高亚利，王振锡，连 玲，师玉霞，杨勇强，李 盼，玉荪·吐孙江

（1.新疆农业大学 林学与园艺学院，新疆 乌鲁木齐 830052； 2.新疆维吾尔自治区教育厅 干旱区林业生态与产业技术重点实验室，新疆 乌鲁木齐 830052）

水分在作物生长发育的各个阶段都有着不可替代的作用[1-5]，影响着作物的生理代谢活动和形态结构形成，进而影响作物的生长、发育和产量[6-9]。 因此，快速准确地获取作物叶片水分含量信息在对作物的虫害监测方面有着重要的作用[10]。而高光谱监测作为一种直接、快速且准确的分析技术，不仅可以节省采用传统方法进行监测的成本，而且可以提高监测的及时性和准确性。所以，高光谱技术在农作物虫害监测方面具有应用潜力，对虫害的早期监测及预警都有着重要意义。

枣Ziziphus jujubaMill.是新疆的主要经济林树种之一，枣产业已成为新疆农村地区经济增长的支柱性产业[11]。但是，截形叶螨作为危害枣树的重大有害生物，近年来其危害的面积和造成的损失均逐年上升，对新疆南疆地区枣产业的可持续发展已构成了严重的威胁[12]。截形叶螨通常聚集在植物叶片上吸食汁液，为获取水分而过分取食，破坏叶片结构，造成叶片颜色及水分含量等发生变化，从而改变了它的光谱反射特性，这为采用光谱技术对作物含水量的实时监测提供了基础[13-14]。 很多专家学者对此方面进行了大量的科学研究，为植物不同生化参数和光谱特征的定量关系的研究做出了很大贡献。Ceccatoa 等[15]在估测植被叶片单位面积含水率时选择1 600 与820 nm 波段的反射光谱比，模型精度高达0.92。胡珍珠等[16]在对不同生长发育时期核桃Juglans regia叶片含水量光谱估测模型的研究中发现，SMLR 模型的拟合度达到了0.82 以上。杨勇等[17]研究发现，叶片光谱信息对柑橘Citrus reticulate叶片含水量有较好的定量反演性，利用逐步回归分析法构建的叶片含水量估算模型的决定系数也达到了0.80以上。Thomas 等[18]研究发现，在1 930 和1 450 nm 的波段处，室温下干燥饱和叶片的叶片反射光谱与相对水分含量间有着显著的相关性。毛罕平等[19]采用主成分回归法分析发现，葡萄Vitis vinifera干基含水率与703 nm 处的微分光谱及其它多个波段的光谱反射率间均有较强的相关性。受到油松毛虫Dendrolimus tabulaeformis危害的油松Pious tabuliformis，因为油松毛虫破坏了叶片的结构，致使叶片出现失叶症状，造成水分流失到余下的叶片和组织中[20]。可见，利用光谱分析技术探寻光谱反射率与植被含水率密切相关的敏感波段，构建最优估算模型，为虫害遥感监测研究提供了可能，已经成为农林业虫害特征检验的重要手段。

鉴于此，本研究利用高光谱遥感技术，以截形叶螨危害下枣树叶片为研究对象，通过对截形叶螨危害下枣树叶片光谱反射率进行不同微分变换，分析了截形叶螨危害下枣叶片含水率与不同微分变换光谱反射率间的相关性，利用MLR 和SMLR 构建了截形叶螨危害下枣叶片含水率高光谱估测模型，以期为新疆枣种植区的节水灌溉与水分管理提供技术指导。

1 材料与方法

1.1 材 料

2018年7月中旬，在新疆喀什地区麦盖提县昂格特勒克乡枣树规模种植区，选取一个栽培条件、树体生长状况一致的枣园，在其中部按隔行选取的方式选择150 株样株，依次编号。将每一样株分为上层、中层和下层，每层按照东、西、南、北4 个方位设置取样点位，共设12 个点位，每个点位随机摘取一个标准枝的2 片鲜叶，调查并记录叶片表面的叶螨数量后摘取叶片，每一样株摘取24片叶片，作为一个样本单元。将摘下的鲜叶按样株编号顺序依次置于信封内，共计150 个样本单元。迅速开展户外叶片光谱的测定和实验室叶片含水率的测定。

1.2 方 法

1.2.1 枣叶片的光谱采集

使用美国ASD 公司制造的便携式野外地物光谱仪Field Spec 3 测取叶片的光谱反射率，光谱波段范围为350 ～2 500 nm。选择天气明朗、无风无云的天气条件，测定的持续时间一般为12:00—14:00 时。以样株为单位，将摘取的鲜叶片放在事先准备好的板面上平铺呈圆形（叶片与叶片之间不留缝隙），利用仪器自带的光纤探头在户外依次测定每一样株叶片的光谱，测取10 条标准光谱反射率曲线，剔除异常值后取其均值作为该样株的实际光谱优化曲线，共计150 个光谱值。此外，在光谱测定过程中，每间隔15 min 需进行1 次白板校正，保证样品的光线反射折光率稳定为1。

1.2.2 叶片含水率的测定

采用烘干法测定枣叶片的含水率。先用电子天平称量并记录鲜叶质量，然后将新鲜叶片放入牛皮纸信封中，并将其置于恒温干燥箱中，于105 ℃ 的温度条件下杀青30 min，再于80 ℃的温度条件下干燥至恒定质量，称量并记录叶子的干燥质量。计算公式如下：

1.3 数据分析与处理

微分变换不仅可以提高分辨率，还能增强光谱数据与植物各生化组织含量之间的相关性[21]。因而本研究使用的光谱数据，除原始光谱数据外，还包括一阶微分、二阶微分、倒数一阶微分、倒数二阶微分、倒数对数一阶微分、倒数对数二阶微分等6 种微分光谱数据。通过光谱处理软件View Spec Pro 对叶片原始光谱反射率数据进行预处理，利用EXCEL 2016 软件对原始光谱反射率以及多种微分变换的光谱与含水率进行相关性分析，采用SPSS 22.0 软件建立模型进行分析。

1.4 精度评价

为了检验模型的适用性，对构建的最佳模型需要进行精度检验，即把独立的检验样本带入估测模型中，比较其估测值与实际值的一致性。以常用的模型拟合度（R2）为主要依据，将其与相对误差（RE）和均方根误差（RMSE）等评价指标结合使用以对模型进行检验。其中，模型的R2越大，RMSE 和RE 越小，证明模型效果越好。具体计算公式分别如下：

式（2）和（3）中：yi和分别为叶绿素含量的实测值和估测值，其中i表示第i个样本；n为样本数。

2 结果与分析

2.1 截形叶螨危害下枣叶片光谱特征分析

2.1.1 截形叶螨危害下枣叶片与健康枣叶片原始光谱特征分析

2018年7月中旬，分别对研究区内截形叶螨危害的枣叶片与健康枣叶片的原始光谱进行了测定，得到了截形叶螨危害下枣叶片与健康枣叶片的平均光谱曲线，观测结果如图1 所示。从图1中可以看出，在400 ～700 nm 的可见光波段内，枣叶片平均光谱曲线峰谷变化趋势基本稳定，出现了一个比较明显的波峰，符合绿色植物的光谱曲线特征变化趋势。而受截形叶螨危害的枣叶片在可见光区的光谱特征发生了明显的变异，其平均光谱曲线低于健康枣叶片的平均光谱曲线，这可能是由于截形叶螨啃食叶片致使叶片含水率发生变化而引起的。健康枣叶片平均光谱曲线反射率最高出现在555 nm 处，而受截形叶螨危害的枣叶片平均光谱曲线反射率峰值出现在550 nm 处，整体波段向短波方向偏移。这一观测结果表明，截形叶螨的危害会导致枣叶片光谱反射率降低和光谱反射率峰值发生变化。

图1 截形叶螨危害下枣叶片与健康枣叶片平均光谱曲线Fig.1 Average spectral curves of jujube leaves damaged by T.truncatus and healthy jujube leaves

2.1.2 截形叶螨危害下枣叶片不同微分光谱曲线特征分析

通过对截形叶螨危害下枣叶片的原始光谱反射率及以不同微分形式变换的光谱反射率与其含水率之间的相关性进行了分析，绘制了以不同微分形式变换的截形叶螨危害下枣叶片的光谱反射率与叶片含水率间的相关系数（图2）。从图2 中可以看出，以不同微分形式变换的枣叶片光谱反射率与其含水率之间的相关性存在明显的差异。其中，枣叶片的原始光谱反射率与其含水率间的相关性整体较弱且呈负相关，曲线变化趋势相对平缓，其相关系数最高仅为-0.509。而经不同微分形式变换的枣叶片光谱反射率与其含水率间的相关系数均有所提高，曲线波动比较明显，其中以一阶微分变换的光谱反射率与枣叶片含水率间的相关系数最高，达到0.703。这就说明，微分变换可以有效地提高枣叶片光谱反射率与含水率间的相关系数，其中以一阶微分变换的效果为最好。

图2 以不同微分形式变换的截形叶螨危害下枣叶片光谱反射率与叶片含水率间的相关系数Fig.2 Correlation coefficients between spectral reflectivities transformed in different differential forms and leaf moisturecontents in jujube leaves damaged by T.truncatus

2.2 截形叶螨危害下枣叶片含水率高光谱估测模型

2.2.1 截形叶螨危害下枣叶片含水率的MLR 模型

根据不同微分形式变换的光谱筛选出单敏感波段（X）并以之为自变量，以叶片含水率（Y）为因变量，采用一元线性回归分析法，构建了截形叶螨危害下枣叶片含水率的MLR 模型（表1）。表1 表明，以不同微分光谱敏感波段所构建的模型其拟合度均高于原始光谱，整体保持在0.6 左右，且各模型间其拟合度的差异均达到了显著水平 （P＜0.05）。其中，以一阶微分光谱的敏感波段与叶片含水率所构建的模型，其拟合度最好，达到0.680；而以原始光谱的敏感波段与其含水率所构建的模型，其拟合度最低，仅为0.467。这一结果表明，微分变换有利于提高模型的拟合度，但是，以单敏感波段构建的枣叶片含水率MLR 模型的拟合度相对较低，其拟合效果不理想。

表1 截形叶螨危害下枣叶片含水率的一元线性回归模型†Table 1 Simple linear regression models of moisture contents in jujube leaves damaged by T.truncatus

2.2.2 截形叶螨危害下枣叶片含水率的SMLR 模型

根据不同微分形式变换的光谱筛选出多个敏感波段（X1,X2…X7）并以之为自变量，以叶片含水率（Y）为因变量，采用多元线性回归分析法，构建了截形叶螨危害下枣叶片含水率SMLR 模型（表2）。表2 表明，比较以多敏感波段为自变量构建的SMLR 模型和以单敏感波段为自变量构建的MLR 模型的拟合度可知，SMLR 模型的拟合度较后者有一定程度的提高，且以不同微分光谱敏感波段所构建的模型间其拟合度的差异均达到了显著水平（P＜0.05）。其中，以一阶微分光谱敏感波段构建的模型其拟合度最好，达到了0.836，高于以原始光谱敏感波段构建的模型的拟合度（0.651）。此外，除了倒数二阶微分光谱模型的拟合度低于0.7，其余微分形式变换的光谱模型的拟合度均在0.7 以上。因此可以看出，多变量回归模型在单变量回归模型的基础上大大提高了模型的拟合度，表明利用SMLR 分析方法构建截形叶螨危害下枣叶片含水率高光谱估测模型的估测效果比较理想，具有较高的估测精度。

表2 截形叶螨危害下枣叶片含水率多元线性逐步回归模型Table 2 Stepwise multiple linear regression models of moisture contents in jujube leaves damaged by T.truncatus

2.2.3 精度评价

为了验证估测模型的预测能力和稳定性，选择最常用的拟合度（R2）为主要依据，并结合均方根误差（RMSE）和相对误差（RE）对模型进行检验评价，结果见表3。由表3 可知，SMLR 模型的整体检验效果要好于MLR 模型，以原始光谱构建的模型其检验效果最差，而经微分变换的光谱模型的R2和RMSE、RE 均相对较为稳定，且其差异不明显。除原始光谱模型外，由单波段构建的枣叶片含水率MLR 模型的拟合度均在0.6 左右，而RMSE 模型的拟合度多在0.03 左右，其RE 多低于0.08；而SMLR 模型的拟合度较MLR 模型的拟合度有所提高，不同微分光谱敏感波段所构建的模型其拟合度基本在0.6 以上，RMSE 均不超过0.55，RE 均低于0.10，其中以一阶微分光谱构建的SMLR 模型效果最佳，其拟合度R2达到了0.740，其RMSE 和RE 分别为0.031、0.045。这一分析结果表明，利用一阶微分光谱构建的SMLR 模型对截形叶螨危害下枣叶片含水率有较好的预测效果，可以用作新疆喀什地区麦盖提县昂格特勒克乡枣生产园枣叶片含水率高光谱估测最佳模型。

表3 一元线性回归模型和多元线性逐步回归模型的精度验证Table 3 Accuracy verification of simple linear regression models and stepwise multiple linear regression models

3 讨 论

每年的7月是枣树生长发育的关键时期，但同时也是截形叶螨虫害的高发时期。截形叶螨作为一种常见的枣树食叶性害虫，具有危害规模大、危害程度高，且在爆发时间上不与其它病虫害重叠等显著特点。此外，遭受截形叶螨危害的枣叶片，短期内无法用肉眼去发现植株的变化，但叶片反射光谱特征会发生规律性的响应变化。综上所述，利用高光谱技术开展叶螨危害下枣叶片含水率的监测是非常合适的，能够快速准确地获取植物叶片水分含量信息，实现截形叶螨虫害的高效监测和及时防治，对于提高果农的经济效益[22]，推进新疆林果产业的可持续发展均有重要的现实意义。

研究结果表明，截形叶螨危害下枣叶片光谱特征及反射率峰值均发生了改变，虫害叶片的平均光谱曲线低于健康叶片的平均光谱曲线，其原因可能是，截形叶螨破坏了其叶片结构，致使叶片内的水分含量发生变化，使之反映在叶片光谱的吸收和反射波段上。截形叶螨危害下枣叶片光谱与含水率的相关性分析结果表明，与原始光谱与叶片含水率之间的相关系数相比，经微分变换的光谱与叶片含水率之间的相关系数均有明显的提高，但从相关系数的取值来看，其相关系数最高在0.700 左右，微低于前人研究的结果。其原因可能是，大部分研究者以单叶为研究对象，通过单叶诊断虫害的危害程度，采用这种方法进行诊断，存在一定的片面性和局限性，不能准确判断枣树的受害程度；而本研究选择单株作为试验样本单元，以均匀采样的方式，将叶片平铺在提前准备好的纸板上测定叶片的光谱反射率，所获光谱数据为多个叶片的混合光谱数据。但是，采用这种试验方法也有不足之处，即在测定光谱过程中，受截形叶螨危害的枣叶片会发生卷曲现象，导致光谱反射率的准确度产生偏差，而这又是模型拟合度降低的原因之一。

在建模分析中发现，MLR 模型的预测精度相对偏低，这是由于以单一敏感波段构建的模型其结构较为简单，得到的有效光谱信息有限，对水分状况的准确监测有一定的偏差[23]。而SMLR 模型建模时包括多个自变量，得到的有效光谱信息较全面，其预测精度较为理想。本研究结果也证明，采用多敏感光谱变量构建的模型其建模效果及预测精度都更好。所以，SMLR 分析方法可以作为构建截形叶螨危害下枣叶片含水率高光谱估测模型的优选方法。一直以来，许多学者在利用高光谱估测含水率方面进行了大量的研究，也报道了部分使用SMLR 分析构建含水率光谱模型的研究成果。柴仲平等[24]通过多元逐步回归分析构建了香梨Pyrus sinkiangensis叶片原始及一阶微分光谱反射率与叶片全氮含量的估算模型，其决定系数高达0.90 以上。胡珍珠等[16]研究发现，不同生育时期核桃Juglans regia叶片含水量SMLR 模型的拟合度在0.82 以上，而MLR 模型的拟合度较低，建模效果较差。宋玉等[25]运用逐步多元线性回归法分析了胡杨Populus euphratica叶片光谱反射率与含水率间的相关性，建立了含水率高光谱估算模型，以此模型进行检验，其R2值高达0.92。李萍等[26]在构建香梨Pyrus sinkiangensis叶片氮素含量预测模型过程中发现，以703 nm 的一阶微分光谱建立的预测模型最佳，其调整决定系数R2值高于0.9。本研究结果与上述研究结果均一致。因此，利用光谱技术手段估测含水率是可行的，而合理选取参与建模的敏感波段也是反演含水率的十分重要的步骤之一[27]。此外，由于截形叶螨是枣树重大有害食叶性害螨，主要通过群聚叶背吸取汁液，所以其在取食过程中对叶片水分含量的影响比较明显。也有一些学者研究了虫害胁迫对植物水分含量的影响情况：王晓堂等[28]研究发现，松材线虫Bursaphelenchus xylophilus的入侵会引起植物生化信息的变化，茎与叶的相对含水量会因为线虫侵染时间的延长而逐渐下降，光谱也会发生改变。陈玉惠等[29]的研究结果表明，松苗和离体枝接种松材线虫后，茎部相对含水量逐渐下降，早期下降缓慢，中后期降速加快。因此，虫害胁迫对植物的水分含量是会造成影响的。

由于试验条件有限，本研究还存在一些不足和缺点，需要在日后的研究中进一步完善与修正。本研究构建的叶片含水率估测模型是利用传统的数学统计方法获得的经验性模型，具有一定的真实性和普遍性，但在空间和时间上仍均存在着较大的局限性[30]。例如，亓兴兰等[31]利用影像的光谱特性、纹理特征与地形及林木因子对马尾松毛虫Dendrolimus punctatus虫害进行监测，也显著增强了虫害的光谱响应能力；而本研究只涉及到地面高光谱反射率的研究。为了更好地明确植被光谱与其含水率之间的相关性，进一步改进估测模型，在今后的研究中应加入遥感影像光谱等数据予以验证对比，从而使模型具有更好的普遍适用性，这样可以更好地监测枣树发生虫害后的长势情况。

4 结 论

截形叶螨危害下枣树叶片光谱反射率与其含水率存在敏感光谱指示波长，可利用筛选出的敏感波段为自变量，采用MLR 和SMLR 模型建立截形叶螨危害下枣叶片含水率高光谱估测模型。研究结果表明，应用光谱技术手段对新疆南疆地区受截形叶螨危害的枣叶片含水率进行精准估测是可行的，在枣叶片含水量信息检测方面具有一定的应用潜力。