (c): SD光譜擬合圖Fig.2 Spectral peak fitting diagram(a): Original spectral fitting figure; (b): FD spectral fitting figure; (c): SD spectral fitting figure

表4 峰擬合結(jié)果Table 4 Peak fitting results

通過(guò)對(duì)原始光譜、 FD光譜、 SD光譜峰中心、 波峰波谷位置及相關(guān)系數(shù)的比較分析, 綜合考慮熒光光譜的明顯差異性, 從三種方法中選取最優(yōu)的特征波長(zhǎng) (optimal characteristic wavelength, OCW)作為本試驗(yàn)研究對(duì)象, 其有效光譜波段為500.000～900.000 nm。

2.3 基于不同預(yù)處理方法的熒光光譜建模分析

2.3.1 反演模型的建立

以光譜敏感波段(OCW)作為模型輸入量, 采用多元散射校正 (multivariate scattering correction, MSC)、 標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variable transformation, SNV)、 多項(xiàng)式平滑(Savitzky-Golaay, S-G)、 FD光譜一階導(dǎo)數(shù)預(yù)處理、 SD光譜二階導(dǎo)數(shù)預(yù)處理等5種單一預(yù)處理方法, MSC-SG-FD、 MSC-FD-SG、 SNV-SG-FD、 SNV-SG-SD等4種建模組合方法對(duì)原始光譜進(jìn)行處理, 采用梯度法選取校正集與預(yù)測(cè)集, 建立500.000～900.000 nm波段經(jīng)典最小二乘(classical-least-squares, CLS)SPAD和Fv/Fm的熒光光譜反演模型。

2.3.2 建模方法比較與結(jié)果分析

以模型訓(xùn)練集和驗(yàn)證集的相關(guān)系數(shù)Rc和Rp, 均方根誤差RMSEC和RMSEP, 作為模型效果評(píng)價(jià)標(biāo)準(zhǔn)。 相關(guān)系數(shù)越大, 均方根誤差越小, 說(shuō)明模型效果越好。 OCW預(yù)處理是選取的原始特征光譜, 以作為其他預(yù)處理方法的對(duì)照。 比較和分析利用不同模型反演估計(jì)玉米葉片生理參數(shù)的準(zhǔn)確性, 以確定最佳建模方法。

(1)潛在發(fā)病葉片建模方法比較

對(duì)潛在發(fā)病葉片建立5種單一預(yù)處理方法與4種組合方法的熒光光譜反演模型, SPAD與Fv/Fm反演模型中訓(xùn)練集和預(yù)測(cè)集的相關(guān)系數(shù)Rc和Rp、 均方根誤差RMSEC和RMSEP, 結(jié)果如表5所示。 研究表明: 在SPAD的反演模型中, 5種預(yù)處理方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.937 2以上, 均方根誤差RMSEC均在5.47以下。 4種組合方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.930 2以上, 均方根誤差RMSEC均在3.56以下。 4種組合方法的SPAD反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性如圖3所示。 在Fv/Fm的反演模型中, 5種單一預(yù)處理方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.922 6以上, 均方根誤差RMSEC均在7.45以下。 4種組合方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.944 7以上, 均方根誤差RMSEC均在5.24以下。 4種組合方法的Fv/Fm反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性如圖4所示。 SPAD與Fv/Fm反演模型整體效果和性能較好。

圖3 潛在發(fā)病葉片SPAD反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.3 Correlation between measured value and predicted value of SPAD inversion model for potentially diseased leaves

圖4 潛在發(fā)病葉片F(xiàn)v/Fm反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.4 Correlation between measured values and predicted values of Fv/Fm inversion model for potentially diseased leaves

表5 潛在發(fā)病葉片不同建模方法的建模效果比較Table 5 Comparison of modeling effects of different modeling methods for potentially diseased leaves

在對(duì)潛在發(fā)病葉片建立反演模型并對(duì)比模型訓(xùn)練集的Rc和RMSEC之后, SPAD反演模型中SNV-SG-SD的效果最佳, 其相關(guān)系數(shù)Rc為0.985 2, 均方根誤差RMSEC為1.59。 而SNV的模型效果最差,Rc為0.942 7, 均方根誤差RMSEC為4.33。Fv/Fm反演模型中SNV-SG-FD的效果最佳, 其相關(guān)系數(shù)Rc為0.976 8, 均方根誤差RMSEC為2.85。 而FD的模型效果最差,Rc為0.930 0, 均方根誤差RMSEC為7.40。

(2)早期發(fā)病葉片建模方法比較

對(duì)早期發(fā)病葉片建立5種單一預(yù)處理方法與4種組合方法的熒光反演模型, SPAD與Fv/Fm反演模型中訓(xùn)練集和預(yù)測(cè)集的相關(guān)系數(shù)Rc和Rp、 均方根誤差RMSEC和RMSEP, 結(jié)果如表6所示。 研究表明: 在SPAD的反演模型中, 5種單一預(yù)處理方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.936 6以上, 均方根誤差RMSEC均在4.68以下。 4種組合方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.946 2以上, 均方根誤差RMSEC均在3.94以下。 4種組合方法的SPAD反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性如圖5所示。 在Fv/Fm的反演模型中, 5種單一預(yù)處理方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.887 3以上, 均方根誤差RMSEC均在0.017 8以下。 4種組合方法模型的訓(xùn)練集相關(guān)系數(shù)Rc均在0.887 5以上, 均方根誤差RMSEC均在0.020 0以下。 4種組合方法的Fv/Fm反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性如圖6所示。 SPAD與Fv/Fm反演模型整體效果和性能較好。

圖5 早期發(fā)病葉片SPAD反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.5 Correlation between measured value and predicted value of SPAD inversion model for early-onset leaves

圖6 早期發(fā)病葉片F(xiàn)v/Fm反演模型實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.6 Correlation between measured value and predicted value of Fv/Fm inversion model for early-onset leaves

表6 早期發(fā)病葉片不同建模方法的建模效果比較Table 6 Comparison of modeling effects of different modeling methods for early-onset leaves

在對(duì)早期發(fā)病葉片建立反演模型并對(duì)比模型訓(xùn)練集的Rc和RMSEC之后, SPAD反演模型中SNV-SG-SD的效果最佳, 其相關(guān)系數(shù)Rc為0.949 7, 均方根誤差RMSEC為3.79。 而MSC的模型效果最差,Rc為0.936 6, 均方根誤差RMSEC為4.19。Fv/Fm反演模型中SNV-SG-SD的效果最佳, 其相關(guān)系數(shù)Rc為0.943 8, 均方根誤差RMSEC為0.011 7。 而MSC的模型效果最差,Rc為0.887 3, 均方根誤差RMSEC為0.017 8。

由表5和表6可知, 4種建模組合方法下建模精度都在0.930 2以上。 組合方法對(duì)數(shù)據(jù)進(jìn)行了重新整合和篩選, 提取了對(duì)數(shù)據(jù)信息系統(tǒng)解釋性最強(qiáng)的綜合變量, 減少了建模過(guò)程中嚴(yán)重相關(guān)性和峰中心提取不正確的影響, 使得SNV模型優(yōu)于MSC模型。 對(duì)于反演模型中相關(guān)系數(shù)R2的研究表明: 其中SPAD的9種建模方法的相關(guān)系數(shù)R2, 無(wú)論訓(xùn)練集還是驗(yàn)證集均在0.92以上, 均方根誤差都在5.0左右, 模型整體效果和性能較好。 其中Fv/Fm的9種建模方法的相關(guān)系數(shù)R2, 無(wú)論訓(xùn)練集還是驗(yàn)證集均在0.86以上, 均方根誤差都集中在0.055左右, 模型整體效果和性能較好。 在反演模型的訓(xùn)練和驗(yàn)證集樣本中, 同時(shí)分析了實(shí)測(cè)值與預(yù)測(cè)值之間的相關(guān)性。 結(jié)果表明: 無(wú)論是訓(xùn)練集還是驗(yàn)證集, 基于4種組合建模方法的實(shí)測(cè)值與預(yù)測(cè)值相關(guān)性較高, 基于5種單一的建模方法, 其模型的實(shí)測(cè)值與預(yù)測(cè)值相關(guān)性較差。

3 結(jié) 論

基于熒光光譜分析技術(shù), 將光譜數(shù)據(jù)與生理參數(shù)相結(jié)合, 探究不同玉米斑病害程度下玉米葉片生理參數(shù)和光譜特性的響應(yīng)規(guī)律, 同時(shí)構(gòu)建了SPAD和Fv/Fm的快速無(wú)損檢測(cè)模型。 結(jié)果表明:

(1)不同病害程度下玉米葉片的光譜特征存在差異性。 在波段600.000～800.000 nm內(nèi), 光譜反射率會(huì)出現(xiàn)明顯的峰中心, 達(dá)到極值。 在波段900.000 nm之后, 反射率趨于平穩(wěn), 特征明顯減少。

(2)可通過(guò)玉米葉片熒光光譜特性的變化表征病害的發(fā)病程度。 基于9種預(yù)測(cè)模型的分析來(lái)看, 組合方法的相關(guān)系數(shù)高于單一模型, 可以更加真實(shí)地反應(yīng)葉片的生理信息和光合能力。

(3)對(duì)于潛在發(fā)病葉片, SPAD與Fv/Fm的最優(yōu)模型均為SNV-SG-FD,Rc為0.985 2、 0.976 8。 對(duì)于早期發(fā)病葉片, SPAD的最優(yōu)模型為SNV-SG-FD,Rc為0.949 7。Fv/Fm的最優(yōu)模型為SNV-SG-SD,Rc為0.943 8。 該模型能夠?qū)崿F(xiàn)對(duì)早期斑病害玉米葉片SPAD和Fv/Fm的精準(zhǔn)預(yù)測(cè), 為作物脅迫狀態(tài)的生理信息監(jiān)測(cè)提供參考依據(jù)。

基于玉米葉片早期斑病害脅迫下的熒光光譜響應(yīng)分析, 受栽培的玉米品種單一、 數(shù)量較少、 實(shí)驗(yàn)中取得的數(shù)據(jù)不夠全面等條件的影響, 所得結(jié)論具有一定程度上的局限性。 針對(duì)于整個(gè)試驗(yàn)研究, 有待于進(jìn)一步增加玉米試驗(yàn)品種、 擴(kuò)大樣本數(shù)量, 同時(shí)開(kāi)展多因素水平的試驗(yàn)研究。 植物的光合作用是一個(gè)極其復(fù)雜的過(guò)程, 會(huì)受到玉米本身的品種、 生長(zhǎng)狀況的影響, 還會(huì)受到外界的光照強(qiáng)度、 光照時(shí)間、 溫度、 空氣濕度和土壤含水量等影響。 因此在實(shí)施周期性連續(xù)監(jiān)測(cè)的過(guò)程中, 需結(jié)合外界環(huán)境因素加以考慮。