基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究

基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究

陈

兵1袁王方永1袁韩焕勇1袁刘

政1袁邓福军1袁林海1袁余渝1袁李少昆2,3袁王克如2,3袁肖春华3

渊1.新疆农垦科学院棉花研究所/农业部西北内陆区棉花生物学与遗传育种重点实验室/国家棉花改良中心新疆生产建设兵团分中心袁新疆石河子832003曰2.中国农业科学院作物科学研究所/国家农作物基因资源与基因改良重大科学工

程袁北京100081曰3.新疆兵团绿洲生态农业重点开放实验室/石河子大学袁新疆石河子832000冤

摘要院以黄萎病胁迫下棉花叶片为供试材料袁分析了黄萎病棉叶氮素含量(LNC)与光谱红边参数间的关系袁建立了黄萎病棉叶LNC(Leafnitrogencontent)的光谱红边参数诊断模型遥结果表明院(1)随着黄萎病严重程度的增加袁棉叶LNC逐渐减小袁且差异显著曰渊2冤黄萎病棉叶红边参数红边位置(REP)尧红边振幅渊Dr冤尧红谷位置(Lo)尧红边深度渊Depth672冤和红边面积(Area672)均减小袁红边宽度(Lwidth)增加袁且Area672的值减小的幅度最大袁Dr减小的幅度最小袁Lwidth的值增加的幅度较大曰(3)黄萎病棉叶LNC含量均与红边参数REP尧Lo尧Depth672和Area672呈极显著正相关袁与Lwidth呈极显著负相关袁与Dr未达显著相关曰(4)基于红边参数建立的黄萎病棉叶LNC含量的诊断模型均达到极显著水平渊<0.01冤袁其中以Area672为自变量建立的黄萎病棉叶LNC的诊断模型的精度最高袁中图分类号院S562

2超过0.7袁小于0.6袁小于0.007袁能很好地诊断黄萎病棉叶LNC遥

关键词院棉花曰黄萎病曰胁迫曰高光谱曰红边参数曰氮素含量曰诊断模型

文献标志码院A

文章编号院1002-7807(2013)03-0254-08

CHENBing1,WANGFang-yong1,HANHuan-yong1,LIUZheng1,DENGFu-jun1,LINHai1,YUYu1,LIShao-kun2,3,WANGKe-ru2,3,XIAOChun-hua3

渊1.

832000,

;3.

;2.

100081,832003,

冤

Usingdatafromred-edgeparametersofhaperspectra,weendeavoredtoprovideanexpedientwaytoextractleafnitro-gencontents(LNC)ofcottoninfectedwithVerticilliumwilt,andtolaythegroundworkforestimatingcottonyieldinfectedbyVerticilliumwiltusingremotesensingtechnology.TherelationshipbetweenLNCandrededgeparameterswereanalyzed,anddiagnosemodelsofspectrarededgeparameterswereestablishedforcottonleavesinfectedbyVerticilliumwilt.Themainresultsareasfollows:(1)Withtheincreaseofleafseveritylevel,LNClittlebylittledecreased,differenceissignificant.(2)Inallrededgeparameters,REP,Dr,Lo,Depth672andArea672alldecreased,andthedegreeofdecreasewasmaximumtoArea672value,thedegreeofdecreasewasminimumtoDrvalue;butLwidthlargelyincreased.(3)LNChadbestsignificantpositivecorrelationswithREP,Lo,Depth672andArea672,hadbestsignificantnegativecorrelationswithLwidth,andnobestsignificantcorrelationswithDr.(4)DiagnosemodelsofLNCtodiseasecottonleavesonthebasisofspectrarededgeparametersallattachedbestsig-nificantcorrelations(<0.01).ThediagnosemodelsbasedonArea672hadbestestimatedprecisionforLNC,and0.7,

lessthan0.6,

2wereover

lessthan0.007.SousingrededgeparametersofhaperspectramonitorLNCofcottoninfectedby作者简介院陈兵渊1979-冤袁男袁博士袁副研究员袁zyrcb@126.com收稿日期院2012-07-09

(YYD201102)

基金项目院国家自然基金(41161068)曰兵团科技攻关项目渊2011BA001袁2011BA008冤和新疆农垦科学院科技引导计划

3期陈兵等院基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究255

Verticilliumwiltisaccurateandconvenient,andthosemodelscanbetterdiagnoseLNC.

cotton;Verticilliumwilt;diseasestress;hyperspectra;rededgeparameters;nitrogencontents;diagnosemodels

植被叶片氮素是表征植被健康状况的主要生理指标袁氮素是影响植被生长最重要的营养元作物生长好坏袁最终影响作物的产量与品质[1-2]遥素袁因此袁氮素含量的变化能直接和间接地反映

本文考虑到以往研究的不足袁全面开展黄萎病胁迫下棉叶氮素含量的多个红边参数的比较研究袁筛选出相关性最好的红边参数袁建立了黄萎病棉叶氮素含量的最佳红边参数诊断模型袁以期为大面积航空航天遥感监测棉花病害及长势监测尧估产提供理论依据遥

害叶片氮素含量进行诊断的系统研究更是少见[12]遥

由于氮素含量与植被营养尧长势等指标密切相关袁他们与植被光合能力尧发育阶段又有较好的用能力和植被发育阶段的指示器[3]遥光谱红边主要是由植被叶片叶绿素在红光波段对光的强烈吸收与叶片内部组织在近红外波段对光的多次散射形成的强反射造成的袁波长范围一般在680～750nm遥由于光谱红边主要依据作物的营养状况尧生物量和物候期而发生变化袁作物的叶片组织发生变化时也会引起光谱红边的相应变化袁尤其当植被受到各种胁迫时植被的红边特征常发生显著的变化[4-6]遥因此袁可通过光谱红边特征对植被叶片氮素含量进行估测遥前人利用光谱特征对植被氮素含量监测进行了大量的研究遥例如袁直接采用光谱反射率监测植株氮素含量[7]袁利用对数形式的植被指数监测植株氮素含量[8]袁利用不同敏感波段构建不同植被指数监测植株氮素含量[9]遥在利用光谱红边参数监测植被氮素含直接采用单一方法计算某一红边参数对植株氮相关性袁所以它通常被认为是植被胁迫尧光合作

材料与方法

试验地及种植情况

试验于2005－2011年在新疆石河子棉区进行遥分别进行2个不同的试验袁实验点位置如图1遥第一个试验分别设在石河子大学新疆作物高产研究中心试验站和新疆农垦科学院棉花所黄萎病病圃田遥2个试验点相距约5km袁前茬均为机质含量19～22g窑kg-1袁碱解氮含量77～82mg窑300～315mg窑kg-1遥2005－2009年在石河子大学新疆作物高产研究中心试验站供试棉花品种8早24号尧新陆早33号尧中棉所36尧新彩5号和新个(新陆早6号尧新陆早7号尧新陆早13号尧新陆海21号)遥小区面积约为42.5m2袁按随机区组设2006年为60cm+30cm宽窄行设计袁2007－2009年为15cm+50cm宽窄行设计遥分别在每年的4月中下旬播种袁覆宽膜种植袁膜上点播袁膜下滴灌袁灌水量为3300m3窑hm-2袁施肥量为纯氮全生育期灌溉11次袁时间从每年的6月12日开始到8月24日结束袁每8d灌溉一次遥所有的磷尧钾和1/3的氮肥被用作基肥袁2/3的氮肥用作追肥袁其中2005－2007年于每年的6月28日和7月26日分2次随水施入袁2008－2009年按比例每次灌水时随水滴施遥其他按当地高产栽培模式管理遥2010－2011年在新疆农垦科学院棉花所黄萎病病圃田种植新陆早8号和新陆早33号2个品种遥小区设置和管理均与石河子大学新疆作物高产研究中心试验站基本相同袁种植密度为26300kg窑hm-2袁P2O5150kg窑hm-2和K2O75kg窑hm-2遥kg-1尧速效磷含量93～97mg窑kg-1尧速效钾含量棉花袁因此袁土壤特性相近袁均为壤质灰漠土袁有

量方面袁众多学者也提出了不同的监测方法院有素含量进行监测的研究[10-11]袁有改进或创建新的红边参数对植株氮素含量进行监测的研究[12]袁有利用不同算法计算同一光谱红边参数对植株氮种以上不同红边参数对植株氮素含量进行监测有的仅分析了不同的氮素水平下作物光谱和红素含量进行监测的研究[13-14]袁也有采用2种或2的研究[15-17]遥但多数研究并不深入和全面遥例如袁析[10]曰有的虽然较深入分析了红边参数和叶片氮素的变化情况及两者的相关性袁但未做进一步的红边参数对作物叶片氮素情况进行了诊断袁但未

计袁3个重复袁种植密度为24万株窑hm-2遥2005－边参数特征袁并未对他们之间的相互关系进行分

定量诊断和反演分析[18]曰有的虽利用1个或2个考虑到其他不同红边参数的诊断情况[13]曰也有的

虽利用不同红边参数对作物叶片进行了诊断袁但

未对结果进行比较和分析[15]曰利用红边参数对病

256棉花学报25卷

万株窑hm-2袁40cm+20cm宽窄行设置遥

第二个试验为大田试验遥分别设在石河子

效磷含量80～90mg窑kg-1尧速效钾含量290～310

143团19连19#地和14连8#地尧147团种子站2#地尧148团11连28#地常年大面积暴发黄萎病的棉田遥3个地区的土壤均是粘壤土袁有机质含量1.2%～1.5%袁碱解氮含量70～75mg窑kg-1尧速

mg窑kg-1遥试验区品种除第一个试验试验田的品种外袁又增加了惠远602和新陆早42号遥播种时间和小区设计同第一个试验袁其他栽培措施也按当地高产栽培模式管理遥

图1试验地所处的位置

Fig.1Thelocationofexperimentfields

样本材料获取及病情严重度分级

在黄萎病发生高峰期进行病害严重度调查袁不同严重度类型注意选用棉株相邻或相近叶位叶片作为样叶袁每小区内取棉株3株渊包括正常和黄萎病棉株冤袁每株取发病不同程度棉叶5片渊包括正常叶冤作为样本叶片遥样叶被迅速放入自封袋中袁立刻带回实验室进行光谱及理化参数测试遥参照黄萎病病情分级标准[19]基于棉叶受害枯黄面积占整个叶片面积百分数的可视化症状袁发病严重度被分为5级袁即正常渊b0冤院无症状渊0%冤曰轻度渊b1冤院症状渊0～25%冤曰中度渊b2冤院症状渊25%～50%冤曰严重渊b3冤院症状渊50%～75%冤曰极严重渊b4冤院症状渊75%～100%冤遥

叶片光谱和理化参数数据获取

单叶光谱采用美国

ASDFieldspecProFR2500便携式光谱仪与ASDLeafClip(ASD单叶测试夹)耦合测定遥单叶光谱测试夹本身带有模拟光源袁视场半径为2.5cm袁可在密闭环境下测定袁没有外界光源和环境的干扰遥ProFR2500便携式光谱仪有512个光谱波段袁波段范围为350～2500nm袁在350～1000

nm时光谱分辨率为3nm袁在1000～2500nm时为10nm遥将大田和试验站取回的不同严重程度的棉花黄萎病样叶立即进行测试袁测试时对每片样本叶片分中上部尧左基部和右基部各测2次袁每次测定2条光谱曲线袁每条光谱曲线扫描时间0.2s袁取平均值作为该叶片的光谱反射值遥每次测量前均用ASDLeafClip内置标准参考白板进行校正遥分别在每年的盛蕾期尧盛花期尧盛铃期和吐絮期对样本叶片进行光谱和理化参数测试遥

将黄萎病不同严重度

叶片测试光谱后在105益杀青30min袁80益烘干至恒重袁称取0.2g袁粉碎过100目筛袁用瑞士BUCHI公司产全自动B-339凯氏定氮仪测定叶片全氮含量渊Leafnitrogencontent,LNC)[20]遥

数据分析方法

用ASD公司提供的Viewspecprogram软件处理得到不同严重程度样叶渊包括正常叶片冤的原始反射光谱数据和光谱反射率曲线遥再采用光谱归一化微分分析技术袁在Matlab7.01软件中对反射光谱数据进行一阶微分渊差分冤处理袁得到微分光谱袁其近似计算方法如下[21]院

3期陈兵等院基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究257

()=[(()-籽(-1)]+1)-(-1)+1(1)

的光谱反射

式中袁院波段波长值曰()院波长

mg窑g-1袁而严重渊b3冤与极严重(b4)之间减小的幅度

严重度间渊b0-b3冤减小的幅度基本一致袁约为5

率值曰'()院波段的一阶微分值遥并进一步提取红边特征参数遥包括院红边位置(REP)为在680～750nm范围内光谱反射率的一阶微分值达到最大时所对应的波长曰红谷位置(Lo)为在680～750nm范围内光谱反射率的一阶微分值达到最小时所对应的波长曰红边宽度(Lwidth)为吸收谷深度一半处的宽度曰红边振幅渊Dr冤为红边区域内一阶微分光谱值的最大值曰红边深度渊Depth672冤为672nm处的吸收深度曰红边面积(Area672)为680～750nm红边范围内光谱一阶微分值的和遥统计分析应用SPSS10.0软件袁2005－2007年的90个样本用于建模袁2010－2011的80个样本用于检验遥

最大袁达到10mg窑g-1以上遥这些变化与黄萎病发生情况相一致袁说明LNC的变化很好地体现了黄萎病发生的情况遥

图2不同严重度黄萎病棉叶氮素含量变化

结果与分析

不同严重度黄萎病棉叶氮素含量变化为明确不同严重度黄萎病棉叶叶片氮素含量(LNC)变化情况袁将不同时期不同品种的黄萎病棉叶LNC进行平均袁再与不同黄萎病严重度进行组合可得图2遥从图2可以看出袁随着黄萎病严重度的增加袁黄萎病棉叶LNC逐渐减小袁并且差异极显著(

=63.696＞0.0001

Fig.2ChangesofnitrogencontentforcottonleavesinfectedVerticilliunwiltunderdifferentseveritylevels

不同严重度黄萎病棉叶光谱红边参数特征对棉叶受黄萎病胁迫后不同严重度光谱红边参数的特征分析后发现袁黄萎病胁迫导致光谱红边位置渊REP冤尧红谷位置渊Lo冤尧红边斜率渊Dr冤尧面积渊Area672冤的值均发生了很大的改变渊表1冤遥红边宽度渊Lwidth冤尧红边深度渊Depth672冤尧和红边

)遥此外袁LNC减小

的幅度较为均匀袁除极严重程度(b4)外袁其他每个表1表明袁随棉花黄萎病叶片病情严重度的增

表1不同严重度黄萎病棉叶光谱红边参数统计值

Table1StatisticsvalueofspectralrededgeparametersforcottonleavesofVerticilliunwiltunder

differentseveritylevels

参数处理

ParametersTreatmentsREP

012340123401234

统计值StatisticsvalueMeanMinMaxStd.E7097077120.3457067027100.4977036967090.9096976857071.3696886797112.1016856826900.5346806756850.7656736646851.3566586326702.1366396276562.0031.1120.9541.2430.0191.0480.8251.1590.0210.9980.7761.2670.0350.9620.4751.3620.0630.9920.2761.3520.078

参数处理

ParametersTreatmentsLwidth

012340123401234

统计值StatisticsvalueMeanMinMax24.28820.11427.00126.44322.28632.38030.57521.13636.79439.14430.78452.98450.12938.92462.4440.8000.7040.8550.7640.6920.8160.6870.5020.7960.5590.3260.7350.4200.1470.66097.16081.926108.04085.33471.06797.84870.55043.90590.62948.01430.54472.95327.9025.51553.300

Std.E

0.4120.6390.9321.3441.4920.0090.0080.0200.0280.0381.5551.7742.9852.9883.141

LoDepth672Dr渊伊100冤Area672258棉花学报25卷

加袁REP和Lo均减小袁且明显向短波方向移动渊蓝移冤袁Dr尧Depth672和Area672均减小袁而Lwidth增加遥进一步分析可知袁Area672减小的幅度最大袁

数Area672的相关性最好袁相关系数是0.886曰与REP的相关性最差袁相关系数为0.800遥红边参数相关性顺序是Area672＞Lo＞Lwidth＞Depth672＞REP遥由于作物叶片受病虫害后其细胞结构尧色素尧水分尧营养元素及外部形状等发生变化袁从而引起光谱变化袁而光谱红边主要依据作物的营养状况尧生物量和物候期而发生变化袁尤其当植被受到各种胁迫时植被的红边特征常发生显著的变化袁所以黄萎病发生后叶片氮素的变化必然引起光谱红边参数的变化袁两者具有密切的关系遥此外袁前人的研究表明[10,15,17]袁真正能用来监测叶片理化参数的红边参数并不多,最常用且相关性Lwidth遥因此本文将这6个红边参数与黄萎病LNC含量进行了相关分析袁发现不同严重度黄萎病棉叶LNC与光谱红边参数的变化规律具有很好的一致性袁且与光谱红边参数具有很好的相关性遥因此袁可利用光谱红边参数对黄萎病棉叶LNC进行诊断遥

较好的主要有REP尧Lo尧Dr尧Depth672尧Area672和

Dr减小的幅度最小袁Lo袁Depth672和Area672减小的幅度居中,Lwidth增加的幅度较大遥他们变幅大小顺序是院Area672＞Lo＞Lwidth＞REP＞Depth672＞Dr遥综合分析可知袁棉叶受黄萎病胁迫后不同严重度光谱红边参数发生了相应的变化袁表现出了黄萎病叶片特有的光谱红边特征遥

黄萎病棉叶氮素含量与红边参数间的相关性由不同严重度黄萎病棉叶LNC的变化和黄萎病棉叶光谱红边参数特征可知袁黄萎病使得棉叶LNC及光谱红边参数REP袁Lo袁Dr袁Lwidth袁Depth672和Area672的值均发生了较大的变化遥为更好地分析黄萎病发生后LNC与光谱红边参数的关系袁对两者进行了相关分析渊表2冤遥结果表明袁黄萎病棉叶LNC与红边参数REP尧Lo尧Dr尧Depth672和Area672均呈极显著正相关袁与红边参数Lwidth呈极显著负相关袁与红边参数Dr未达显著相关遥在极显著相关范围内袁LNC与红边参

表2黄萎病棉叶氮素含量和高光谱红边参数间的相关性

Table2

ThecorrelationforcottonleavesofVerticilliunwiltbetweennitrogencontentsand

spectralrededgeparameters

生理参数

Physiologicalparameters

LNC

红边参数Rededgeparameters

REP0.800*Lo0.885**Dr0.255

Lwidth-0.866**Depth6720.819**Area6720.886**注院*0.05显著水平袁**0.01显著水平遥

Note:*Significantatthe0.05probabilitylevel(<0.05),**Significantatthe0.01probabilitylevel(<0.01).

黄萎病棉花叶片氮素含量诊断模型在综合分析相关分析结果的基础上袁以2005－2007年的叶片样本数据作为训练样本袁选择与黄萎病棉叶LNC相关性最好的红边参数Area672为自变量袁以棉花黄萎病LNC为因变量袁建立棉花黄萎病LNC的诊断模型渊表3冤遥分析表3可得袁建立的所有LNC诊断模型的决定系数均通过了0.01的极显著相关袁只是不同形式的诊断模型精度不同遥其中袁以线性和二次多项式函数的诊断模型精度最高袁数的诊断模型最低袁

22考虑到线性模型简单且萎病LNC的最佳模型遥

值最大袁故认为以红边

参数Area672为自变量的线性诊断模型为棉花黄

为考察最佳诊断模型的精度袁利用2008－2011年独立试验数据对建立的棉花黄萎病LNC诊断方程进行检验遥以LNC的实测值为横坐标散点图袁并对其进行趋势线拟合渊图3冤遥据图3可差渊

冤为0.600袁相对误差渊

袁红边参数Area672算出的预测值为纵坐标作

均达到了0.785袁对数函

知袁拟合方程的决定系数渊2冤为0.754袁均方根误

冤0.007袁且

仅达到了0.682袁不同函数LNC方程的系数接近1袁表明利用光谱红边参数Area672建立的方程来诊断棉花黄萎病LNC的准确性较高袁稳定性较好遥

建立的模型精度的大小顺序是院线性函数＞二次多项式函数＞指数函数＞幂函数＞对数函数遥但

3期陈兵等院基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究表3黄萎病棉叶氮素含量的光谱红边参数诊断模型

259

Table3RegressionanalysisofcottonleavesofVerticilliunwiltbetweennitrogencontentsandthespectralred

edgeparameters

模型类型Typeofmodel线性Linear诊断模型DiagnosingmodelsLNC=0.0333伊Area672+0.3941决定系数(2)Determinativecoefficient0.785**0.682**0.785**0.724**0.755**值valve247.352146.056122.148178.439209.564

对数LogarithmicLNC=1.4095伊ln(Area672)－3.1157

二次多项式QuadraticLNC=-0.00003伊(Area672)2+0.0369伊(Area672)+0.3098乘幂Power

指数Exponential

LNC=0.1254伊(Area672)0.7208LNC=0.7969伊e

0.0162伊(Area672)

注院**0.01显著水平遥Note:**Significantatthe0.01probabilitylevel(<0.01).

速变小袁Depth672和作为深度和宽度综合指标的Area672也在迅速减小袁而Lwidth增加遥此外袁由于红边参数均是从叶片一阶导数光谱中提取出来的袁而导数运算往往会引入一定的噪声袁使得红边一阶导数光谱常会出现单峰尧双峰或者多个极大值尧极小值等现象[22-23]袁对红边参数准确性有一定的影响遥同时不同红边参数计算方法和表示的意义不同袁受到的影响因子也不同袁值的大小和变幅也不相同

图3黄萎病棉叶氮素含量红边参数诊断模型的预测值

与实测值拟合

Fig.3

Comparisonofleavesnitrogencontentof

Verticilliumwiltcottonbetweentheactualvaluesandtheestimatedvaluesderivedfromrededgeparameters

[22]

680～760nm一阶导数光谱所包围的面积袁由于

遥在红边参数中袁Area672是由

其覆盖了较多的波段袁包含了更多的光谱反射能量和信息袁波长范围过宽袁包含了数量较多的非敏感波段袁抗干扰能力差袁稳定性差袁变幅最大袁差异很明显曰Lo袁Lwidth和REP所包含的波段数少袁同时受测试环境不确定因素的影响较大袁抗干扰能力较差袁稳定性较弱袁变幅较大袁差异明显曰Depth672是红边处吸收峰的深度袁与Dr密切相关袁Dr是红边处一阶微分最大值袁往往只覆盖一个或几个较少的波段袁受测试环境等不确定因素的影响较小袁抗干扰能力好袁稳定性好袁变幅最小袁差异较明显遥

由于叶片不同组分对光谱不同波段和参数敏感性不同袁在可见光部分袁叶片光谱主要取决于叶肉结构参数和色素(叶绿素和类胡萝卜素)曰在红外波段袁叶片光谱主要受水分尧叶肉结构参数和干物质含量的影响遥而叶片的红边特征基本不受水分和类胡萝卜素的影响袁但受叶片内部结构参数尧叶绿素和氮素等的影响[4,24]遥因此袁黄萎病LNC对不同红边参数的响应亦不同遥本文基于相的不同红边参数分别建立了LNC的诊断模型遥其中袁以红边参数Area672为自变量建立的棉花黄关性的不同选择与黄萎病LNC含量相关性最好

讨论

本文并未对所有的红边参数进行分析袁也未对同一红边参数运用不同算法计算的差异进行分析袁而是选择了6个红边参数和常用最优的计算方法与黄萎病LNC进行了相关性分析袁并建立了黄萎病LNC的诊断模型遥研究发现袁随着黄萎病严重度的增加袁黄萎病棉叶LNC逐渐减小袁红边参数REP袁Lo袁Dr袁Depth672和Area672均减小袁Lwidth增加袁且不同红边参数的减小和增加的幅度不同遥由于病菌侵染叶片后大量分生孢子和菌丝体不断繁殖阻止了棉花体内水分运输袁降低叶片蒸腾袁同时产生的各种毒素不断地对叶片各个细胞器产生毒害袁导致叶片内部细胞结构发生显到破坏袁叶绿素和氮素含量不断下降[4]袁红光波段吸收减少袁反射增加遥因此随棉花单叶黄萎病病情严重度增加袁红光波段处的REP袁Dr和Lo迅著变化袁叶片变黄干枯袁叶绿体和蛋白质体等受

260棉花学报25卷

萎病LNC诊断模型具有最高的精度袁能很好地诊断黄萎病棉花LNC遥研究结果和前人的相关探究具有很好的一致性遥例如袁刘炜等利用红边参数Area672改进后对夏玉米叶片氮素含量进行了监测袁提高了监测精度[22]曰谭昌伟等利用红边参数置对小麦冠层氮素营养指标进行了监测[13]袁卢艳

[18]

carbondioxideandnitrogennutritiononcottongrowth袁develop-ment袁yieldandfiberquality[J]．AgronomyJournal袁2004袁96(4):1148-1157．[2]LEEYJ袁YangCM袁ChangKW袁etal．Asimplespectralindex

usingreflectanceof735nmtoassessnitrogenstatusofricecanopy[J]．AgronomyJournal袁2008袁100(1):205-212．[3]HATFIELDJL．Remotedetectionofcropstress:applicationto

plantpathology[J]．Phytopathology袁1990袁80(1):37-39．[4]CHENBing袁LiShao-kun袁WangKe-ru袁etal．Evaluatingthe

severitylevelofcottonVerticilliumusingspectralsignatureanal-ysis[J]．InternationalJournalofRemoteSensing袁2012袁33(9):2706-2724．[5]SMITHKL袁StevenMD袁CollsJJ．Useofhyperspectral

derivativeratiosintherededgeregiontoidentifyplantstressre-sponsestogasleak[J]．RemoteSensingofEnvironment袁2004袁92(2):207-217．[6]陈

兵袁李少昆袁王克如袁等．基于TM影像光谱指数的棉花

Area672对夏玉米茎秆全氮含量进行了估测袁模型的精度达到0.8[15]遥但姚霞等利用不同算法红边位

丽等的研究表明红边参数Lo与冬小麦冠层不同叶位LNC的相关性最好袁均与本文选取红边参数Area672对黄萎病LNC进行监测存在差异遥可能的原因是不同作物类型对光谱红边参数的响应不同袁不同病虫等胁迫的致病因子不同袁对叶片和LNC的迫害机理不同导致其对红边参数的响应不同遥此外袁由于病害发生后叶片内部生理生化反应是个复杂的过程袁还伴随着叶片水分尧叶片厚度尧叶片内各种酶的变化等袁必将对叶片光谱红边产生一定的影响袁这些参数的变化如何袁其与红边参数的关系如何袁能否用相应的红边参数对其诊断袁将是今后研究的主要内容遥

病害严重度估测[J]．红外与毫米波学报袁2011袁30(5)院451-456．CHENBing袁LiShao-kun袁WangKe-ru袁etal．Estimatingsever-itylevelofcottondiseasebasedonspectralindicesofTMimage[J]．JournalofInfraredandMillimeterWaves袁2011袁30(5):451-456．[7]PONZONIFJ袁GoncalvesJLM.Spectralfeaturesassociated

withnitrogen袁phosphorus袁andpotassiumdeficienciesin

结论

本研究发现袁随着黄萎病严重度的增加袁黄萎病棉叶LNC逐渐减小袁且差异显著曰REP袁Lo袁Dr袁Depth672和Area672均减小袁Lwidth增加袁且不同红边参数的减小和增加的幅度不同遥黄萎病棉叶LNC与红边参数REP尧Lo尧Depth672和Area672均呈极显著正相关袁与红边参数Lwidth呈极显著负相关袁与红边参数Dr未达显著相关袁并且各自的相关性存在一定的差异袁基于此建立的黄萎病棉叶LNC的红边参数诊断模型均达到极显著水平袁其中以红边参数Area672为自变量建立的棉花黄萎病LNC线性诊断模型的精度最高袁拟合方程的

2

salignaseedlingleaves[J].InternationalJournalofRemoteSensing袁1999袁20(11):2249-2264

[8]YODERBJ袁Pettigrew-CrosbyRE．Predictingnitrogenand

chlorophyllcontentandconcentrationsfromreflectancespectra(400–2500nm)atleafandcanopyscales[J]．RemoteSensingofEnvironment袁1995袁53(3):199-211．[9]ERRMANNI袁KarnieliA袁BonfilDJ袁etal．SWIR-basedspec-tralindicesforassessingnitrogencontentinpotatofields[J]．In-ternationalJournalofRemoteSensing袁2010袁31(19/20):5127-5143．[10]黄文江袁王纪华袁刘良云袁等．冬小麦红边参数变化规律及其

营养诊断[J]．遥感技术与运用袁2003袁18(4)院206-211．HUANGWen-jiang袁WangJi-hua袁LiuLiang-yun袁etal．Therededgeparametersdiversificationdisciplinariananditsappli-cationfornutritiondiagnosis[J]．RemoteSensingTechnologyandApplication袁2003袁18(4):206-211．[11]LAMBDW袁Steyn-RossM袁SchaareP袁etal．Estimatingleaf

nitrogenconcentrationinryegrass(

.)pastureusing

超过0.7袁均小于0.6袁均小于

0.007袁提高模型精度的同时简化了模型的复杂度袁为更好地诊断黄萎病棉叶LNC提供了一套新的方法遥

参考文献院

[1]REDDYKR袁KotiS袁DavidonisGH袁etal．Interactiveeffectsof

thechlorophyllred-edge:theoreticalmodelingandexperimen-talobservations[J]．InternationalJournalofRemoteSensing袁2002袁23(18):3619-3648．[12]蒋金豹袁陈云浩袁黄文江袁等．条锈病胁迫下冬小麦冠层叶片

氮素含量的高光谱估测模型[J]．农业工程学报袁2008袁24

3期

(1)院35-39．陈兵等院基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究261

parametricvariationandcorrelationanalysiswithNcontentinwinterwheat[J]．RemoteSensingTechnologyAndApplica-tion袁2007袁21(1):1-7．[19]方中达．植病研究方法[M]．北京院农业出版社袁1979院3-5．FANGZhong-da．Themethodofplantdisease[M]．Beijing:AgriculturalPublishingHouse袁1979:3-5．[20]鲍士旦．土壤农化分析[M]．北京院中国农业出版社袁2000院

14-38．BAOShi-dan．Soilandagriculturalchemistryanalysis[M]．Beijing:ChinaAgriculturePress袁2000:14-38．[21]DEMETRIALDES-SHANTH袁StevenMD袁ClarkJA．High

resolutionderivativespectrainremotesensing[J]．RemoteSensingofEnvironment袁1990袁33(1):55-64．[22]刘

炜袁常庆瑞袁郭

曼袁等．基于改进红边面积的夏玉米叶

JIANGJin-bao袁ChenYun-hao袁HuangWen-jiang袁etal．Hy-perspectralestimationmodelsforLTNcontentofwinterwheatcanopyunderstriperuststress[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering袁2008袁24(1):35-39．[13]姚霞袁田永超袁刘小军袁等．不同算法红边位置监测小麦冠

层氮素营养指标的比较[J]．中国农业科学袁2010袁43(13)院2661-2667．YAOXia袁TianYong-chao袁LiuXiao-jun袁etal．Comparativestudyonmonitoringcanopyleafnitrogenstatusonrededgepo-sitionwithdifferentalgorithmsinwheat[J]．ScientiaAgricul-turaSinica袁2010袁43(13):2661-2667．[14]CHOMA袁SkidmoreAK．Anewtechniqueforextractingthe

rededgepositionfromhyperspectraldata:Thelinearextrapola-tionmethod[J]．RemoteSensingofEnvironment袁2006袁101(20):181-193．[15]谭昌伟袁王纪华袁郭文善袁等．利用遥感红边参数估算夏玉米

农学参数的可行性分析[J]．福建农林大学学报院自然科学版袁2006袁35(2)院123-128．TANChang-wei袁WangJi-hua袁GuoWen-shan袁etal．Agrono-myparametersofsummermaizediagnosedbyrededgeparam-etersobtainablefromremotelysensingdata[J]．JournalofFu-jianAgriculturalandForestryUniversity:NaturalScience袁2006袁35(2):123-128．[16]YUMIKOK袁WilliamR袁JohnS袁etal．Rededgeasapotential

indexfordetectingdifferencesinplantnitrogenstatusinwinterwheat[J]．JournalofPlantNutrition袁2012袁35(10):1526-1541．[17]LIUZhan-yu袁HuangJing-feng袁WuXin-hong袁etal．Compari-sonofvegetationindicesandred-edgeparametersforestimat-inggrasslandcoverfromcanopyreflectancedata[J]．JournalofIntegrativePlantBiology袁2007袁49(3):299-306．[18]卢艳丽袁李少昆袁白由路袁等．冬小麦冠层光谱红边参数的变

化及其与氮素含量的相关分析[J]．遥感技术与应用袁2007袁21(1)院1-7．LUYan-li袁LiShao-kun袁BaiYou-lu袁etal．Spectralrededge

片氮素含量导数光谱监测[J]．西北农林科技大学学报院自然科学版袁38(4)院91-98．LIUWei袁ChangQing-rui袁GuoMan袁etal．Monitoringofleafnitrogencontentinsummercornwithfirstderivativeofspec-trumbasedonmodifiedrededge[J]．JournalofNorthwestA&FUniversity:NaturalScience袁38(4):91-98．[23]薛利红袁杨林章．采用不同红边位置提取技术估测蔬菜叶绿

素含量的比较研究[J]．农业工程学报袁2008袁24(9)院165-169．XUELi-hong袁YangLin-zhang．Comparativestudyonestima-tionofchlorophyllcontentinspinachleavesusingvariousrededgepositionextractiontechniques[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering袁2008袁24(9):165-169．[24]梁守真袁施

平袁马万栋袁等．植被叶片光谱及红边特征与叶

片生化组分关系的分析[J]．中国生态农业学报袁2010袁18(4)院804-809．LIANGShou-zhen袁ShiPing袁MaWan-dong袁etal．Relationalanalysisofspectraandred-edgecharacteristicsofplantleafandleafbiochemicalconstituent[J]．ChineseJournalofEcoAgri-culture袁2010袁18(4):804-809．