刘梦冉，张海艳，齐双丽，孙炳剑，段剑钊，贺 利，郭天财，冯 伟

(1. 河南农业大学农学院，河南郑州 450046；2.河南农业大学机电工程学院，河南郑州 450002；3. 漯河市农科院，河南漯河 462000；4. 河南农业大学植物保护学院，河南郑州 450002)

小麦黄花叶病是一种低温型土传病毒病害，主要通过禾谷多黏菌()介体进行传播。近年来受全球气候变化、连年秸秆还田、小麦联合收割机跨区作业等因素的综合影响，该病害在我国黄淮及长江中下游麦区的发生呈逐年加重趋势。据调查，在该病害一般发病田块小麦产量损失30%左右，严重田块减产可超过50%，甚至绝收。田间实地调查取样是获取该病害信息的主要方法，但所得信息病害预防而言具有明显的滞后性，严重影响预报的准确率和有效防治的最佳时机。目前，遥感监测技术发展迅速，并在农业生产中得到广泛应用。利用遥感技术有望提高小麦黄花叶病的早期预报和动态监测水平，对于有效防控其发生危害、减少农药投入、保障该区小麦安全生产及可持续发展均具有重要意义。

植物病虫害发生后叶片形态及内部结构会发生变化，最终改变植物的光谱曲线形状，从而为遥感技术监测作物病虫害提供了可能。目前，已有较多研究者尝试通过分析光谱响应曲线，筛选出作物发生病虫害后的敏感波段信息。如小麦白粉病敏感波段为580～710 nm；小麦条锈病敏感波段为630～687、740～890 及 976～1 350 nm；小麦蚜虫敏感光谱波段为 625～635 nm 和680～695 nm；稻叶瘟病敏感波段为550 和680 nm。根据这些敏感波段光谱信息可以建立特征光谱参数与病虫害严重度之间关系，或通过不同波段组合构建相对敏感的植被指数，用于提高作物病虫害的遥感监测精度。如用DGSR(双绿简单比)和DGND(双绿归一化差)进行小麦白粉病遥感监测；利用近红外光谱比值指数NSRI实现对冬小麦条锈病的有效监测；通过构建褐飞虱光谱指数(BPHI)来监测水稻作物的褐飞虱危害；光化学反射指数(PRI)可作为量化黄锈病感染的一个强有力的光谱指标。与其他病虫害监测研究比较，病毒类黄花叶病害遥感监测相对偏少。研究表明，NDVI可以用来监测大豆的黄花叶病害；利用/比值可对豇豆黄花叶病进行有效监测；和/可用于大豆黄花叶病的监测；/的成像比值可以用来监测木薯黄花叶病。从上述研究结果看，用于植物病虫害监测的光谱特征位置、敏感光谱指数及分析方法因植物种类、病虫害类型存在很大差异；虽然利用光谱特征波段及敏感光谱参数可以监测豆类、薯类等作物黄花叶病害，而对低温型作物而言，小麦黄花叶病的遥感监测预报研究则比较薄弱。

从生长形态、温度及生育时期的响应看，小麦黄花叶病的发病特征不同于其他病害。当小麦受黄花叶病菌感染后，病株先从心叶叶尖或中部开始褪绿，初为淡绿色至橙黄色条或梭形点，变为黄色或淡绿色不连续的短线条，逐渐扩大成黄绿相间的斑驳或不规则条斑，条斑的中心可引起坏死。拔节后气温回升快，当高于20 ℃时，病症逐渐消退，植株生长纤弱，株形松散，重病株在抽穗前多数分蘖甚至整株枯死。这种病害的特殊属性决定了其冠层反射光谱的特有变化，以前用于专一指示其他病害的波段和参数将很难适用小麦黄花叶病害的监测。因此，需要加强低温敏感性小麦黄花叶病的高光谱反射特征研究，明确生育时期对该病害监测的影响，确立病害监测适宜模型，为小麦黄花叶病的及时防控提供技术支持。本研究选取近些年小麦黄花叶病发病日趋严重的典型地块，通过获取不同等级黄花叶病害的小麦冠层高光谱数据，提取黄花叶病植株的特征光谱信息，明确适宜监测病害的光谱波段及植被指数，确立小麦黄花叶病害等级定量估算模型，以期为遥感大面积监测小麦黄花叶病害提供定量评价方法，增强农业灾害的精准化管理水平。

1 材料和方法

1.1 试验区概况

试验于2016-2017年、2018-2019年和2020-2021年在河南省漯河市源汇区(33°57'N,114°02'E)进行，土壤类型为砂姜黑土。由于该区秋季作物腾茬早、阴雨天较多和光照不足，小麦联合收割机跨区作业且高茬收割，轮作倒茬困难，大部分品种对黄花叶病的抗性差，导致在自然条件下当地小麦黄花叶病发病和蔓延迅猛。

1.2 病害调查

本试验田间数据采集通过农户田块随机调查方式进行。试验区小麦种植品种主要包括百农207、周麦27、西农979、周麦22、郑麦379和矮抗58。依据往年该区域地块的发病情况，按照重度(4级)、中度(3级)、中轻度(2级)、轻度(1级)和健康(0级) 5个等级调查该病害田间实际发病程度。被调查地块的黄花叶病在越冬期已出现零星发生，至返青期发病连片、症状特征明显，因此田间取样选择在小麦返青期、拔节前期和拔节后期进行。 2016-2017年每个时期每个发病等级取5个样点，2018-2019年每个时期每个发病等级取4个样点,2020-2021年每个时期每个发病等级取6个样点。小麦黄花叶病严重度分级标准参照孙炳剑等方法并作适当改进(表1)。

表1 小麦黄花叶病发病等级及发病症状

图1 小麦黄花叶病不同发病等级症状图

1.3 冠层光谱测量

小麦冠层光谱数据采集与病害调查同步，采用美国Analytical Spectral Device(ASD)公司生产的Field Spec Hand Held手持便携式光谱分析仪进行。光谱测定波段值为325～1 075 nm，光谱采样间隔为1.6 nm，光谱分辨率为3.5 nm。冠层光谱测定选择在天气晴朗无风的中午 (10:00-14:00)进行，传感器探头垂直向下，光谱仪视场角为25°，距离冠层顶垂直高度约1.0 m，冠层视场范围面积为0.44 m。测量过程中及时进行标准白板校正，每个采样点记录10个光谱，以其平均值作为该点的光谱反射率。

1.4 生长特征参数调查

与光谱采集同步同位，每个小区选有代表性的植株 10 株，分别测定株高、叶片水分含量、色素含量及氮含量。

1.4.1 叶片含水量测定

将植株带回实验室称取叶片鲜重，再放入烘箱 105 ℃杀青 30 min，然后在 80 ℃下烘干至恒重并称取干重。叶片含水量=(WF-WD)/ WF×100%，WF和WD分别为叶片鲜重和干重。

1.4.2 叶片氮含量测定

将烘干至恒重的叶片取出研磨成粉末状，称取0.200 g放入K1100 全自动凯氏定氮仪测定叶片全氮含量。

1.4.3 色素含量测定

叶片去叶脉剪碎称 0.200 g()置于50 mL()棕色瓶中用95%浓度的无水乙醇定容，避光24～48 h至叶绿素完全被提取后使用日立 U-2800型紫外分光光度计测出叶绿素 a和叶绿素 b 在 665 nm 和 649 nm 波段的吸光值()，再根据Lichtenthaler法算出叶绿素和类胡萝卜素的浓度。公式如下：

Ca=13.95-6.88

Cb=24.96-7.32

Chl=(Ca+Cb) ×

C=(1 000-2.05Ca-114.8Cb)/245×

式中Ca、Cb、Chl和C分别为叶绿素 a、叶绿素 b、叶绿素和类胡萝卜素的浓度。

1.5 数据计算处理

本研究采用Savitaky-Golay平滑法对原始光谱进行平滑，在Matlab语言环境下编程实现了光谱指数与黄花叶病病情等级间相关系数运算，选择10个与病情等级最显著相关的光谱特征参数列于表2，并将其输入到偏最小二乘法(PLSR)模型中，进一步提高监测精度和稳定性。PLSR结合了主成分分析和多重线性分析两种回归方法，通过最小化交叉验证的均方根误差(RMSECV)来优化因子数量，可以规避模型潜在的过拟合问题。以2016-2017年和2018-2019年试验资料为基础，建立小麦黄花叶病病情等级监测模型。利用2020-2021年试验独立资料对模型精度进行验证，采用决定系数()和均方根误差(RMSE)进行评价。

表2 经典植被指数的计算方法

式中，和分别为预测值和实测值，为样本数。

2 结果与分析

2.1 小麦黄花叶病发病等级与株高及生理指标的相关性

小麦株高及叶片水分、氮素、胡萝卜素和叶绿素含量在不同时期存在差异，其与黄花叶病病情等级的相关性也因时期而不同(表3)。除拔节后期的叶片水分含量外，各时期株高及四个生理指标与病害等级均呈显著或极显著负相关；从相关程度看，返青期和拔节前期各指标与病害等级的相关性均较好，整体优于拔节后期，其中拔节前期表现最佳，相关系数均超过0.80。

表3 不同时期小麦黄花叶病发病等级与形态生理指标的相关性

2.2 小麦黄花叶病不同发病等级下反射率变化特征

小麦冠层光谱反射率随黄花叶病发病等级的增加呈现规律性变化(图2)。在返青期和拔节前期，在560～720 nm波段范围内，叶绿素对光的吸收减少，正常植株的反射率最高；随着发病等级的加重，小麦叶片变黄，叶绿素含量减少，可见光波段反射率逐渐增加；而在近红外反射区域800～900 nm波段间，细胞结构对光的反射开始增强，黄花叶病会破坏小麦叶片组织结构，随病害等级的增加，反射率降低。在拔节后期，随着气温升高，冬小麦开始快速生长，黄花叶病逐渐被遏制，不同病害程度的反射率在可见光区域差异变小，而在近红外波段差异逐渐加大，病害等级越高，反射率越低。

“Health”为发病等级0级；“1”为发病等级1级；“2” 为发病等级2级；“3”为发病等级3级；“4”为发病等级4级。

2.3 病害等级及相关生理指标与反射率相关性

在返青期和拔节前期，小麦黄花叶病的病害等级与560～720 nm反射率呈正相关，相关系数均达0.80以上，而株高、叶片含水量、氮含量和色素含量与反射率呈负相关，除返青期叶片氮含量外相关性均较好(> -0.75)；而在800～900 nm波段，病害等级、株高、叶片含水量、氮含量和色素含量与冠层光谱反射率的相关性相比可见光波段表现出相反趋势，且相关性较差(-0.5<<0.3)(图3)。这说明小麦黄花叶病病害等级及相关指标的敏感波段在返青期和拔节前期主要集中在560～720 nm。在拔节后期由于小麦快速生长及病菌被抑制，病害等级及相关指标的敏感波段主要集中在800～900 nm，病情等级与该波段光谱反射率的相关系数低于-0.60，而株高、叶片含水量、氮含量和色素含量与反射率均呈正相关 (=0.2～0.6)，而可见光波段的相关系数随波段位置变化较大，且相关性偏差。

图3 小麦黄花叶病害等级及相关生理指标与冠层反射率间关系

2.4 植被指数与黄花叶病等级之间的线性回归模型及验证结果

2.4.1 植被指数与黄花叶病等级之间的线性回归关系

以表征不同形态、生理指标的10个表现较好的常规植被指数为基础，分析其与小麦黄花叶病害等级之间的定量关系，筛选指示病害等级的植被指数。表4列出了表现较好的回归方程及其决定系数。在返青期，与生物量、色素和氮含量相关的植被指数的较高，EVI-1、WDRVI-3、mND705、VOG-1、PRI和NDDA的为0.70～0.74，均达到极显著水平，其中以表征色素含量的mND705和VOG-1的最高(=0.74)；在拔节前期，植被指数NDVI、EVI-1、WDRVI-3、mND705、PSNDb和NDDA的为0.80～ 0.82，均达到极显著水平，其中以表征叶绿素b含量的PSNDb的最高(=0.82)；在拔节后期，mND705、VOG-1和NDDA的为0.69～ 0.72，均达到极显著水平，其中mND705的最高(=0.72)。综合来看，植被指数与病害等级的相关性总体上好于原始光谱及株高、叶片含水量、氮含量和色素含量，其中表征色素变化的光谱指数mND705与病害等级的关系在3个发病时期表现最稳定且密切，其次为VOG-1和NDDA，因此可选择植被指数对小麦黄叶病进行预测。

表4 不同生育时期植被指数与黄花叶病等级之间的定量关系

2.4.2 小麦黄花叶病等级监测模型精度的检验

利用2020-2021年度数据对建模效果较好的三个植被指数mND705，VOG-1和NDDA模型进行精度检验。结果(图4)显示，在返青期， 三个模型的验证分别为0.68、0.66和0.65，RMSE分别为0.97、0.86和0.75;在拔节前期，验证分别为0.78、0.67和0.75，RMSE分别为0.79、0.83和0.88;在拔节后期，验证分别为0.59、0.52和0.51，RMSE分别为0.98、1.11和1.05。总体上以mND705模型的预测效果最好，精度最高，误差较小。

a:返青期;b:拔节前期;c:拔节后期。

2.5 基于植被指数的小麦黄花叶病PLSR模型预测效果

为了进一步提高小麦黄花叶病害分级模型的监测精度以及稳定性，利用2016-2017和2018-2019年度数据，基于所选取的10个植被指数建立PLSR模型。图5展示了返青期、拔节前期和拔节后期的PLSR模型所需的因子数及交叉验证的均方根误差(RMSE)值，以上三个时期的最佳因子数分别为前三因子、前二因子以及前九 因子。

图5 基于偏最小二乘回归的小麦黄花叶病害分级模型交叉验证的均方根误差

采用2020-2021年度独立试验数据对模型精度进行了检验(图6)。总体而言，三个时期的PLSR模型的预测精度均高于植被指数模型。在返青期，PLSR训练集=0.94,RMSE=0.32；验证集=0.93， RMSE=0.29，PLSR模型预测精度比植被指数模型提高幅度较大(按照计算增幅27.02%～36.76%)。在拔节前期，PLSR模型预测精度较植被指数模型进一步提升，训练集和验证集分别为0.97和0.96，RMSE分别为0.24和0.26。在拔节后期，PLSR模型精度较植被指数也有一定程度的改善，训练集和验证集分别为0.84和0.81，RMSE分别为0.56和 0.61。由此可见，前两个时期的PLSR模型精度较高(>0.90)，而拔节后期较低。

Train：训练集数据点；Test：验证集数据点。

3 讨 论

3.1 小麦黄花叶病的病征及反射率

小麦受黄花叶病感染后，病株叶片先从心叶叶尖或中部开始褪绿，初为淡绿色至橙黄色条或梭形点，变为黄色或淡绿色不连续的短线条，逐渐扩大成黄绿相间的斑驳或不规则条斑，条斑的中心可引起坏死。小麦黄花叶病的病害特征会随着气温的上升而消失，当气温高于20 ℃时，病症消退恢复生长，但此时已造成产量损失。不同病害侵染特征及对温度的反应存在差异，其光谱曲线存在不同之处。如随小麦白粉病和全蚀病病情严重度加重，可见光波段(550～750 nm)反射率升高，近红外波段的反射率下降。随着锈病对小麦胁迫程度的加重，红边发生“蓝移”，黄边发生“红移”；水稻受到稻叶瘟危害后，随着侵染加重光谱反射率，在绿光波段和近红外区域呈现下降趋势，红光波段呈现上升趋势，近红光波段的红边区域“蓝移”；棉花受到枯萎病侵染后，冠层光谱反射率相对于健康对照在绿光和近红外波段下降。而本研究表明，小麦遭受黄花叶病后可见光波段光谱反射率逐渐增加，出现红谷抬升现象，而在近红外反射区域800～900 nm波段间，细胞结构对光的反射开始增强，随病害等级增加，反射率降低。拔节后期，随着气温升高，黄花叶病逐渐遏制，冬小麦恢复生长，反射率在可见光区域差异变小，在近红外波段差异加大，病害等级越高，反射率越低。可见，小麦黄花叶病侵染后冠层光谱反射率变化不同于其他病害，利用反射光谱进行该病害监测需要考虑这一特点。

3.2 小麦黄花叶病的敏感波段

植物叶肉细胞中叶绿素含量等生化成分的不同，导致不同波段呈现出不同特征的光谱曲线。400～700 nm是植物的强吸收波段，叶绿素强烈吸收蓝光和红光，其反射率在480和680 nm附近非常低，在绿光范围内有弱反射。在680～750 nm范围内，反射率急剧上升，该区域是叶绿素在红波段的强吸收到近红外波段多次散射形成的高反射平台的过渡波段，与植物单位面积叶绿素含量有关。700～900 nm出现“红外高平台”，此波段范围的反射率主要受叶肉细胞结构和冠层结构的影响，反射率较高。植株感病后由病原体导致的植物生理代谢发生变化，出现病害症状，进而改变植物的光谱反应模式。前人对小麦病虫害的敏感波段开展了较多研究，白粉病的敏感波段主要集中在580～710 nm范围,而条锈病的敏感波段主要为630～687、740～890 及 976～1 350 nm，蚜虫的敏感光谱波段范围为 625～635和 680～695 nm，以上这些小麦病虫害的敏感反应波段在生育时期间是一致的，较少因时期而变化。本研究结果显示，小麦黄花叶病在不同生育时期的敏感波段有所差异，在返青期和拔节前期的敏感波段为560～720 nm，相关性较高；而在拔节后期，敏感波段主要集中在800～900 nm，且相关性较差，这可能与黄花叶病发病特征受气温影响较大有关。本研究提取的小麦黄花叶病敏感波段与其他作物黄花叶病的敏感波段也不尽相同。如豇豆黄花叶病的敏感波段为571、593、705和721 nm；大豆黄花叶病的敏感波段为445、688和750 nm。这可能是因为豆类的生育时期主要为气温较高的夏季，高温高湿环境有利于豆类该病害发生；而小麦拔节前期的气温较低，低温有利于小麦黄花叶病的发展，当拔节后期气温回升，对该病害的发生产生抑制，小麦生长开始恢复。因此，病害不同，作物类型不同，监测的敏感波段也不同。

3.3 小麦黄花叶病的适宜监测模型

植被指数由多波段组合构成，可以突出反映植被信息，减少背景等噪音影响，与监测指标的相关性优于单波段。在小麦返青期，黄花叶病导致新生叶片褪绿，叶片上呈现橙黄色梭形点或黄绿相间的不规则状条斑，发病等级与色素含量的相关性最高。在本研究中，用来指示植株色素变化的mND705和VOG-1可以较好地指示黄花叶在返青期的发病状态。在拔节前期，小麦植株发病症状明显，平均株高、叶片含水量、叶片氮含量、叶绿素和类胡萝卜素等生理指标变化较大，发病等级与各植被指数的相关性均较好。PSNDb可以很好指示色素浓度，EVI-1在监测和评估植被数量和时空变化方面具有很好的敏感性，WDRVI-3用来监测作物初级生产力效果较好，NDDA可以准确地估算小麦氮含量，以上植被指数均可以用来很好监测小麦拔节前期的黄花叶病情况。在拔节后期，随着气温回升，病株症状快速消退并恢复生长，但此时小麦已产生了不可逆的损失，此时各植被指数的监测精度都较低。从不同时期的植被指数表现看，黄花叶病侵染后小麦返青期主要表现为叶色变黄，因此可以选择使用色素类植被指数；拔节前期各种症状明显，采用遥感手段监测病害的植被指数较多，包括氮素、色素及株高类植被指数等；而随着发病时期推进，温度升高，拔节后期的症状处于消失状态，植株处于恢复状态，此时监测精度不高。综合来说，在三个时期表现均较好的mND705适宜监测小麦黄花叶病。这与Prabhakar等利用/对豇豆、Gazala等采用/对大豆黄花叶病进行监测的研究结果不一致，但在红边波段信息利用方面有一定相似之处。可见，作物类型不同，发病特点不一样，所适宜的植被指数也不相同。另外，本研究中植株水分状况与病害等级间相关性极显著，但本试验所用仪器的波段较窄、近红外噪音较大，导致水分类植被指数(如WI)监测效果不好，在以后的研究中可考虑采用分辨率高、波动范围宽的遥感监测仪器，加强水分类植被指数(如NDWI)在该病害监测中的应用。

虽然植被指数与单波段相比具有明显优势，但不同植被指数反映的信息不同，单独建模很容易导致其他信息丢失。因此，多变量模型可以保证对所有信息的充分利用，达到对目标物综合评价的最佳效果。PLSR不仅将共线变量简化为几个不相关的变量，而且使相关变量的协方差最大化，近年来在植物生长监测与评价中得到广泛应用。本试验将植被指数与PLSR算法相结合，在返青期和拔节前期均取得较好效果(>0.90)，充分显示了该模型在小麦黄花叶病害等级监测方面的优越性，在小麦生产中推荐使用该方法及时准确监测黄花叶病的发病状况。

及早监测小麦黄花叶病的发病等级，有利于早期防控。本研究发现，不论是反射率还是植被指数与病情等级的相关性均在返青期和拔节前期表现较好，在拔节后期表现较差。这主要是因为黄花叶病的发生与土壤温度和湿度密切相关，小麦生长进入返青期和拔节期，温度维持在5～17 ℃范围，有利于禾谷多黏菌介体传播病毒。进入拔节后期，温度明显升高，病毒侵染明显受到抑制，发病较轻的病株症状快速消退，感病严重的病株小分蘖也开始快速恢复生长，因病害导致的穗粒数显著下降，造成的产量损失已无法挽回。与植被指数模型相比，PLSR模型明显提升了返青期监测精度，在黄花叶病盛发期间的监测精度均高于0.9。因此，及时监测小麦返青至拔节前期的黄花叶病害所呈现的表型特征，有利于病害严重度等级评估及精确防控，对保证国家粮食安全及绿色可持续发展具有重要意义和价值。