閆菊梅，競(jìng) 霞，張 騰，鄒 琴，董瑩瑩

(1 西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054； 2 中國(guó)科學(xué)院 空天信息創(chuàng)新研究院，數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094)

日光誘導(dǎo)葉綠素?zé)晒?solar-induced chlorophyll fluorescence,SIF)是自然光條件下，植被吸收的光合有效輻射在滿足光合作用的情況下，以長(zhǎng)波(650～800 nm)形式發(fā)射的葉綠素?zé)晒庑盘?hào)[1]，包含豐富的光合作用信息[2]。當(dāng)植物受到病害等外部脅迫時(shí)，SIF強(qiáng)度隨葉綠素在光能吸收、傳遞、轉(zhuǎn)換方面的效率而改變，是反映植被光合功能受植物生理狀態(tài)及環(huán)境條件影響的敏感“探針”，能夠及時(shí)探測(cè)到植被光合生產(chǎn)力、生理狀況及受脅迫狀況等[3-5]，已廣泛應(yīng)用于小麥條銹病[6-8]、木薯花葉病[9]以及高溫脅迫[10]等遙感探測(cè)方面。已有研究表明，在反射率光譜數(shù)據(jù)中加入SIF信息，能夠提高小麥條銹病的遙感探測(cè)精度[11-12]。因此,有學(xué)者綜合利用反射率光譜在作物生化參數(shù)方面的優(yōu)勢(shì)和SIF數(shù)據(jù)對(duì)光合生理敏感的優(yōu)勢(shì)，協(xié)同反射率與SIF數(shù)據(jù)進(jìn)行了小麥條銹病遙感探測(cè)研究[13-14]。然而傳感器探測(cè)到的冠層SIF為觀測(cè)方向上“逃離”冠層的部分熒光信號(hào)，葉綠素?zé)晒庠凇疤与x”葉片和冠層的輻射傳輸過(guò)程中，植被對(duì)葉綠素?zé)晒獾纳⑸湫?yīng)和重吸收效應(yīng)，導(dǎo)致葉綠素發(fā)射的熒光和傳感器接收到的熒光信號(hào)不一致[15]。其中紅光區(qū)熒光(RF)與植被葉綠素的再吸收密切相關(guān)，其主要反映葉片表面或冠層上部葉片中光系統(tǒng)的貢獻(xiàn)；而遠(yuǎn)紅光區(qū)熒光(FRF)則反映葉片或冠層深層的信息[16]，受植被結(jié)構(gòu)特性的影響較大[15]。因此，冠層SIF信號(hào)不僅受光合作用狀態(tài)影響，與植物的生理過(guò)程有關(guān)[17-19]，而且還受植物生化特性及冠層幾何結(jié)構(gòu)[5]等因素的綜合影響，其中葉片的光學(xué)特性和冠層幾何結(jié)構(gòu)變量決定了冠層SIF中的大部分可變性，約占冠層SIF總變異的77.9%[20]。因此傳感器探測(cè)到的冠層SIF信號(hào)，既包含植物病害脅迫對(duì)應(yīng)生理變化的熒光特征，同時(shí)也受植物群體生物量的干擾，這些均影響作物病害遙感探測(cè)的精度，故直接利用冠層SIF監(jiān)測(cè)植物的光合作用狀態(tài)及脅迫狀況具有一定的難度。

除葉綠素?zé)晒馔?，非光化學(xué)猝滅(non-photochemical quenching,NPQ)能量耗散也是植物碳固定機(jī)制中的重要組成部分，過(guò)剩光能的耗散對(duì)于調(diào)節(jié)光能吸收和電子傳遞、防止光合器官的光抑制甚至光氧化具有重要作用。強(qiáng)光條件下，植物通過(guò)熱耗散消耗掉天線系統(tǒng)所吸收光能的50%以上[21]。葉黃素循環(huán)在植物熱耗散與抗光抑制中起到十分重要的作用[22]，是影響NPQ能量耗散狀況的重要生理過(guò)程之一[17]。葉黃素從環(huán)氧化狀態(tài)轉(zhuǎn)變?yōu)槊摥h(huán)氧化狀態(tài)可消耗過(guò)多的激發(fā)態(tài)能量，導(dǎo)致531 nm處反射率下降，由此認(rèn)為構(gòu)建的光化學(xué)反射率指數(shù)(photochemical reflectance index,PRI)是葉黃素循環(huán)的敏感光譜指數(shù)，能夠敏銳捕捉外界脅迫條件下植物光合性能及NPQ的變化狀況[23]。但PRI也受到作物冠層幾何結(jié)構(gòu)和葉片色素組成等因子的共同影響[23-26]，且類胡蘿卜素/葉綠素含量的比值也是影響PRI長(zhǎng)時(shí)間尺度變化的主要因子[23,27]。生理生化及冠層幾何結(jié)構(gòu)等因素對(duì)PRI的共同作用，影響了PRI對(duì)植被光合功能動(dòng)態(tài)變化的捕捉能力，消除這些因子的干擾是提高基于PRI監(jiān)測(cè)植被生理狀態(tài)受脅迫的關(guān)鍵。

葉綠素?zé)晒獾陌l(fā)射和NPQ能量的耗散均能敏感反映植物受脅迫狀況及其光合性能[3,5]，將與NPQ密切關(guān)聯(lián)的PRI與SIF進(jìn)行協(xié)同研究，能夠減弱葉綠素循環(huán)與類胡蘿卜素/葉綠素含量比值對(duì)PRI的貢獻(xiàn)[17]，提高對(duì)植被冠層光合性能的評(píng)價(jià)能力[3]。但是除與植物生理過(guò)程有關(guān)外，冠層SIF與PRI還受冠層幾何結(jié)構(gòu)等因素的綜合影響[2,24]，而反射光譜信號(hào)對(duì)作物群體生物量具有較穩(wěn)定的敏感光譜特征，能夠有效反映冠層幾何結(jié)構(gòu)的變化[28-30]。為了減弱群體生物量對(duì)冠層SIF及PRI信號(hào)的影響，提高作物病害遙感探測(cè)精度，本研究利用反射率光譜在作物生物物理方面的優(yōu)勢(shì)和SIF、PRI在光合生理方面的優(yōu)勢(shì)，構(gòu)建了冠層SIF和PRI協(xié)同的光譜指數(shù)(SISP)，并將其應(yīng)用于小麥條銹病的遙感探測(cè)，以評(píng)價(jià)和分析SISP指數(shù)對(duì)作物病害遙感探測(cè)的有效性。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)區(qū)位于河北省廊坊市中國(guó)農(nóng)業(yè)科學(xué)院實(shí)驗(yàn)站(39°30′40″ N，116°36′20″ E)。小麥品種為銘賢169(對(duì)小麥條銹病比較敏感)。試驗(yàn)區(qū)小麥平均種植密度為113株/m2，分為健康組(編號(hào)為 A、D)和染病組(編號(hào)為B、C)，每個(gè)試驗(yàn)組面積為220 m2，包括8個(gè)樣方(A1―A8、B1―B8、C1―C8、D1―D8)。2018年4月7日對(duì)試驗(yàn)田灌溉充足的水分，4月9日采用質(zhì)量濃度為0.09 mg/mL的小麥條銹菌孢子懸浮液對(duì)小麥進(jìn)行涂抹接種。

1.2 數(shù)據(jù)獲取

1.2.1 冠層光譜測(cè)定 2018年5月18日使用ASD Field Spec 4和QE 65 pro光譜儀測(cè)定小麥條銹病不同病情嚴(yán)重度下的冠層光譜數(shù)據(jù)，分別用于計(jì)算反射率光譜指數(shù)和估算單波段SIF強(qiáng)度。ASD Field Spec 4光譜儀的分辨率為3 nm，采樣間隔1.4 nm，測(cè)量波段為350～2 500 nm。QE 65 pro光譜儀的分辨率為0.31 nm，采樣間隔0.155 nm，測(cè)量波段為645～805 nm。測(cè)量時(shí)間為11：00-12：30，測(cè)量高度距離地面1.3 m，探頭視場(chǎng)角25°，共設(shè)有62個(gè)采樣點(diǎn)，每個(gè)采樣點(diǎn)觀測(cè)10次，取平均值作為該采樣點(diǎn)的光譜數(shù)據(jù)。每次測(cè)量前后均用標(biāo)準(zhǔn)BaSO4參考板對(duì)冠層輻亮度數(shù)據(jù)進(jìn)行校正。

1.2.2 病情指數(shù)調(diào)查 冠層病情指數(shù)調(diào)查采用5點(diǎn)取樣法，在每個(gè)樣方內(nèi)選取對(duì)稱的5點(diǎn)，每點(diǎn)約1 m2，隨機(jī)選取30株小麥，分別調(diào)查其發(fā)病情況。病情嚴(yán)重度參照國(guó)家標(biāo)準(zhǔn)《小麥條銹病測(cè)報(bào)技術(shù)規(guī)范(GB/T 15795-2011)》[31]進(jìn)行量化。單葉嚴(yán)重度分為9個(gè)梯度，葉片病斑覆蓋率依次為 0，1%，10%，20%，30%，45%，60%，80%和100%，分別記錄各嚴(yán)重度的小麥葉片數(shù)，按式(1)計(jì)算不同測(cè)試群體的病情指數(shù)(disease index,DI)。

(1)

式中：DI為病情指數(shù)，i為不同病情梯度，n為病情梯度數(shù)量(本研究中為9)，x(i)為各梯度的級(jí)值，f(i)為各梯度的葉片數(shù)。

1.2.3 單波段SIF強(qiáng)度估測(cè) 單波段SIF信息主要是基于夫瑯禾費(fèi)暗線填充原理，利用輻亮度數(shù)據(jù)提取，包括標(biāo)準(zhǔn)FLD(fraunhofer line discrimination)[32]、3FLD(three-bands FLD)[33]、iFLD(improved FLD)[34]、pFLD(PCA-based FLD)[35]和SFM(spectral fitting method)[36]，以及基于倒高斯函數(shù)擬合的IGM-FLD(inverted Gaussian reflectance model-FLD)算法[37]。3FLD方法估測(cè)的SIF精度較高，算法的魯棒性強(qiáng)[35]，基于此，本研究采用3FLD方法計(jì)算冠層SIF值，計(jì)算公式如式(2)～(5)所示。

(2)

(3)

Lout=ωleft×Lleft+ωright×Lright。

(4)

式中：Lin、Lout為夫瑯禾費(fèi)吸收線內(nèi)、外植被冠層反射的輻亮度光譜強(qiáng)度(μW/(cm2·nm·sr))，Iin、Iout為夫瑯禾費(fèi)吸收線內(nèi)、外太陽(yáng)輻照度光譜強(qiáng)度(μW/(cm2·nm))，ωleft、ωright為吸收線左右2個(gè)參考波段所占的權(quán)重，Ileft、Iright為吸收線左右的太陽(yáng)輻照度光譜強(qiáng)度(μW/(cm2·nm))，λin、λleft、λright為吸收線內(nèi)、左、右波段的波長(zhǎng)，Lleft、Lright為吸收線左右的植被冠層反射輻亮度光譜強(qiáng)度(μW/(cm2·nm·sr))。

將式(3)和式(4)代入式(2)，可以得到吸收線內(nèi)葉綠素?zé)晒鈴?qiáng)度，如式(5)所示。

(5)

1.2.4 單波段SIF強(qiáng)度預(yù)處理 由于SIF為瞬間觀測(cè)的強(qiáng)度信號(hào)，不僅受病害生理脅迫的影響，還與太陽(yáng)入射的光合有效輻射強(qiáng)度有關(guān)[38]。因太陽(yáng)天頂角的余弦值與光照強(qiáng)度呈正比例關(guān)系，將用3FLD算法求得的單波段SIF強(qiáng)度除以相應(yīng)的太陽(yáng)天頂角余弦值，可以消除光照強(qiáng)度對(duì)傳感器探測(cè)的SIF信號(hào)強(qiáng)度的影響[39]。

(6)

式中，SZA為太陽(yáng)天頂角。

1.3 SISP指數(shù)的構(gòu)建方法

參照Z(yǔ)arco-Tejada等[40]構(gòu)造PRInorm指數(shù)的思想，選取對(duì)冠層幾何結(jié)構(gòu)敏感的反射率光譜指數(shù)，通過(guò)比值變換的方式對(duì)PRI進(jìn)行歸一化處理，以減弱冠層幾何結(jié)構(gòu)等因素對(duì)PRI的影響。對(duì)于遠(yuǎn)紅外波段冠層SIF數(shù)據(jù)，Liu等[41-42]研究表明，對(duì)冠層SIF乘以歸一化植被指數(shù)(normalized difference vegetation index,NDVI)，能夠?qū)IF從冠層水平降尺度至光系統(tǒng)水平，消除冠層幾何結(jié)構(gòu)和外界觀測(cè)條件對(duì)SIF的影響。基于此，本研究利用反射光譜信號(hào)對(duì)作物群體生物量具有較穩(wěn)定敏感的光譜特征的優(yōu)勢(shì)，構(gòu)建SIF與PRI數(shù)據(jù)協(xié)同的光譜指數(shù)SISP：

(7)

式中：PRI為光化學(xué)反射率指數(shù)，SI為反射率光譜指數(shù)，SIF為某一單波段SIF強(qiáng)度，NDVI為歸一化植被指數(shù)。

1.4 模型構(gòu)建與評(píng)價(jià)方法

以新構(gòu)建的SISP指數(shù)以及反射率光譜指數(shù)為自變量，利用線性回歸分析和徑向基神經(jīng)網(wǎng)絡(luò)算法，建立小麥條銹病遙感監(jiān)測(cè)模型，評(píng)價(jià)和分析SISP指數(shù)在小麥條銹病遙感監(jiān)測(cè)中的有效性。

1.4.1 多元線性回歸(MLR) 多元線性回歸模型(multiple linear regression,MLR)是通過(guò)已知數(shù)據(jù)，找到能夠描述2個(gè)及2個(gè)以上自變量與因變量之間關(guān)系的線性方程，數(shù)學(xué)模型如下：

Y=β0+β1X1+β2X2+…+βnXn+ε。

(8)

為了找到多元線性回歸方程的最優(yōu)解，確保模型的預(yù)測(cè)值最接近真實(shí)值，利用最小二乘法原理估計(jì)回歸方程中的回歸系數(shù)(式(9))。

(9)

式中：Y為因變量；X1，X2，…，Xn為自變量;β0，β1，β2，…，βn為回歸系數(shù)；n為保留的自變量數(shù)；ε為殘差。

1.4.2 徑向基神經(jīng)網(wǎng)絡(luò)(RBFN) 徑向基神經(jīng)網(wǎng)絡(luò)(radial basis function neural network,RBFN)是一種包含輸入層、隱含層和輸出層的3層前向網(wǎng)絡(luò)(圖1)，其基本思想是用徑向基函數(shù)作為隱單元的“基”構(gòu)成隱含層空間，將輸入矢量直接映射到隱空間。本研究中的輸入層對(duì)應(yīng)優(yōu)選的光譜指數(shù)，輸出層是對(duì)隱含層的線性加權(quán)，對(duì)應(yīng)小麥條銹病病情指數(shù)。輸入層節(jié)點(diǎn)只傳遞輸入信號(hào)到隱含層，隱含層通過(guò)非線性優(yōu)化策略對(duì)激活函數(shù)的參數(shù)進(jìn)行調(diào)整[43]。

圖1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of radial basis function neural network

1.4.3 模型精度評(píng)價(jià)指標(biāo) 選擇小麥條銹病病情嚴(yán)重度預(yù)測(cè)值與實(shí)測(cè)值之間的決定系數(shù)(coefficient of determination,R2)、均方根誤差(root mean square error,RMSE)和相對(duì)分析誤差(relative prediction deviation,RPD) 3個(gè)指標(biāo)評(píng)價(jià)模型精度，其中R2越接近于1，RMSE 越低，則表示模型的估測(cè)精度越高。RPD是樣本標(biāo)準(zhǔn)差SD與預(yù)測(cè)均方根誤差RMSE的比值，當(dāng) RPD<1.4 時(shí)，模型無(wú)法對(duì)樣品進(jìn)行預(yù)測(cè)；1.4≤RPD<2 時(shí)，模型估測(cè)效果一般，可以用來(lái)對(duì)樣品進(jìn)行粗略評(píng)估；RPD≥2時(shí)，模型具有極好的預(yù)測(cè)能力[44]。各評(píng)價(jià)指標(biāo)計(jì)算公式為：

(10)

(11)

(12)

2 SISP指數(shù)的構(gòu)建及其有效性評(píng)價(jià)

2.1 SIF波段的分析與優(yōu)選

由于O2-B(688 nm)和O2-A(760 nm)2個(gè)波段氧氣吸收形成的夫瑯禾費(fèi)暗線特征明顯，熒光較強(qiáng)[45]，因此本研究基于3FLD算法，選用688 和760 nm 2個(gè)波段計(jì)算小麥條銹病不同病情嚴(yán)重度下的小麥冠層SIF強(qiáng)度，分析單波段SIF強(qiáng)度對(duì)小麥條銹病脅迫的響應(yīng)特性，選擇能夠敏感反映小麥條銹病脅迫信息的SIF波段，以進(jìn)行SISP指數(shù)的構(gòu)建。由圖2可以看出，隨著小麥條銹病病情指數(shù)的增大，O2-B和O2-A波段的SIF強(qiáng)度減小。這是因?yàn)殡S著小麥條銹病病情加重，小麥葉片葉綠素含量迅速降低，光合作用活性減弱，植被吸收的光合有效輻射(absorbed photosynthetic active radiation，APARChl)降低[5]，而SIF主要由APARChl驅(qū)動(dòng)[37]，因此隨著APARChl的降低，SIF信號(hào)也隨之減弱，可見(jiàn)SIF與小麥條銹病病情指數(shù)呈負(fù)相關(guān)關(guān)系。由單波段SIF相對(duì)強(qiáng)度與小麥條銹病病情指數(shù)之間的決定系數(shù)R2可以看出，基于3FLD算法估測(cè)的O2-A吸收線(760 nm)處的葉綠素?zé)晒庀鄬?duì)強(qiáng)度與小麥條銹病病情指數(shù)達(dá)到了極顯著負(fù)相關(guān)，其相關(guān)性優(yōu)于O2-B吸收線(688 nm)處的SIF強(qiáng)度，這是因?yàn)镺2-B波段處于植被反射率光譜的“紅邊”位置，反射率光譜形狀復(fù)雜且變化劇烈，熒光和反射率光譜形狀難以精確擬合，導(dǎo)致在O2-B波段的熒光反演精度較低[46]。所以本研究選取O2-A吸收線處的SIF強(qiáng)度進(jìn)行SISP光譜指數(shù)構(gòu)建。

** 表示相關(guān)性達(dá)到極顯著性水平(P<0.01)** indicates extremely significance at P<0.01 level圖2 SIF強(qiáng)度與小麥條銹病病情指數(shù)的關(guān)系Fig.2 Correlation between SIF and disease index of wheat stripe rust

2.2 反射率光譜指數(shù)的分析與優(yōu)選

為了選取合適的反射率光譜指數(shù)對(duì)PRI進(jìn)行歸一化處理，結(jié)合已有的研究成果，本研究選取NDVI[47]、重歸一化植被指數(shù)(re-normalized vegetation index,RDVI)[48]、比值植被指數(shù)(ratio vegetation index,RVI)[48]、修正簡(jiǎn)單植被指數(shù)(modified simple ratio index,MSR)[48]、綠度歸一化植被指數(shù)(green normalized difference vegetation index,GNDVI)[49]以及優(yōu)化土壤調(diào)節(jié)指數(shù)(optimized soil-adjusted vegetation index,OSAVI)[50]共6個(gè)與冠層幾何結(jié)構(gòu)相關(guān)的反射率光譜指數(shù)，構(gòu)成不同組合，分別與PRI進(jìn)行比值運(yùn)算，并分析不同反射率光譜指數(shù)構(gòu)建的SISP與小麥條銹病病情指數(shù)的相關(guān)性。

表1 基于不同反射率光譜指數(shù)構(gòu)建的SISP與小麥條銹病病情指數(shù)的相關(guān)性Table 1 Correlation between SISP constructed by different reflectance spectral indexes and disease index of wheat stripe rust

由表1可以看出，利用反射率光譜指數(shù)RDVI2對(duì)公式(7)中的PRI進(jìn)行歸一化，構(gòu)建的光譜指數(shù)SISP與小麥條銹病病情指數(shù)的相關(guān)性最高，因此本研究選擇RDVI2作為歸一化PRI的最優(yōu)光譜指數(shù)，參與構(gòu)建光譜指數(shù)SISP。

2.3 SISP指數(shù)的構(gòu)建

葉綠素?zé)晒夂蚇PQ能量耗散均能夠反映病害脅迫信息，同單一的冠層SIF或PRI相比，將二者結(jié)合一方面能夠提高對(duì)植被冠層光合性能的評(píng)價(jià)能力[3]，另一方面能夠減弱葉綠素循環(huán)與類胡蘿卜素/葉綠素含量比值對(duì)PRI的貢獻(xiàn)[17]。然而冠層SIF與PRI同時(shí)受生理過(guò)程以及冠層幾何結(jié)構(gòu)等因素的共同作用[4]，嚴(yán)重影響了二者對(duì)植被光合功能變化及受脅迫狀況的捕捉能力。因此本研究協(xié)同優(yōu)選的SIF波段(O2-A波段)和PRI，并利用反射率光譜指數(shù)RDVI對(duì)其進(jìn)行處理，并在此基礎(chǔ)上構(gòu)建了協(xié)同SIF和PRI的光譜指數(shù)SISP。

(13)

式中：PRI為光化學(xué)指數(shù)，RDVI為重歸一化植被指數(shù)，SIFO2-A為O2-A波段的SIF強(qiáng)度，NDVI為歸一化植被指數(shù)。

為了能夠更加客觀地評(píng)價(jià)SISP指數(shù)在小麥條銹病遙感探測(cè)中的有效性，保證評(píng)價(jià)結(jié)果的可靠性，在有限樣本容量下盡可能減弱樣本數(shù)據(jù)對(duì)評(píng)價(jià)結(jié)果的影響,本研究將62個(gè)原始樣本隨機(jī)分為兩部分，其中45個(gè)(40個(gè)染病樣本，5個(gè)健康樣本)作為訓(xùn)練樣本用于模型構(gòu)建，剩余的17個(gè)(16個(gè)染病樣本，1個(gè)健康樣本)作為驗(yàn)證樣本用于模型評(píng)價(jià)，并重復(fù)進(jìn)行3次隨機(jī)分組(記為Ⅰ、Ⅱ、Ⅲ 組)，分別利用這3組數(shù)據(jù)建立小麥條銹病病情指數(shù)預(yù)測(cè)模型，并進(jìn)行精度分析。

2.4 SISP指數(shù)監(jiān)測(cè)小麥條銹病的有效性評(píng)價(jià)

本研究選用能夠反映葉片形態(tài)和葉傾角分布的冠層結(jié)構(gòu)光譜指數(shù)，能反映病害脅迫下葉綠素濃度和花青素變化的色素指數(shù)，與氮含量直接相關(guān)的氮素指數(shù)，與植物脅迫有關(guān)的紅邊指數(shù)，以及對(duì)生理變化敏感的生理光譜指數(shù)(表2)、冠層SIF和PRI及二者的變換組合指數(shù)，與本研究構(gòu)建的SISP指數(shù)進(jìn)行對(duì)比分析，評(píng)價(jià)SISP指數(shù)監(jiān)測(cè)小麥條銹病的有效性。

表2 反射率光譜指數(shù)及其表達(dá)式Table 2 Reflectance spectral indices and formulas

表2(續(xù)) ContinuedTable 2

基于線性回歸分析方法，分別利用表2中的反射率光譜指數(shù)、冠層SIF和PRI與二者變換組合指數(shù)以及本研究提出的SISP指數(shù)，構(gòu)建了小麥條銹病的遙感探測(cè)模型，3個(gè)樣本組各變量預(yù)測(cè)DI與實(shí)測(cè)DI之間的R2及RMSE如表3所示。由表3可以看出，綜合利用PRI和SIF數(shù)據(jù)能夠提高小麥條銹病的預(yù)測(cè)精度。在PRI與SIF簡(jiǎn)單組合的加和、差值、比值、歸一化4種形式中，簡(jiǎn)單相加(PRI+SIF)具有最高的監(jiān)測(cè)精度。以PRI+SIF為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型中，3組訓(xùn)練集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比單一的PRI和SIF至少提高9.9%和3.7%，RMSE至少降低4.6%和2.3%；驗(yàn)證集樣本中預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比單一的PRI和SIF至少分別提高14.0%和1.7%，RMSE至少分別降低7.1%和3.7%。這是因?yàn)镻RI是葉黃素循環(huán)的敏感光譜指數(shù)，能夠敏銳捕捉NPQ的變化狀況，SIF和NPQ能量耗散都是植物碳固定機(jī)制中的重要組成部分，將二者結(jié)合能夠減弱葉綠素循環(huán)與類胡蘿卜素/葉綠素含量比值對(duì)PRI的貢獻(xiàn)[17]，提高對(duì)植被冠層光合性能的評(píng)價(jià)能力，進(jìn)而提高作物病害的遙感探測(cè)精度。

利用NDVI和RDVI處理后的PRI/RDVI2和SIF×NDVI構(gòu)建的模型，其精度較處理前PRI、RDVI、SIF、NDVI均有不同程度的提高。由表3可知，在PRI/RDVI2和SIF×NDVI簡(jiǎn)單組合的加和、差值、比值以及歸一化4種形式中，利用加和(PRI/RDVI2+SIF×NDVI)構(gòu)建的SISP監(jiān)測(cè)精度最高，為監(jiān)測(cè)小麥條銹病的最佳指數(shù)。在以SISP為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型中，3組訓(xùn)練集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2較PRI/RDVI2和SIF×NDVI至少分別提高37%和18%，RMSE至少降低19%和13%；驗(yàn)證集樣本中預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比PRI/RDVI2和SIF×NDVI至少分別提高38%和4%，RMSE至少分別降低38%和9%。SISP指數(shù)對(duì)小麥條銹病的預(yù)測(cè)精度也優(yōu)于PRI+SIF，3組樣本數(shù)據(jù)中訓(xùn)練集預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比PRI+SIF指數(shù)至少提高17.5%，RMSE至少降低12.5%；驗(yàn)證集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比PRI+SIF指數(shù)至少提高3.7%，RMSE至少降低10.1%。這是因?yàn)榉瓷涔庾V信號(hào)對(duì)群體生物量具有較穩(wěn)定的敏感光譜特征，在構(gòu)建SIF與PRI協(xié)同的小麥條銹病遙感監(jiān)測(cè)指數(shù)SISP時(shí)，利用對(duì)冠層幾何結(jié)構(gòu)敏感的反射率光譜數(shù)據(jù)對(duì)SIF和PRI進(jìn)行處理，能夠減弱冠層幾何結(jié)構(gòu)等因素對(duì)傳感器探測(cè)到的SIF光譜的影響，提高SISP指數(shù)對(duì)植被光合功能變化及受脅狀況的捕捉能力，從而提高對(duì)小麥條銹病的監(jiān)測(cè)精度。

表3 基于不同光譜指數(shù)的小麥條銹病監(jiān)測(cè)精度Table 3 Monitoring accuracy of wheat stripe rust based on different spectral indices

利用NDVI和RDVI處理后的SIF和PRI構(gòu)建的SISP指數(shù)，對(duì)小麥條銹病的監(jiān)測(cè)精度優(yōu)于傳統(tǒng)的反射率光譜指數(shù)。3組樣本數(shù)據(jù)中，以SISP為自變量構(gòu)建的小麥條銹病監(jiān)測(cè)模型中，訓(xùn)練集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比NPCI指數(shù)至少提高8.2%，RMSE至少減少6.7%；驗(yàn)證集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2至少提高5.4%，RMSE至少減少9.5%。這是因?yàn)閭鹘y(tǒng)反射率光譜指數(shù)主要反映植被結(jié)構(gòu)性質(zhì)及生物化學(xué)性質(zhì)的變化情況，而SISP協(xié)同了SIF以及與NPQ密切關(guān)聯(lián)的PRI 2種指標(biāo)，因此能夠綜合反映作物的生理變化特征和光合作用信息，從而提高對(duì)作物病害的遙感探測(cè)精度。

3 小麥條銹病監(jiān)測(cè)模型的構(gòu)建與評(píng)價(jià)

以新構(gòu)建的SISP指數(shù)以及對(duì)小麥條銹病監(jiān)測(cè)精度達(dá)到極顯著(P≤0.01)水平的NPCI、PSRI、RENDVI、NRI、SIPI、ARI和MSR 7個(gè)反射率光譜指數(shù)為自變量，分別利用MLR和RBFN 2種算法構(gòu)建小麥條銹病監(jiān)測(cè)模型，并將其與僅利用NPCI、PSRI、RENDVI、NRI、SIPI、ARI和MSR 7個(gè)反射率光譜指數(shù)構(gòu)建的模型精度進(jìn)行對(duì)比分析，以評(píng)價(jià)SISP指數(shù)對(duì)小麥條銹病遙感監(jiān)測(cè)模型精度的影響，結(jié)果見(jiàn)表4。

表4 不同模型算法對(duì)小麥條銹病監(jiān)測(cè)精度的比較 Table 4 Comparison of monitoring accuracy of wheat stripe rust based on different model algorithms

由表4可以看出，在反射率光譜指數(shù)中加入SISP指數(shù)后，3個(gè)訓(xùn)練集樣本組中，MLR和RBFN模型對(duì)小麥條銹病嚴(yán)重度的估測(cè)精度均有一定程度的提高，其中MLR模型預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2較反射率光譜模型分別提高9.07%，17.73%和13.46%，RMSE分別減少11.41%，20.57%和16.20%。RBFN模型預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2較反射率光譜模型分別提高4.88%，20.37%和8.23%，RMSE分別減少7.44%，24.93%和14.22%，這說(shuō)明在反射率光譜數(shù)據(jù)中加入SISP指數(shù)，可以提高小麥條銹病的遙感探測(cè)精度。

為了保證評(píng)價(jià)結(jié)果的穩(wěn)定性和可靠性，提高模型的泛化能力，本研究采用保留樣本交叉檢驗(yàn)方式，利用建模剩余的17個(gè)數(shù)據(jù)作為驗(yàn)證樣本，分別對(duì)基于MLR和RBFN所構(gòu)建的反射率光譜指數(shù)模型以及反射率光譜指數(shù)協(xié)同SISP的小麥條銹病病情嚴(yán)重度監(jiān)測(cè)模型進(jìn)行檢驗(yàn)，結(jié)果見(jiàn)圖3～6。

實(shí)線表示1∶1關(guān)系線，虛線表示DI實(shí)測(cè)值與預(yù)測(cè)值擬合的回歸線，下同Solid line represents 1∶1 and dotted line represents the regression line between measured and predicted DI,the same below圖3 基于反射率光譜指數(shù)的小麥條銹病病情嚴(yán)重度MLR預(yù)測(cè)模型檢驗(yàn)Fig.3 Validation of MLR prediction model for disease severity of wheat stripe rust based on reflectance spectral index

圖4 基于SISP與反射率光譜指數(shù)的小麥條銹病病情嚴(yán)重度MLR預(yù)測(cè)模型檢驗(yàn)Fig.4 Validation of MLR prediction model for disease severity of wheat stripe rust based on SISP and reflectance spectral index

圖5 基于反射率光譜指數(shù)的小麥條銹病病情嚴(yán)重度RBFN預(yù)測(cè)模型檢驗(yàn)Fig.5 Validation of RBFN prediction model for disease severity of wheat stripe rust based on reflectance spectral index

圖6 基于SISP與反射率光譜指數(shù)的小麥條銹病病情嚴(yán)重度RBFN預(yù)測(cè)模型檢驗(yàn)Fig.6 Validation of RBFN prediction model for disease severity of wheat stripe rust based on SISP and reflectance spectral index

由圖3～6可知，與同組僅以反射率指數(shù)為自變量的模型精度相比，3組驗(yàn)證樣本數(shù)據(jù)集中，綜合利用SISP與反射率光譜指數(shù)為自變量的模型驗(yàn)證精度均有不同程度的提高，其中MLR和RBFN模型預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2較同組反射率光譜指數(shù)至少提高6.29%和2.04%，平均提高13.42%和5.72%；RMSE較同組反射率光譜指數(shù)至少減少18.73%和5.11%，平均減少29.93%和19.24%；RPD較同組反射率光譜指數(shù)至少提高23.02%和5.36%，平均提高44.53%和29.80%。綜合分析表4和圖3～6可知，無(wú)論是訓(xùn)練集樣本還是驗(yàn)證集樣本，加入SISP指數(shù)后，3個(gè)樣本組中MLR和RBFN模型對(duì)小麥條銹病嚴(yán)重度的估測(cè)精度均優(yōu)于僅利用反射率光譜指數(shù)的模型精度，由此可知，綜合考慮小麥生理變化和光合作用的SISP指數(shù)能夠提高對(duì)小麥條銹病病情指數(shù)的預(yù)測(cè)精度。

4 討 論

綜合利用SIF和PRI在小麥光合生理及生化探測(cè)方面的優(yōu)勢(shì)，能夠提高小麥條銹病嚴(yán)重度遙感監(jiān)測(cè)精度，這是因?yàn)楣趯覵IF包含了豐富的光合作用信息，能及時(shí)反映植物生理狀況及光合生產(chǎn)力等信息[4]；PRI能敏感捕捉外界脅迫條件下植物的光合性能及NPQ的變化狀況[23]，SIF和NPQ能量耗散都是植物碳固定機(jī)制中的重要部分，將二者協(xié)同能夠提高其對(duì)植被冠層光合性能評(píng)價(jià)的能力，這與Cheng等[3]的研究結(jié)論一致。本研究利用RDVI對(duì)PRI進(jìn)行歸一化處理后的指數(shù)PRI/RDVI2監(jiān)測(cè)小麥條銹病的精度優(yōu)于單一的PRI和RDVI指數(shù)，這是因?yàn)镻RI除了包含生理狀態(tài)變化信息外，還受作物冠層幾何結(jié)構(gòu)和葉片色素組成等因子的共同影響[23-26]，引入對(duì)冠層結(jié)構(gòu)敏感的RDVI指數(shù)，減弱了冠層幾何結(jié)構(gòu)變化對(duì)傳感器探測(cè)到的PRI的影響，更能區(qū)分脅迫水平，這與Zarco-Tejada等[40]引入冠層結(jié)構(gòu)光譜指數(shù)和葉綠素指數(shù)可減小因脅迫引起的葉面積指數(shù)和葉綠素含量變化的影響這一結(jié)論基本相符。SIFO2-A×NDVI與小麥條銹病病情指數(shù)的關(guān)系較單一SIFO2-A和NDVI均有一定程度的提高，由于NDVI對(duì)作物群體生物量較敏感，能有效反映冠層幾何結(jié)構(gòu)的變化，通過(guò) NDVI將SIF從冠層水平降尺度至光系統(tǒng)水平，能夠消除冠層幾何結(jié)構(gòu)和外界觀測(cè)條件等帶來(lái)的影響[41-42]。利用NDVI和RDVI處理后的SIFO2-A和PRI構(gòu)建的SISP指數(shù)與小麥條銹病病情指數(shù)的相關(guān)性最高，因?yàn)楣趯覵IF、PRI與光合作用和NPQ能量耗散密切相關(guān)，SISP指數(shù)不僅反映了作物生理變化特征和光合作用信息，而且結(jié)合反射光譜信號(hào)在一定程度上減弱了冠層幾何結(jié)構(gòu)等因素的影響，能夠顯著提高小麥條銹病嚴(yán)重度遙感探測(cè)精度。

作物在病害侵染條件下會(huì)在不同波段表現(xiàn)出不同程度吸收和反射特性的改變，其光譜響應(yīng)特性可以認(rèn)為是由病害導(dǎo)致的植物損傷所引起的色素、水分、形態(tài)、結(jié)構(gòu)等變化的函數(shù)[60]，作物不同，病害種類及其發(fā)展階段不同，會(huì)導(dǎo)致光譜特征的多樣性[61]。本研究?jī)H利用條銹病脅迫下小麥灌漿期測(cè)試的光譜作為試驗(yàn)數(shù)據(jù)，驗(yàn)證了SISP指數(shù)對(duì)小麥條銹病遙感探測(cè)的有效性，所構(gòu)建的指數(shù)是否適用于小麥其余生育期或其他作物病害尚需驗(yàn)證。此外本研究參考已有的研究結(jié)果，僅選取了作物病害遙感探測(cè)中常用的16種反射率光譜指數(shù)與所構(gòu)建的SISP光譜指數(shù)進(jìn)行對(duì)比分析，如果增加更多的反射率光譜指數(shù)，結(jié)論是否依然成立也需進(jìn)一步研究。

本研究通過(guò)試驗(yàn)數(shù)據(jù)，利用能夠敏感反映冠層幾何結(jié)構(gòu)的反射率光譜指數(shù)對(duì)SIF和PRI進(jìn)行處理，提高了小麥條銹病的遙感探測(cè)精度，但是未分析SISP指數(shù)提高小麥條銹病探測(cè)精度的生理機(jī)制。如何結(jié)合輻射傳輸模型及其光合理化參數(shù)，從機(jī)理上分析SISP指數(shù)能夠提高對(duì)植被光合功能變化及受脅狀況的捕捉能力，是后續(xù)研究的重要內(nèi)容。

本研究構(gòu)建的SISP指數(shù)僅利用小區(qū)控制試驗(yàn)條件下測(cè)試的小麥條銹病病情數(shù)據(jù)進(jìn)行了驗(yàn)證，對(duì)于航空航天遙感影像來(lái)說(shuō)，由于傳感器接收到的信號(hào)是地面分辨率范圍內(nèi)像元目標(biāo)物的總和，受下墊面狀況、植株形態(tài)結(jié)構(gòu)、天氣狀況、栽培措施等因子的影響，SISP指數(shù)對(duì)大范圍內(nèi)影像數(shù)據(jù)監(jiān)測(cè)病害的有效性驗(yàn)證尚未涉及。小麥條銹病的早期識(shí)別與探測(cè)對(duì)其防控具有重要意義，利用本研究構(gòu)建的SISP指數(shù)能否實(shí)現(xiàn)小麥條銹病的早期探測(cè)，則是下一步要研究的內(nèi)容。

5 結(jié) 論

為了減弱群體生物量對(duì)傳感器探測(cè)到的冠層SIF及PRI信號(hào)的影響，提高作物病害遙感監(jiān)測(cè)精度，利用反射率光譜能夠敏感反映作物群體生物量的優(yōu)勢(shì)和SIF、PRI在光合生理探測(cè)方面的優(yōu)勢(shì)，構(gòu)建了協(xié)同冠層SIF和PRI的光譜指數(shù)SISP，并將其應(yīng)用于小麥條銹病的遙感探測(cè)，得出以下結(jié)論：

(1)綜合利用SIF和PRI數(shù)據(jù)能夠提高小麥條銹病的遙感探測(cè)精度。以PRI和SIF簡(jiǎn)單結(jié)合的PRI+SIF為自變量構(gòu)建的小麥條銹病遙感探測(cè)模型中，3組訓(xùn)練樣本集預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2比PRI指數(shù)和SIF至少提高9.9%和3.7%，RMSE至少降低4.6%和2.3%；驗(yàn)證樣本集預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2比PRI指數(shù)和SIF至少提高14.0%和1.7%，RMSE至少降低7.1%和3.7%。

(2)利用反射率光譜對(duì)SIF與PRI進(jìn)行處理后構(gòu)建的SISP指數(shù)，能夠進(jìn)一步提高小麥條銹病的探測(cè)精度。3組樣本數(shù)據(jù)中，無(wú)論是訓(xùn)練集還是驗(yàn)證集，以SISP指數(shù)為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型精度比PRI/RDVI2、SIF×NDVI和PRI+SIF均有不同程度的提高，其訓(xùn)練集預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2至少提高17.5%，RMSE至少降低12.5%；驗(yàn)證集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2至少提高3.7%，RMSE至少降低9%。

(3)SISP指數(shù)對(duì)小麥條銹病的監(jiān)測(cè)精度優(yōu)于傳統(tǒng)的反射率光譜指數(shù)。3組樣本數(shù)據(jù)中訓(xùn)練集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比NPCI指數(shù)至少提高8.2%，RMSE至少減少6.7%；驗(yàn)證集樣本預(yù)測(cè)DI值與實(shí)測(cè)DI值之間的R2比NPCI指數(shù)至少提高5.4%，RMSE至少減少9.5%。

(4)在反射率光譜數(shù)據(jù)中加入SISP指數(shù)后，MLR模型和RBFN模型的預(yù)測(cè)精度均有不同程度提高，其中MLR模型預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2平均提高13.42%，RMSE平均減少29.93%，RPD平均提高44.53%；RBFN模型預(yù)測(cè)DI值與實(shí)測(cè)DI值間的R2平均提高5.72%，RMSE平均減少19.24%，RPD平均提高29.80%。利用反射率光譜處理后的SIF和PRI數(shù)據(jù)構(gòu)建的SISP指數(shù)，不僅反映了作物生理變化特征和光合作用信息，而且在一定程度上減弱了冠層幾何結(jié)構(gòu)等因素的影響，提高了對(duì)小麥條銹病病情指數(shù)的預(yù)測(cè)精度。