馬躍　呂全　趙相濤　何邦令　劉會香　張星耀

摘 要：利用光譜學進行植物病害的早期診斷是近年來植物病害監(jiān)測預警研究的一個熱點。本試驗采用人工接種不同濃度松材線蟲的方法，研究了野外健康黑松不同發(fā)病階段黑松松針的反射光譜特征曲線，分析了多個光譜特征參數(shù)。結(jié)果表明：綠光波段（500～560 nm）和近紅外波段（750～900 nm）反射光譜曲線對松樹發(fā)病程度有一定的指示作用；紅邊（680～780 nm）位置藍移、綠峰（510～580 nm）反射高度及紅谷（640～700 nm）吸收深度降低、紅邊斜率減小等光譜特征參數(shù)的變化能夠很好地反映松樹的感病情況。本研究結(jié)果可為利用高光譜遙感技術(shù)進行松材線蟲病監(jiān)測與預警提供理論依據(jù)。

關(guān)鍵詞：：松材線蟲；黑松；光譜分析；光譜特征參數(shù)

中圖分類號：S712 文獻標識號：A 文章編號：1001-4942（2012）11-0012-05

Analysis of Spectral Characteristics of Pinus thunbergii

Inoculated with Pine Wood Nematode

Ma Yue1， Lü Quan2， Zhao XiangTao1， He BangLing1， Liu HuiXiang1*， Zhang XingYao2

（1.College of Plant Protection， Shandong Agricultural University/Shandong Forestry Harmful Biological Control Engineering

Technology Research Center， Taian 271018， China； 2. Key Laboratory of Forest Protection of China State Forestry Administration/

Research Institute of Forest Ecology，Environment and Protection，Chinese Academy of Forestry，Beijing 100091， China）

Abstract Using spectroscopy to diagnose plant diseases is a research focus in plant disease monitoring and early warning in recent years. In this paper， the spectral characteristic curve of Pinus thunbergii needle was studied after artificial inoculation of different concentrations of pine wood nematode， and the multiple spectral characteristic parameters were analyzed. The results showed that the green and near-infrared reflectance spectral curves could indicate the pine disease severity. The decline of spectral parameters such as red edge position blue shift， green peak height and red band depth， and the decrease of red edge slope could reflect well the disease situation of pine. All the results above provided a theoretical basis for the pine wilt disease monitoring and early warning by using hyperspectral remote sensing technology.

Key words Bursaphelenchus xylophilus；Pinus thunbergii Parl.；Spectral absorption；Spectral parameter

松材線蟲?。≒ine Wilt Disease），又稱松樹萎蔫病，該病害危害嚴重，發(fā)病快，傳播迅速，防治困難。我國于1982年在南京中山陵首次發(fā)現(xiàn)松材線蟲病以來，該病已擴散蔓延至全國16個?。ㄊ校?，對我國現(xiàn)有松林資源、生態(tài)景觀和林業(yè)經(jīng)濟造成了極大破壞和嚴重威脅[1]。目前松材線蟲病傳播擴散的風險仍在不斷加劇，防控形勢依然十分嚴峻。

近年來，遙感技術(shù)在森林病蟲害監(jiān)測預警方面顯現(xiàn)出獨特的優(yōu)勢，20世紀末迅速發(fā)展起來的高光譜技術(shù)作為一種更先進的空間信息技術(shù)，能夠利用很窄的電磁波段從地物獲取連續(xù)光譜信息。植物具有特殊的反射光譜特征，且因植物種類、生長階段、葉形結(jié)構(gòu)、葉綠素含量、細胞含水量及健康狀況而異[2]。當植物受病蟲害侵染時，葉片色素、細胞構(gòu)造以及細胞液、細胞膜等會發(fā)生一些變化，就會反映在葉片的光譜反射率及特征參數(shù)上。因此，應用成像光譜遙感技術(shù)，研究受害植物光譜特性的變異信息，可為大規(guī)模監(jiān)測植物病蟲害發(fā)生動向提供可靠的依據(jù)。目前，針對松材線蟲病危害的松樹林木光譜特征研究還不多見。石進等（2006）[3]采用航空遙感與地面GPS定位相結(jié)合的方法對有松材線蟲病癥狀的松林進行準確、快速定位。王震等（2007）[4]對野外不同受害類型的馬尾松進行反射光譜測定并分析，結(jié)果表明不同受害類型馬尾松光譜曲線差異明顯，在綠光區(qū)，隨受害程度加深，葉綠素和水分減少，其反射率逐漸減小，而在紅光區(qū)，其反射率隨受害程度加深逐漸增大。這種變化規(guī)律對于在松材線蟲入侵過程中，應用遙感技術(shù)研究森林資源的動態(tài)變化非常有價值。在高光譜遙感數(shù)據(jù)中，從紅光過渡到近紅外的“紅邊”（680～780 nm）是描述植被色素狀態(tài)和健康狀況的重要指示波段，也是植物光譜曲線最明顯的特征，紅邊位置隨葉綠素含量、葉面積指數(shù)、生物量、年齡、植被的健康程度、季節(jié)而變化，可作為植被脅迫和衰老的指示器，用以研究植物的生長和健康狀況[5～7]。杜華強等（2009）[8]對野外未知病害馬尾松進行反射光譜連續(xù)測量，在對反射光譜數(shù)據(jù)紅邊位置、綠峰反射高度和紅谷吸收深度分析的基礎上，進一步利用分形理論來分析發(fā)病早期馬尾松高光譜數(shù)據(jù)，結(jié)果表明，這3個參數(shù)特別是紅邊位置對松材線蟲病的發(fā)生具有一定的預測作用，可進一步結(jié)合生化參數(shù)如葉綠素含量、含水量等改進預測結(jié)果。

本研究是在自然生長條件下對林間健康黑松人工接種不同濃度的松材線蟲，定期采集松針測量其反射光譜特征曲線，分析了不同接種濃度、不同采樣時間的黑松松針的反射率曲線以及多個高光譜特征參數(shù)，以探究寄主感病后光譜特征變化與發(fā)病進程間的關(guān)系，旨在為應用高光譜遙感技術(shù)進行松材線蟲病監(jiān)測與預警提供實驗數(shù)據(jù)。

1 材料與方法

11 試驗區(qū)概況

試驗區(qū)設在山東省榮成市國營成山林場（122°329′E，37°234′N），該林場位于山東半島東部沿海地區(qū)，屬暖溫帶季風氣候，年平均氣溫12℃左右，年平均降水量800 mm左右。成山林場始建于1949年12月，總面積833 hm2，其中林地面積787 hm2，主要組成樹種是黑松（Pinus thunbergii Parl），林齡在60年左右。

12 供試材料

松材線蟲[Bursaphelenchus xylophilus （Steiner & Buhrer） Nickle]蟲株來源于榮成市成山林場的感病黑松，從病樹疫木中分離獲得；接種樹選自榮成市成山林場內(nèi)高2 m左右、七八年實生黑松幼樹。

13 試驗方法

松材線蟲在實驗室內(nèi)以灰葡萄孢（Botrytis cinerea）為營養(yǎng)擴大培養(yǎng)，制備高（4 000條/300 μl）、中（2 000條/300 μl）、低（1 000條/300 μl）3種濃度的松材線蟲懸浮液。在野外，選取健康黑松幼樹，以皮接法進行人工接種，每種濃度的線蟲懸浮液各接種10棵樹，分別以S（高濃度線蟲液接種樹）、M（中濃度線蟲液接種樹）、L（低濃度線蟲液接種樹）加數(shù)字表示，并設置了6棵樹作為對照（以CK表示，3棵接無菌水，3棵自然生長不做任何處理）[9]。

自接種之日起，每隔8天采集一次松針，采樣選在晴天的上午進行，直至病株出現(xiàn)明顯癥狀停止采樣， 共采集7次。在每棵樹的上、中、下3個部位，各分3個方向采摘適量松針混合在一起，針葉采集后立即放入保鮮袋，用冷藏箱帶入遮光室進行光譜測量。

光譜特征曲線測量采用ASD Field Spec3便攜式地物波譜儀，其波長范圍為350～2 500 nm，光譜采樣間隔為1377 nm@350～1 050 nm，2 nm@1 000～2 500 nm，光譜分辨率為 3 nm@700 nm，85 nm@1 400 nm，65 nm@2 100 nm，測量過程中隨時用反射率為1的標準白板校正。每個樣本重復測量10次，所測的光譜數(shù)據(jù)由光譜儀傳入計算機后，轉(zhuǎn)換為反射率數(shù)據(jù)，利用光譜儀自帶的光譜處理軟件View Spec Pro 50進行數(shù)據(jù)分析處理。剔除異常值后用軟件中的Statistics功能計算各重復采樣的平均值，最后利用Graph Data功能繪制光譜曲線圖。

14 光譜特征參數(shù)分析方法

選取的光譜特征參數(shù)包括：綠峰反射率（reflectance of green peak，RGP）、綠峰位置（green peak position，GPP）、紅谷反射率（reflectance of red band， FRB）、紅邊位置（red edge position，REP）、紅邊斜率（red edge slope，RES）、綠峰反射高度（green peak height，GH）、紅谷吸收深度（red band depth，RD）以及水分脅迫波段反射率（reflectance of water stress band，RWSB）等。

RGP指波長510～580 nm范圍內(nèi)最大的波段反射率，GPP指綠峰反射率對應的波長位置（nm），F(xiàn)RB指波長640～700 nm范圍內(nèi)最小的波段反射率，而RWSB指波長1 550～1 750 nm范圍內(nèi)最大的波段反射率。

紅邊通常是指680～780 nm間反射率突然變化的區(qū)域，是由于葉綠素的強吸收和近紅外葉子內(nèi)部散射導致的高反射所形成的[10～13]。目前關(guān)于紅邊位置的計算方法很多，由于導數(shù)光譜分析技術(shù)對光照強度、噪聲影響敏感性較低，同時能增強光譜特征等[14，15]。本研究采用導數(shù)光譜分析技術(shù)，即一階導數(shù)最大值所對應的波長來計算紅邊位置[16～19]，計算公式如下：

dRdλ=R（λi+1）-R（λi-1）λi+1-λi-1

（1）

（1）式中Ri，λi分別為第i波段的反射率和波長。RES指紅邊內(nèi)一階導數(shù)光譜的最大峰值。

綠峰反射高度GH和紅谷吸收深度RD分別按公式（2）、（3）計算[20]。

GH=1-RS+RE-RSλE-λS×（λC-λS）RC

（2）

RD=1-RCRS+RE-RSλE-λS×（λC-λS）

（3）

（2）式中RC，RS，RE分別為綠峰吸收特征中心點、起點和結(jié)束點處的光譜反射率，λC，λS，λE分別為反射特征中心點、起點和結(jié)束點處的波長，分別為560、500 nm和670 nm。

（3）式中RC，RS，RE分別為紅谷吸收特征中心點、起點和結(jié)束點處的光譜反射率，λC，λS，λE分別為反射特征中心點、起點和結(jié)束點處的波長，分別為670、560 nm和760 nm。2 結(jié)果與分析

21 光譜特征曲線分析

圖1表示3種濃度松材線蟲懸浮液接種黑松后先后7次測量的松針反射率曲線。從圖中可以看出，在綠光區(qū)（500～560 nm）和近紅外區(qū)（750～900 nm），隨發(fā)病程度的加深光譜曲線呈現(xiàn)出明顯的變化規(guī)律，即松針的反射率隨著發(fā)病程度的加深有降低的趨勢。

前3次測量的反射率曲線與對照樹的反射率曲線相比，僅有細微的上下波動。從第4次測量開始，反射率差異越來越明顯，主要表現(xiàn)為綠光范圍內(nèi)的吸收峰有所降低，近紅外以及中紅外區(qū)的反射率明顯減小，紅光到近紅外的紅邊陡峭程度降低。在可見光波段，接種樹的松針反射率與健康狀態(tài)對照樹的差異較小，而近紅外和中紅外波段反射率光譜差異較明顯。

22 光譜特征參數(shù)分析

通過分析光譜特征曲線只能定性地了解松針反射率的變化趨勢，為進一步定量地分析隨感病程度加深松針的光譜學差異，分別計算了3種線蟲濃度接種黑松后先后7次測量的反射率曲線中的8個光譜特征參數(shù)，圖2是這些參數(shù)的動態(tài)變化曲線。

從圖2可以看出：指示植物健康狀況的兩個重要的光譜特征參數(shù)紅邊位置（REP）和綠峰反射高度（GH）均呈現(xiàn)隨感病程度加深逐漸降低的趨勢，綠峰反射率（RGP）、綠峰位置（GPP）、紅邊斜率（RES）以及紅谷吸收深度（RD）也相應地隨感病程度加深逐漸降低；紅谷反射率（FRB）波動比較大，趨勢不明顯，而水分脅迫波段反射率（RWSB） 差異變化不明顯，這與已有研究顯示這兩個參數(shù)有隨感病程度加深逐漸升高的趨勢有所不同，可以看出它們隨感病程度加深有不明顯的下降趨勢。

3 結(jié)論與討論

通過對不同線蟲濃度接種的黑松不同采樣時間的松針反射光譜特征曲線的分析，得出：在綠光（500～560 nm）和近紅外光（750～900 nm）范圍內(nèi)，松針反射率曲線有隨發(fā)病程度的加深而降低的明顯變化規(guī)律。前3次測量的反射率曲線與對照樹的反射率曲線相比，僅有細微的上下波動，這是由于松材線蟲剛開始侵入植株，侵入線蟲數(shù)量、侵染快慢、松樹自身狀況、環(huán)境等因素的影響，致使松針反射率出現(xiàn)了較小的波動。從第4次測量開始，反射率差異越來越明顯，主要表現(xiàn)為綠光范圍內(nèi)的吸收峰有所降低，近紅外以及中紅外區(qū)的反射率明顯減小，紅光到近紅外的紅邊陡峭程度降低，這表明植株開始發(fā)病。相比可見光波段，近紅外波段光譜曲線能夠更好地反映出接種黑松的病變情況。這對松樹發(fā)病有一定的指示作用，可作為松材線蟲病診斷的切入點進一步研究。

對8個重要的光譜特征參數(shù)的計算分析得出：紅邊位置（REP）、綠峰反射高度（GH）、紅谷吸收深度（RD）及紅邊斜率（RES）等光譜特征參數(shù)能夠很好地反映出松樹的健康狀況，即植株發(fā)病后，針葉由健康逐漸失綠，再到枯死，紅邊位置藍移、綠峰反射高度以及紅谷吸收深度逐漸降低、紅邊斜率減小等。這些參數(shù)能夠很好地描述松樹病害發(fā)生情況，可作為診斷病害的參考值。紅谷反射率（FRB）和水分脅迫波段反射率（RWSB）變化規(guī)律不明顯，并有下降的趨勢，這可能與接種樹本身健康狀況、病害發(fā)生程度、病程時間長短以及出現(xiàn)癥狀的活枝仍能進行光合作用等因素有關(guān)。

從試驗結(jié)果可以看出，雖然在感病初期從外觀上很難看出樹體的癥狀來，但通過光譜特征的測定分析，可以依據(jù)不同波段的反射光譜曲線或光譜特征參數(shù)分析病害情況，為松材線蟲病的早期監(jiān)測提供依據(jù)。參 考 文 獻：

[1]萬方浩，鄭小波，郭建英.重要農(nóng)林外來入侵物種的生物學與控制[M].北京：科學出版社，2005，574-577.

[2]申廣榮，王人潮.植被光譜遙感數(shù)據(jù)的研究現(xiàn)狀及其展望[J].浙江大學學報（農(nóng)業(yè)與生命科學版），2001，27（6）：682-690.

[3]石進，馬盛安，蔣麗雅，等.航空遙感技術(shù)監(jiān)測松材線蟲病的應用[J].中國森林病蟲，2006，25（1）：18-20.

[4]王震，張曉麗，安樹杰.松材線蟲病危害的馬尾松林木光譜特征分析[J].遙感技術(shù)與應用，2007，22（3）：367-370.

[5]Jago R A， Curran P J.The effect of land contamination on the relationship between the red edge and chlorophyll concentration of a grassland canopy[A] RSS95： Remote Sensing in Action[C] Nottingham：Remote Sensing Society，1995，442-449.

[6]Dawson T P， Curran P J.A new technique for interpolating the reflectance red edge position[J] International Journal of Remote Sensing，1998，19（11）：2133-2139.

[7]Boochs F， Kupfer G， Dockter K，et al Shape of the red edge as vitality indicator for plants[J] International Journal of Remote Sensing，1990，11（10）：1741-1753.

[8]杜華強，葛宏立，范文義，等.分形理論在馬尾松松材線蟲病發(fā)病早期高光譜探測中的應用[J].林業(yè)科學，2009，45（6）：68-76.

[9]李瑞.松材線蟲伴生細菌與松樹萎蔫病關(guān)系的初步研究[J].山東農(nóng)業(yè)科學，2010，4：59-61

[10]Horler D N H， Dockray M， Barber J.The red edge of plant leaf reflectance[J] International Journal of Remote Sensing， 1983，4（2）： 273-288.

[11]Miller J R， Hare E W， Wu J.Quantitative characterisation of the vegetation red edge reflectance An inverted - Gaussian reflectance model[J] International Journal of Remote Sensing， 1990，11（10）：1175-1773

[12]Moses A C， Andrew K S.A new technique for extracting the red edge position from hyperspectral data： The linear extrapolation method[J]Remote Sensing of Environment， 2006，101（2）：181-193.

[13]張曉艷，王麗麗，封文杰，等.花生紅邊特征及其葉面積指數(shù)的高光譜估算模型[J].山東農(nóng)業(yè)科學，2010， 3：11-15，19.

[14]浦瑞良，宮 鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000，52-53.

[15]Helmi Z M S， Mohamad A M S， Azadeh G.Hyperspectral remote sensing of vegetation using red edge position techniques[J] American Journal of Applied Sciences， 2006， 3（6）： 1864-1871.

[16]吳繼友，楊旭東，張福軍，等.山東招遠金礦區(qū)赤松針葉反射光譜紅邊的季節(jié)特征[J].遙感學報，1997，5（2）：124-128.

[17]范文義，杜華強，劉 哲.科爾沁沙地地物光譜數(shù)據(jù)分析[J].東北林業(yè)大學學報，2004，32（2）：45-48.

[18]張風麗，尹 球，匡定波，等.環(huán)青海湖地區(qū)天然草地時序光譜特征參量分析[J].生態(tài)學報，2005，25（12）：3155-3160.

[19]Dawson T P， Curran P J.A new technique for interpolating the reflectance red edge position[J] International Journal of Remote Sensing， 2007，19（11）：2133-2139.

[20]吳彤，倪紹祥，李云梅，等.基于地面高光譜數(shù)據(jù)的東亞飛蝗危害程度監(jiān)測[J].遙感學報，2007，11（1）：103-108. 山 東 農(nóng) 業(yè) 科 學 2012，44（11）：17～21