基于不同叶位日光诱导叶绿素荧光信息的水稻叶瘟病早期监测

[目的/意义]基于遥感手段的稻叶瘟(Rice Leaf Blast,RLB)无损早期监测对于抗性育种和植保防控具有重要作用。目前对稻瘟病的研究多使用反射光谱在其显症阶段进行监测,针对稻叶瘟早期侵染阶段的日光诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)光谱监测研究尚未见报道。本研究的目的是基于不同叶位的日光诱导叶绿素荧光信息,实现水稻叶瘟病早期阶段感病叶片的准确识别。[方法]基于一年的温室接种试验和大田采样实验,配合使用主动光源、ASD(Analytical Spectral Devices)地物光谱仪和FluoWat叶片夹,获取了拔节期和抽穗期水稻植株顶1至顶4叶位的叶片SIF光谱,并人工标注了被测样本的发病等级。研究基于连续小波分析(Continue Wavelet Analysis,CWA)提取对稻叶瘟敏感的小波特征,比较了不同叶位敏感特征及其感病叶片识别精度,最后基于线性判别分析(Linear Discriminant Analysis,LDA)算法构建了稻叶瘟识别模型。[结果和讨论]各叶位感病叶片远红光区域的上行和下行SIF均显著高于健康叶片;基于SIF小波特征的感病叶片识别精度显著高于原始SIF波段,顶1叶的稻瘟病识别精度显著高于其他三个叶位,其识别精度最高可达70%;提取的适用于多叶位的共性敏感小波特征↑WF832,3和↓WF809,3在顶1至顶4叶的精度分别达到69.45%、62.19%、60.35%、63.00%和69.98%、62.78%、60.51%、61.30%。[结论]本研究揭示了稻瘟病胁迫下水稻叶片SIF光谱响应规律,提取了对稻叶瘟敏感的SIF小波特征,结果证明了连续小波分析和SIF技术用于诊断稻叶瘟的潜力,为实现稻瘟病的田间早期、快速、原位诊断提供了重要参考与技术支撑。

二向反射和方向半球反射光谱差异及其对小麦叶片叶绿素含量反演的影响

二向反射率因子(bidirectional reflectance factor,BRF)和方向半球反射率因子(directional-hemispherical reflectance factor,DHRF)是反射光谱的两种形式,但在生化参数监测过程中,多数研究忽略了BRF和DHRF光谱的差异及其对叶片叶绿素含量(leaf chlorophyll content,LCC)反演的影响。本研究以不同品种、密度及氮素处理的小麦田间小区试验为基础,在叶片尺度获取了BRF和DHRF光谱,并计算相应的植被指数和小波系数,建立了基于植被指数和小波系数的LCC监测模型,定量分析BRF和DHRF光谱、植被指数和小波系数的差异及其对LCC反演的影响。结果表明,1)BRF和DHRF随LCC变化趋势一致,但两种光谱存在显著差异,且BRF光谱值高于DHRF光谱值;2)在一定程度上,应用植被指数和小波系数均可消除BRF和DHRF光谱差异的影响,其中归一化红边植被指数(normalized differential red edge vegetation index,NDRE)和红边叶绿素指数(red edge chlorophyll index,C_(Ired-edge))可以消除BRF和DHRF光谱差异的影响(R^(2)=0.930),但小波系数的性能要优于植被指数(R^(2)=0.995);3)基于DHRF光谱的植被指数和小波系数对LCC的估测能力优于BRF光谱,所有植被指数中NDRE反演效果最好(DHRF:R^(2)=0.957;BRF:R^(2)=0.938;All:R^(2)=0.892),第4尺度765 nm处的小波系数WF(4,675)反演LCC的效果优于NDRE(DHRF:R^(2)=0.985;BRF:R^(2)=0.971;All:R^(2)=0.973),且WF(4,675)消除BRF和DHRF光谱差异对LCC反演的影响能力强于NDRE(WF(4,675):R^(2)=0.973;NDRE:R^(2)=0.892)。综上所述,BRF和DHRF光谱存在差异,且这种差异不能直接忽略。研究明确了BRF和DHRF光谱的差异,为构建基于BRF和DHRF光谱的统一模型及提升冠层尺度LCC精确反演提供理论基础。

水稻淀粉合成对夜温变化的响应

【目的】探究夜温变化对水稻淀粉形成的影响及其生理机制【方法】以优质软米浙禾香2号为材料,在灌浆初期设置31℃/20℃(LT)、31℃/24℃(NT)、31℃/28℃(HT)3个夜间温度模式,测定其直链淀粉和支链淀粉含量及合成关键酶活性及相关基因的表达。【结果】1)与NT相比,LT和HT处理显著降低粒重和淀粉积累,降低糊化温度和胶稠度,并影响支链淀粉链长,降低支链淀粉含量,提高直链淀粉含量,HT的影响要大于LT;2)LT和HT处理对白天叶片净光合速率的影响不显著,但显著降低籽粒中非结构性碳水化合物积累,抑制蔗糖转运基因Os SUT1、Os SUT2和Os SUT4在夜间和白天表达;3)LT和HT处理降低夜间和白天蔗糖水解相关酶活性,增加淀粉水解酶活性,导致可溶性糖含量升高,籽粒中糖利用受阻;4)与NT相比,LT和HT处理下腺苷二磷酸葡萄糖含量呈现白天降低而夜晚升高的趋势,腺苷二磷酸葡萄糖积累及利用受到抑制,颗粒结合淀粉合酶活性随处理时间延长而显著降低,且白天酶活性也受夜间温度的影响;5)与NT相比,LT和HT处理降低了夜间支链淀粉合成相关酶活性,抑制了夜间相关基因的表达,导致支链淀粉合成受阻,但对白天酶活及相关基因表达的影响不大。【结论】夜间高温对淀粉积累的影响要大于夜温降低,夜间高温/低温抑制全天蔗糖转运及代谢,进而抑制淀粉积累;支链淀粉合成受阻是导致直链淀粉相对含量升高的主要原因,直链淀粉合成相关酶活性(白天)受夜温变化影响,而支链淀粉合成相关酶活性(白天)受夜温变化的影响不显著。

数学形态学辅助下基于光谱指数的作物冠层组分分类

近地遥感常被用于获取作物冠层组分信息,但在提取叶片反射率时常受到土壤背景、穗和阴影效应的影响。为准确分类并提取作物冠层组分信息,该研究通过分析小麦冠层各组分(光照/阴影叶片、土壤、穗)的光谱及纹理差异,提出了一种光谱指数与数学形态学结合的作物冠层组分分类方法,探讨不同生育时期的最佳冠层组分分类方法,并定量分析不同组分的归一化光谱指数与小麦叶片氮含量的关系。结果表明:光谱指数法能较好地区分小麦抽穗前的不同冠层组分,而抽穗期的分类效果易受麦穗影响;光谱指数与数学形态学结合的分类方法能较好地消除麦穗对光照/阴影叶片提取的干扰(总体分类精度为97.80%,Kappa系数为0.97,运行时间3.87 min),该方法的分类精度及运行效率均优于传统分类方法(迭代自组织数据分析算法(Iterative Selforganizing Data Analysis Techniques Algorithm, ISODATA)和最大似然估计(Maximum Likelihood Estimation, MLE));而且,基于光照和阴影叶片的归一化光谱指数对叶片氮含量最敏感。研究结果可为其他作物冠层组分分类和精准农业中农学参数的定量反演提供技术参考。

利用日光诱导叶绿素荧光监测水稻叶片叶绿素含量

快速准确地监测作物叶片叶绿素含量对于研究作物光合作用、氮素营养以及胁迫状况至关重要。该研究基于不同品种、不同密度、不同氮素水平的水稻田间小区试验,分别获取冠层和单叶的辐亮度光谱、反射率光谱及生理生态指标等,计算日光诱导叶绿素荧光(Sun-Induced Chlorophyll Fluorescence,SIF)指数和植被指数,进一步基于线性回归和辐射传输模型2种方法来建立叶绿素含量监测模型,评估多个叶绿素监测模型的精度及适用性。结果表明:1)在冠层尺度,冠层761 nm处SIF强度(F761)与冠层叶绿素含量相关性最高,决定系数(Determination coefficient,R^(2))为0.72,略高于表现最好的红边叶绿素指数(Red edge Chlorophyll index,CIred edge)(R^(2)=0.63);2)在单叶尺度,归一化下行SIF指数(↓FY NDFI)与单叶叶绿素含量相关性最高,R^(2)为0.77,比表现最好的上行荧光产量双峰比值指数(↑FY687/↑FY741)R^(2)高出0.10,与表现最好的植被指数CIred edge效果相当(R^(2)=0.81);3)基于SCOPE(Soil Canopy Observation,Photochemistry and Energy fluxes)模型反演水稻冠层叶绿素含量的验证R^(2)为0.57,均方根误差(Root Mean Squared Error,RMSE)为56.54μg/cm,效果差于PROSAIL模型(模型检验的R^(2)为0.91,RMSE为22.59μg/cm);4)单叶Fluspect-B模型反演水稻单叶叶绿素含量的验证R^(2)为0.55,均方根误差RMSE为19.45μg/cm,效果差于PROCWT模型反演结果(R^(2)为0.72,RMSE为6.42μg/cm)。综上,SIF指数在监测冠层和单叶叶绿素含量时效果较好,基于SIF的辐射传输模型也可以用来反演水稻冠层和单叶的叶绿素含量。研究结果可为SIF监测作物叶绿素含量提供理论依据,并对未来利用SIF进行植物光合作用研究提供理论支持。

基于小波分析的水稻籽粒直链淀粉含量高光谱预测

水稻籽粒直链淀粉含量影响稻米的蒸煮食味品质。利用遥感技术及时、准确地获取籽粒直链淀粉含量可以指导相应栽培措施的制定与实施,以提高稻米的食味品质。小波分析作为光谱敏感特征提取的有效方法,广泛应用于作物生理生化参数的估算,然而基于小波分析的作物品质参数估算,在米粉、稻穗水平上的应用还未见报道。本文以室内获取的水稻米粉与干穗反射光谱为基础数据源,通过连续小波光谱变换、敏感小波特征提取、共性特征分析和预测模型构建等4个步骤,明确不同光谱参数预测水稻籽粒直链淀粉含量的性能,最终实现在器官水平的直链淀粉含量高光谱预测。结果表明:(1)相较归一化光谱指数,敏感小波特征可有效地提高直链淀粉含量预测精度,预测模型更具普适性和鲁棒性;(2)从米粉光谱提取的敏感小波特征WF2037,6,与籽粒直链淀粉含量相关性较高(R^(2)=0.59),对独立年份的样本预测效果较好(RMSE=1.51%,Bias=0.44%,RRMSE=23.50%),并可直接应用于干穗光谱(R^(2)=0.62,RMSE=1.49%,Bias=−0.17%,RRMSE=25.76%)。本文利用连续小波光谱分析,提取了米粉和稻穗水平的直链淀粉敏感小波特征WF2037,6,建立了高精度预测模型,拓宽了连续小波光谱分析的应用范围,为冠层水平水稻籽粒直链淀粉含量的高光谱估算奠定基础。

基于高光谱和激光雷达遥感的水稻产量监测研究

【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年(2016—2018年)包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度(R^(2)=0.64—0.69)优于光谱数据的估算精度(R^(2)=0.20—0.58);基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强(不同生态点:RRMSE 16.69%—17.85%;同一生态点:RRMSE 11.37%—12.41%)。【结论】本研究为抽穗后水稻产量监测提供了新的方法和不同遥感手段的性能比较,为收获前作物产量的实时估算提供重要支撑。激光雷达技术凭借其全天候工作的特点,在长江中下游水稻产量实时监测中有着较好的应用前景。