The Crop Journal | 西安科技大学定量分析条锈病害对小麦冠层光谱的独立影响

作物受到病菌侵染后，叶片色素及水分含量、光合生理状态以及冠层几何结构等均会发生变化，根据病害对作物生理生化及冠层结构的影响程度，作物的反射率光谱会发生相应改变，为作物病害的遥感探测提供了直接依据。然而遥感传感器探测到的冠层反射率光谱信息同时受到了病害胁迫以及作物生育期、长势等非生理因素的综合影响。如何减弱非生理因素的干扰，量化病害胁迫对冠层光谱的独立影响是作物病害遥感监测中亟需解决的一个重要问题。

近日，西安科技大学测绘科学与技术学院作物病害监测研究组在The Crop Journal在线发表了题为“Quantifying the effects of stripe rust disease on wheat canopy spectrum based on eliminating non-physiological stresses”的研究论文，借助计量经济学领域的双重差分（difference-in-differences, DID）算法（图1）的基本思想，从传感器探测到的混合光谱信号中将病害胁迫对作物的影响与作物自身的生长趋势分离开，量化了条锈病胁迫对小麦冠层光谱的独立影响，减弱了作物长势等因素对冠层光谱信号的干扰，提高了小麦条锈病的遥感监测精度。

研究者分别以小麦品种、生育期、长势、种植和管理等因素差异较大的大田自然发病区和几乎不受上述因素影响的小区控制实验条件下获取的植被指数（vegetation index, VI）为研究对象，分析了DID方法处理前后小麦条锈病严重度（severity level,  SL）和VI之间的关系。结果表明，消除非生理因素对冠层光谱信息的影响后，不同实验条件（大田自然发病实验和小区控制实验）、不同病情严重度（轻度、中度和重度）、不同类型的VI（冠层结构指数、色素指数、氮素指数、红边指数和生理光谱指数）、不同传感器（Landsat 8、GF-1和HJ-1A）数据的条锈病监测精度均有不同程度的提高。其中，作物长势等非生理因素的差异越大，精度改善的效果越明显（图2），轻度发病 （SL< 20%）情况下的精度改善效果显著优于重度（SL > 45%）发病状态（图3）。量化病害侵染对反射光谱的独立影响为提高小麦条锈病的遥感监测精度具有重要意义，同时亦为其他作物病害的遥感监测提供了参考。

作者和基金项目

西安科技大学测绘科学与技术学院竞霞副教授和2020级硕士研究生杜凯奇为该文共同第一作者，竞霞副教授为通信作者。该研究得到国家自然科学基金项目（42171394和41601467）资助。西安科技大学测绘科学与技术学院作物病害监测研究组主要以小麦为研究对象，聚焦于高光谱及SIF数据的处理与分析以及基于SIF和反射率数据的作物病害遥感监测等方面的研究工作。该团队已在Remote Sensing、Mathematical and Computer Modelling、Environmental Monitoring and Assessment、Spectroscopy and Spectral Analysis、《作物学报》、《农业工程学报》等学术期刊上发表多篇高水平研究论文。

本文转载自The Crop Journal

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！