劉建雄，李明,*，陶棟材*，彭作南，劉仲華，李麟，黃南，劉興國(guó)

(1.湖南農(nóng)業(yè)大學(xué)工學(xué)院，湖南 長(zhǎng)沙 410128；2.國(guó)家植物功能成分利用工程技術(shù)研究中心，湖南 長(zhǎng)沙 410128；3.湖南省農(nóng)友機(jī)械集團(tuán)，湖南 雙峰 411500；4.現(xiàn)代農(nóng)裝株洲聯(lián)合收割機(jī)有限公司，湖南 株洲 412003)

茶尺蠖是湖南、安徽、浙江等主產(chǎn)茶區(qū)為害的鱗翅目尺蛾科害蟲(chóng)，蟲(chóng)情嚴(yán)重時(shí)，茶叢被啃食呈掃帚狀，防治難度大，對(duì)茶樹(shù)長(zhǎng)勢(shì)和茶葉產(chǎn)量及品質(zhì)的影響極大[1–3]。傳統(tǒng)的對(duì)茶尺蠖蟲(chóng)情測(cè)報(bào)方式有蛹期調(diào)查和幼蟲(chóng)期調(diào)查等[4]，費(fèi)時(shí)耗力，受人為因素影響較大，且準(zhǔn)確率不高[5]，探索一種簡(jiǎn)便易行、準(zhǔn)確、有效的預(yù)測(cè)茶尺蠖危害程度的檢測(cè)方法，對(duì)及時(shí)有效采取防治措施，減少茶尺蠖為害對(duì)茶葉產(chǎn)量和品質(zhì)造成的損失意義重大。

鑒于高光譜數(shù)據(jù)可高精度地估測(cè)植被的生長(zhǎng)狀況，包含豐富的作物遭受病蟲(chóng)危害程度的信息[6]，筆者嘗試使用便攜式高光譜儀，采集茶樹(shù)冠層光譜數(shù)據(jù)，并利用點(diǎn)接觸法測(cè)定茶樹(shù)的葉面積指數(shù)，從光譜數(shù)據(jù)中篩選出隨葉面積指數(shù)變化明顯的光譜特征參數(shù)，并構(gòu)建相應(yīng)的回歸擬合模型，以相關(guān)系數(shù)最大的光譜特征參數(shù)的擬合模型作為茶尺蠖蟲(chóng)害指數(shù)模型，用以預(yù)測(cè)茶園茶尺蠖的為害程度。

1 材料與方法

1.1 試驗(yàn)茶園取樣

試驗(yàn)于2012年4月中下旬在湖南農(nóng)業(yè)大學(xué)長(zhǎng)安教學(xué)實(shí)習(xí)基地進(jìn)行。試驗(yàn)區(qū)茶樹(shù)長(zhǎng)勢(shì)較均勻，茶尺蠖第1 代幼蟲(chóng)始發(fā)，大量啃食春茶。在園區(qū)中任意抽取7 行，每行取5 個(gè)點(diǎn)，共35 個(gè)樣點(diǎn)。

1.2 方 法

1.2.1 光譜測(cè)定

采用美國(guó)ASD FieldSpec HandHeld 2 型便攜式高光譜儀，選擇無(wú)風(fēng)、能見(jiàn)度好的晴天，10：00— 14：00 測(cè)定茶樹(shù)冠層光譜反射率。觀測(cè)時(shí)，視場(chǎng)角為25°，光譜儀的探測(cè)頭垂直向下，與茶樹(shù)冠層頂端相距約0.5 m，觀測(cè)直徑約為0.22 m。為了減小誤差，每次測(cè)定前對(duì)光譜儀進(jìn)行白板校正，在每個(gè)樣點(diǎn)區(qū)域內(nèi)重復(fù)測(cè)量30 次，結(jié)果取光譜反射率的平均值。

1.2.2 葉面積指數(shù)測(cè)定

采用點(diǎn)接觸法[7]測(cè)定樣點(diǎn)茶樹(shù)葉面積指數(shù)。

1.2.3 高光譜特征參數(shù)的選取

常見(jiàn)的高光譜數(shù)據(jù)特征參數(shù)可分為3 個(gè)類(lèi)型，共19 個(gè)特征參數(shù)[8–9]，即從原始光譜、一階導(dǎo)數(shù)光譜當(dāng)中提取出來(lái)的基于高光譜位置變量、面積變量和植被指數(shù)變量。對(duì)這些高光譜特征參數(shù)與葉面積指數(shù)的相關(guān)性進(jìn)行分析，從中選出相關(guān)性最高的高光譜參數(shù)作為茶尺蠖的危害指數(shù)DI(disease index)。

1.2.4 高光譜數(shù)據(jù)處理

為了減小噪聲，提高信噪比，利用OriginPro8數(shù)據(jù)處理軟件，采用Savitgky–Golay 方法對(duì)原始光譜數(shù)據(jù)進(jìn)行平滑處理。

2 結(jié)果與分析

2.1 高光譜特征參數(shù)的分析

對(duì)試驗(yàn)區(qū)長(zhǎng)勢(shì)良好的茶樹(shù)(A 組)和遭受茶尺蠖啃食的茶樹(shù)(B組)冠層光譜進(jìn)行測(cè)定，其光譜反射率曲線如圖1 所示，發(fā)現(xiàn)正常生長(zhǎng)與受茶尺蠖為害的茶樹(shù)的高光譜反射率在520～580 nm 和690～790 nm 的變化非常明顯，茶葉長(zhǎng)勢(shì)越好，其高光譜的反射率越大。

圖1 Savitgky-Golay 平滑處理前后茶園的高光譜反射率Fig.1 Comparison between Savitgky-Golay smootDIng before and after

通過(guò)對(duì)光譜數(shù)據(jù)的處理，發(fā)現(xiàn)光譜反射率和其對(duì)應(yīng)的反射率一階導(dǎo)數(shù)值受茶尺蠖危害程度的影響非常明顯，茶尺蠖為害程度越大，其反射率與其對(duì)應(yīng)的反射率一階導(dǎo)數(shù)值越??；在其紅邊范圍內(nèi)，其反射率相對(duì)變化率為86.3%，一階導(dǎo)數(shù)值相對(duì)變化率為85.8%，一階導(dǎo)數(shù)總和相對(duì)變化率為87.3%。其原因是茶樹(shù)葉片被茶尺蠖啃食后，葉綠素含量減少，對(duì)紅光和藍(lán)紫光波段的吸收也隨之減少，使得紅光波段的總體吸收能力減小。與此同時(shí)，水分含量和葉面積指數(shù)也相應(yīng)減少，使得近紅外波段內(nèi)的反射率減小，從而使近紅外波段內(nèi)的反射率減小。

表1 茶尺蠖啃食茶園高光譜相關(guān)參數(shù)Table 1 The control of the hyperspectra’s parameters between the reference group and the experimental group

2.2 高光特征譜參數(shù)與葉面積指數(shù)的相關(guān)性

通過(guò)對(duì)試驗(yàn)區(qū)茶樹(shù)冠層的高光譜相關(guān)參數(shù)與葉面積指數(shù)的關(guān)系的對(duì)比分析，發(fā)現(xiàn)高光譜參數(shù)中，Rb、Db、SDb、Rr、Dr、SDr 及SDr/ SDb 相對(duì)變化率均超過(guò)20%，以高光譜特征參數(shù)x 和葉面積指數(shù)y，分別建立三項(xiàng)式擬合回歸模型(表2)。

結(jié)果表明，SDb、Rr、Dr 及SDr 等4 個(gè)高光譜參數(shù)與葉面積指數(shù)的相關(guān)性非常明顯，以SDr 的擬合回歸模型的相關(guān)系數(shù)最高，為0.995，故以SDr作為自變量，葉面積指數(shù)作為因變量，進(jìn)行曲線估計(jì)，尋找最佳擬合模型。

表2 葉面積指數(shù)與高光譜相關(guān)參數(shù)的非線性擬合回歸模型Table 2 The analysis of nonlinear fitting regression model of Leaf area index and Hyperspectral parameters

圖2 結(jié)果表明，SDr 的三項(xiàng)式回歸模型相關(guān)系數(shù)最大，且標(biāo)準(zhǔn)誤差最小，由此將SDr 值進(jìn)行比例變換，變換系數(shù)為100，作為蟲(chóng)害光譜檢測(cè)指數(shù)，則有DI=100SDr。

從試驗(yàn)園區(qū)隨機(jī)抽取20 個(gè)樣點(diǎn)，對(duì)其模型精度進(jìn)行檢驗(yàn)，用實(shí)際測(cè)得的葉面積指數(shù)值反推DI值，再利用已經(jīng)建立的模型對(duì)這20 個(gè)樣點(diǎn)的DI 進(jìn)行預(yù)測(cè)分析，結(jié)果預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.93，平均相對(duì)誤差為4.46%(圖3)，表明模型的預(yù)測(cè)大體上與真實(shí)值相當(dāng)，能較好地估測(cè)茶尺蠖發(fā)生的嚴(yán)重程度。

圖2 高光譜特征參數(shù)SDr 的不同模型對(duì)比Fig.2 Contrast among different model of DI spectral characteristic parameters

圖3 真實(shí)值與高光譜模型預(yù)測(cè)值的誤差分析Fig.3 The error analysis between true value and DI spectral model prediction

3 結(jié)論與討論

本研究通過(guò)采集茶園受茶尺蠖危害后的高光譜數(shù)據(jù)，建立與葉面積指數(shù)相應(yīng)的數(shù)學(xué)回歸模型，根據(jù)預(yù)測(cè)結(jié)果可以看出，預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.93，相對(duì)誤差平均值為4.46%，表明對(duì)茶尺蠖的危害程度預(yù)測(cè)值與真實(shí)值大體相當(dāng)，可以利用高光譜遙感技術(shù)對(duì)產(chǎn)業(yè)化和規(guī)?；鑸@的茶尺蠖危害情況進(jìn)行監(jiān)測(cè)。

研究?jī)H對(duì)1年內(nèi)的蟲(chóng)害情況進(jìn)行了分析，在后續(xù)研究中應(yīng)采集多年的光譜信息，以排除氣象因素對(duì)茶尺蠖危害程度的影響。當(dāng)前，已有通過(guò)構(gòu)建三維高光譜數(shù)據(jù)信息陣，采用多維偏最小二乘(NPLS)算法建立作物長(zhǎng)勢(shì)預(yù)測(cè)模型[11]，對(duì)農(nóng)作物的不同生長(zhǎng)時(shí)期的蟲(chóng)害危害程度進(jìn)行全程監(jiān)測(cè)的研究，在茶園蟲(chóng)害程度的監(jiān)測(cè)上也可以借鑒引入多種高維數(shù)據(jù)模型，通過(guò)比較其模型在回歸效果上的優(yōu)劣，來(lái)確定最佳的高光譜監(jiān)測(cè)模型。

[1]郭書(shū)普．農(nóng)業(yè)實(shí)用技術(shù)百科全書(shū)[M]．北京：中國(guó)致公出版社，1996：657–660．

[2]呂佩珂，蘇慧蘭，呂超，等．中國(guó)糧食作物、經(jīng)濟(jì)作物、藥用植物病蟲(chóng)原色圖鑒(下冊(cè))[M]．3 版．北京：遠(yuǎn)方出版社，2007：808–810．

[3]毛迎新，劉明炎，龔自明，等．茶尺蠖核型多角體病毒湖北分離株的分子鑒定[J]．湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)： 自然科學(xué)版，2010，36(6)：685–689，699．

[4]朱俊慶．茶尺蠖等三種食葉性害蟲(chóng)的測(cè)報(bào)技術(shù)[J]．茶葉，2002，28(2)：96–97．

[5]張春艷，譚琳，袁河清．茶尺蠖防治研究進(jìn)展[J]．農(nóng)林論壇，2009(31)：1159–1160．

[6]盧輝，韓建國(guó)，張錄達(dá)．高光譜遙感模型對(duì)亞洲小車(chē)蝗危害程度研究[J]．光譜學(xué)與光譜分析，2009，29(3)：745–748．

[7]程武學(xué)，潘開(kāi)志，楊存建．葉面積指數(shù)(LAI)測(cè)定方法研究進(jìn)展[J]．四川林業(yè)科技，2010，31(3)：51–54，78．

[8]Zhang Liangpei，Zheng Lanfen，Tong Qingxi．The estimation of vegetation variable based on DIgh resolu- tion spectra[J]．Journal of Remote Sensing，1997(2)：111–114．

[9]浦瑞良．高光譜遙感及其應(yīng)用[M]．北京： 高等教育出版社，2000．

[10]信陽(yáng)植保信息網(wǎng)．茶尺蠖防治警報(bào)[EB/OL]．http://www. hnzbw.com.cn/asp/detail.asp?id=8715，2008–04–23．

[11]王韜，張錄達(dá)，勞彩蓮，等．三維高光譜NPLS 模型用于冬小麥估產(chǎn)的初步研究[J]．光譜學(xué)與光譜分析，2006，26(10)：1915–1917．