中国农业科学 ›› 2024, Vol. 57 ›› Issue (3): 484-499.doi: 10.3864/j.issn.0578-1752.2024.03.005
梅广源1,2(), 李荣2(
), 梅新2, 陈日强1, 樊意广1, 程金鹏1, 冯子恒1, 陶婷1,2, 赵倩1,2, 赵培钦1,2, 杨小冬1(
)
收稿日期:
2023-08-30
接受日期:
2023-11-08
出版日期:
2024-02-01
发布日期:
2024-02-05
通信作者:
联系方式:
梅广源,E-mail:1147771963@qq.com。
基金资助:
MEI GuangYuan1,2(), LI Rong2(
), MEI Xin2, CHEN RiQiang1, FAN YiGuang1, CHENG JinPeng1, FENG ZiHeng1, TAO Ting1,2, ZHAO Qian1,2, ZHAO PeiQin1,2, YANG XiaoDong1(
)
Received:
2023-08-30
Accepted:
2023-11-08
Published:
2024-02-01
Online:
2024-02-05
摘要:
【目的】条锈病对小麦生长和产量造成严重威胁,为确保有效防控,精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型,能快速、准确地估测病情指数(DI),为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期(抽穗期、灌浆期和成熟期)高光谱数据,采用随机森林变量选择(VSURF)方法结合相关性分析(CA)对原始光谱(OR)和一阶微分光谱(FD)进行特征波段筛选。使用随机森林(RF)对比不同数据集的特征波段建模结果,确定模型效果最佳的特征集。随后借助偏最小二乘回归(PLSR)、极致梯度提升(XGBoost)以及反向传播神经网络(BPNN),对比特征集在不同算法中的建模效果。通过对比建模效果,确定针对全生育期小麦条锈病病情指数的最佳估测模型。为了验证特征集在不同生育期中的效果,利用特征集在3个生育期重新构建模型,并对比模型效果。【结果】对不同数据集进行特征筛选,并使用RF构建条锈病DI估测模型,通过比较模型效果,确定VSURF-CA-FD特征集(绿光范围的537 nm以及近红外范围的821和846 nm)在RF模型中的估测效果最好。采用RF算法构建的模型表现出优异的精度,R2为0.89,RMSE为12.34。这些特征波段在其他算法构建的模型中也展现出良好的精度:XGBoost模型的R2为0.87,RMSE为13.15;BPNN模型的R2为0.84,RMSE为15.19;PLSR模型的R2为0.69,RMSE为20.92。使用不同生育期的冠层微分高光谱数据进行验证,利用VSURF-CA-FD特征集构建RF模型,对比模型发现在小麦生长的早期(抽穗期)R2为0.54,RMSE为1.29,NRMSE为0.21,能满足估测病害的要求;小麦生长的中期(灌浆期),模型的R2表现较好,R2为0.66,RMSE为12.24,NRMSE为0.21;小麦生长晚期(成熟期),模型效果好于前两个时期,R2为0.75,RMSE为10.77,NRMSE为0.15。【结论】使用VSURF-CA方法筛选出的特征波段,能构建出对小麦条锈病病情指数具有出色估测效果的RF模型。研究结果可为预测早期和中期条锈病病情指数提供有价值的思路和方法。
梅广源, 李荣, 梅新, 陈日强, 樊意广, 程金鹏, 冯子恒, 陶婷, 赵倩, 赵培钦, 杨小冬. 基于VSURF-CA的小麦条锈病高光谱病情指数估测模型[J]. 中国农业科学, 2024, 57(3): 484-499.
MEI GuangYuan, LI Rong, MEI Xin, CHEN RiQiang, FAN YiGuang, CHENG JinPeng, FENG ZiHeng, TAO Ting, ZHAO Qian, ZHAO PeiQin, YANG XiaoDong. A VSURF-CA Based Hyperspectral Disease Index Estimation Model of Wheat Stripe Rust[J]. Scientia Agricultura Sinica, 2024, 57(3): 484-499.
图2
不同处理方法的光谱曲线图 a:不同时期SG平滑光谱曲线(样本编号ID=2)SG smoothed spectral curves at different time points (sample ID=2);b:不同时期归一化光谱曲线(样本编号ID=2)Normalized spectral curves at different time points (sample ID=2);c:不同时期一阶微分曲线(样本编号ID=2)First-order derivative curves at different time points (sample ID=2);d:不同时期相同病情指数样本点SG平滑光谱曲线(病情指数=85)SG smoothed spectral curves for sample points with the same DI at different time points (DI=85);e:不同时期相同病情指数样本点归一化光谱曲线(病情指数=85)Normalized spectral curves for sample points with the same DI at different time points (DI=85);f:不同时期相同病情指数样本点一阶微分曲线(DI=85)First-order derivative curves for sample points with the same DI at different time points (DI=85)"
[1] |
冷伟锋. 小麦条锈病遥感监测及网络信息平台构建[D]. 北京: 中国农业大学, 2015.
|
|
|
[2] |
陈万权, 康振生, 马占鸿, 徐世昌, 金社林, 姜玉英. 中国小麦条锈病综合治理理论与实践. 中国农业科学, 2013, 46(20): 4254-4262. doi: 10.3864/j.issn.0578-1752.2013.20.008.
|
|
|
[3] |
万安民, 赵中华, 吴立人. 2002年我国小麦条锈病发生回顾. 植物保护, 2003, 29(2): 5-8.
|
|
|
[4] |
万安民. 小麦条锈病的发生状况和研究现状. 世界农业, 2000(5): 39-40.
|
|
|
[5] |
孙瑞琳, 孙全, 孙成明, 刘涛, 李冬双, 吴峰峰. 基于不同平台的小麦病虫害遥感监测研究进展. 中国农机化学报, 2021, 42(3): 142-150.
doi: 10.13733/j.jcam.issn.2095-5553.2021.03.020 |
|
|
[6] |
江静. 基于冠层和区域尺度的小麦条锈病遥感监测[D]. 合肥: 安徽大学, 2020.
|
|
|
[7] |
郭安廷. 基于成像遥感的小麦条锈病监测方法研究[D]. 北京: 中国科学院大学(中国科学院空天信息创新研究院), 2021.
|
|
|
[8] |
doi: 10.1007/s11760-015-0821-1 |
[9] |
|
[10] |
doi: 10.1016/j.compag.2018.01.009 |
[11] |
孙刚, 黄文江, 陈鹏飞, 高帅, 王秀. 轻小型无人机多光谱遥感技术应用进展. 农业机械学报, 2018, 49(3): 1-17.
|
|
|
[12] |
|
[13] |
doi: 10.1016/j.compag.2022.107137 |
[14] |
doi: 10.1016/j.compag.2019.105035 |
[15] |
张竞成, 袁琳, 王纪华, 罗菊花, 杜世州, 黄文江. 作物病虫害遥感监测研究进展. 农业工程学报, 2012, 28(20): 1-11.
|
|
|
[16] |
刘良云, 黄木易, 黄文江, 王纪华, 赵春江, 郑兰芬, 童庆禧. 利用多时相的高光谱航空图像监测冬小麦条锈病. 遥感学报, 2004, 8(3): 275-281.
|
|
|
[17] |
蒋金豹, 陈云浩, 黄文江. 用高光谱微分指数监测冬小麦病害的研究. 光谱学与光谱分析, 2007, 27(12): 2475-2479.
|
|
|
[18] |
蔡成静, 王海光, 安虎, 史延春, 黄文江, 马占鸿. 小麦条锈病高光谱遥感监测技术研究. 西北农林科技大学学报(自然科学版), 2005, 33(S1): 31-36.
|
|
|
[19] |
蒋金豹, 陈云浩, 黄文江, 李京. 冬小麦条锈病严重度高光谱遥感反演模型研究. 南京农业大学学报, 2007, 30(3): 63-67.
|
|
|
[20] |
刘佳, 王利民, 杨福刚, 杨玲波. 基于高光谱微分指数监测春玉米大斑病的研究. 中国农学通报, 2019, 35(6): 143-150.
doi: 10.11924/j.issn.1000-6850.casb18090024 |
doi: 10.11924/j.issn.1000-6850.casb18090024 |
|
[21] |
doi: 10.1016/j.jag.2021.102384 |
[22] |
doi: 10.1007/s11119-007-9038-9 |
[23] |
doi: 10.1016/j.compag.2021.106461 |
[24] |
doi: 10.1016/S2095-3119(12)60147-6 |
[25] |
doi: 10.1016/j.compag.2023.107671 |
[26] |
doi: 10.1016/j.rse.2021.112350 |
[27] |
doi: 10.1016/j.biosystemseng.2017.07.003 |
[28] |
高媛, 竞霞, 刘良云, 白宗璠. 基于多核支持向量机的小麦条锈病遥感监测研究. 麦类作物学报, 2020, 40(1): 118-126.
|
|
|
[29] |
doi: 10.3389/fpls.2022.1102341 |
[30] |
doi: 10.3390/agriculture12010074 |
[31] |
黄木易, 王纪华, 黄文江, 黄义德, 赵春江, 万安民. 冬小麦条锈病的光谱特征及遥感监测. 农业工程学报, 2003, 19(6): 154-158.
|
|
|
[32] |
doi: 10.1007/s11119-018-9600-7 |
[33] |
doi: 10.1016/j.eswa.2019.05.028 pmid: 32968335 |
[34] |
doi: 10.1016/j.patrec.2010.03.014 |
[35] |
doi: 10.1016/j.fecs.2022.100006 |
[36] |
|
[37] |
doi: 10.1016/j.foreco.2018.11.032 |
[38] |
doi: 10.1016/j.microc.2019.104275 |
[39] |
doi: 10.1016/j.fcr.2013.11.012 |
[40] |
doi: 10.3390/rs13010123 |
[41] |
doi: 10.1016/j.compag.2018.11.016 |
[42] |
doi: 10.3390/rs14051221 |
[43] |
doi: 10.3390/rs14030756 |
[44] |
doi: 10.3390/s22010146 |
[45] |
doi: 10.3390/s19040952 |
[46] |
doi: 10.3390/agriculture11111079 |
[47] |
|
[48] |
|
[49] |
竞霞, 白宗璠, 高媛, 刘良云. 利用随机森林法协同SIF和反射率光谱监测小麦条锈病. 农业工程学报, 2019, 35(13): 154-161.
|
|
|
[50] |
|
[51] |
doi: 10.1016/j.measen.2022.100441 |
[52] |
doi: 10.1016/j.asoc.2023.110534 |
[53] |
竞霞, 张腾, 邹琴, 闫菊梅, 董莹莹. 基于分数阶微分光谱指数的小麦条锈病遥感监测模型构建. 农业工程学报, 2021, 37(17): 142-151.
|
|
|
[54] |
蒋金豹, 陈云浩, 黄文江. 利用高光谱红边与黄边位置距离识别小麦条锈病. 光谱学与光谱分析, 2010, 30(6): 1614-1618.
|
|
|
[55] |
竞霞, 闫菊梅, 邹琴, 李冰玉, 杜凯奇. 基于CC-MPA特征优选算法的小麦条锈病遥感监测. 农业机械学报, 2022, 53(9): 217-225, 304.
|
|
|
[56] |
doi: 10.1023/A:1010933404324 |
[57] |
张春兰, 杨贵军, 李贺丽, 汤伏全, 刘畅, 张丽妍. 基于随机森林算法的冬小麦叶面积指数遥感反演研究. 中国农业科学, 2018, 51(5): 855-867. doi: 10.3864/j.issn.0578-1752.2018.05.005.
|
|
|
[58] |
王丽爱, 周旭东, 朱新开, 郭文善. 基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演. 农业工程学报, 2016, 32(3): 149-154.
|
|
|
[59] |
樊意广, 冯海宽, 刘杨, 边明博, 孟炀, 杨贵军. 基于冠层光谱特征和株高的马铃薯植株氮含量估算. 农业机械学报, 2022, 53(6): 202-208, 294.
|
|
|
[60] |
夏天, 吴文斌, 周清波, 周勇. 冬小麦叶面积指数高光谱遥感反演方法对比. 农业工程学报, 2013, 29(3): 139-147.
|
|
|
[61] |
王圆圆, 李贵才, 张立军, 范锦龙. 利用偏最小二乘回归从冬小麦冠层光谱提取叶片含水量. 光谱学与光谱分析, 2010, 30(4): 1070-1074.
|
|
|
[62] |
蒋小敏. 小麦条锈病严重度近地面遥感估算方法研究[D]. 淮南: 安徽理工大学, 2021.
|
|
|
[63] |
冯子恒, 宋莉, 张少华, 井宇航, 段剑钊, 贺利, 尹飞, 冯伟. 基于无人机多光谱和热红外影像信息融合的小麦白粉病监测. 中国农业科学, 2022, 55(5): 890-906. doi: 10.3864/j.issn.0578-1752.2022.05.005.
|
|
[1] | 范鹏, 杨天乐, 朱少龙, 王志杰, 张明月, 魏海燕, 刘国栋. 长三角地区半糯粳稻外观品质的评价[J]. 中国农业科学, 2024, 57(16): 3105-3115. |
[2] | 周警卫, 叶博伟, 张朋飞, 张宇庆, 郝敏, 尹毓若, 袁婵, 李志康, 李顺达, 夏先春, 何中虎, 张宏军, 兰彩霞. 国内外153份小麦种质条锈病抗性鉴定与评价[J]. 中国农业科学, 2024, 57(1): 18-33. |
[3] | 王建锋, 成嘉欣, 舒伟学, 张艳茹, 王晓杰, 康振生, 汤春蕾. 小麦条锈菌效应蛋白Hasp83在条锈菌致病性中的功能分析[J]. 中国农业科学, 2023, 56(5): 866-878. |
[4] | 胡朝月, 王凤涛, 郎晓威, 冯晶, 李俊凯, 蔺瑞明, 姚小波. 小麦抗条锈病基因对中国条锈菌主要流行小种的抗性分析[J]. 中国农业科学, 2022, 55(3): 491-502. |
[5] | 赵静,李志铭,鲁力群,贾鹏,杨焕波,兰玉彬. 基于无人机多光谱遥感图像的玉米田间杂草识别[J]. 中国农业科学, 2020, 53(8): 1545-1555. |
[6] | 徐默然,蔺瑞明,王凤涛,冯晶,徐世昌. 103份小麦品种(系)抗条锈性和遗传多样性评价及基因检测[J]. 中国农业科学, 2020, 53(4): 748-760. |
[7] | 黄苗苗,陈万权,曹世勤,孙振宇,贾秋珍,高利,刘博,刘太国. 甘肃、青海地区小麦条锈菌监测及群体遗传多样性分析[J]. 中国农业科学, 2020, 53(18): 3693-3706. |
[8] | 管方念,龙黎,姚方杰,王昱琦,江千涛,康厚扬,蒋云峰,李伟,邓梅,李豪,陈国跃. 152份黄淮海麦区小麦农家品种抗条锈性评价及重要条锈病抗性基因的分子检测[J]. 中国农业科学, 2020, 53(18): 3629-3637. |
[9] | 李北,徐琪,杨宇衡,王琪琳,曾庆东,吴建辉,穆京妹,黄丽丽,康振生,韩德俊. 重庆麦区小麦品种(系)抗条锈性评价与基因分析[J]. 中国农业科学, 2017, 50(3): 413-425. |
[10] | 黄亮,刘太国,肖星芷,屈春艳,刘博,高利,罗培高,陈万权. 中国79个小麦品种(系)抗条锈病评价及基因分子检测[J]. 中国农业科学, 2017, 50(16): 3122-3134. |
[11] | 周新力,詹刚明,黄丽丽,韩德俊,康振生. 80份国外春小麦种质资源抗条锈性评价[J]. 中国农业科学, 2015, 48(8): 1518-1526. |
[12] | 王吐虹,郭青云,蔺瑞明,姚强,冯晶,王凤涛,陈万权,徐世昌. 中国40个小麦农家品种和甘肃南部40个生产品种抗条锈病基因推导[J]. 中国农业科学, 2015, 48(19): 3834-3847. |
[13] | 陈万权1, 康振生2, 马占鸿3, 徐世昌1, 金社林4, 姜玉英5. 中国小麦条锈病综合治理理论与实践[J]. 中国农业科学, 2013, 46(20): 4254-4262. |
[14] | 韩德俊, 张培禹, 王琪琳, 曾庆东, 吴建辉, 周新力, 王晓杰, 黄丽丽, 康振生. 1980份小麦地方品种和国外种质抗条锈性鉴定与评价[J]. 中国农业科学, 2012, 45(24): 5013-5023. |
[15] | 韩国菲, 王海光, 马占鸿. CO2浓度升高和UV-B辐射增强对小麦条锈病流行组分的影响[J]. 中国农业科学, 2011, 44(20): 4326-4332. |
|