-
松材线虫病是重要的林业检疫性有害生物。根据国家林业和草原局2024年第4号公告,四川省现有疫区34个,分布于10个市(州),松材线虫病疫情防控形势仍旧严峻。在我省该病主要危害马尾松(Pinus massoniana Lamb.),对油松(P. tabuliformis Carrière)和云南松(P. yunnanensis Franch.)也构成危害[1]。
松树染病早期未出现颜色与形态前,利用航空及卫星遥感技术很难准确、有效地进行判
断与分析[2]。高光谱遥感以纳米级的超高光谱分辨率和上百个波段同时对目标地物成像,可以获得包括森林资源地面物体连续光谱信息[3]。高光谱遥感监测森林病虫害主要是通过测定植株光谱变化特性来完成的,感染松材线虫病的植株在多种生理生化指标都会产生变化,这些变化都会在其光谱特征上反映出来[4-7]。最初采用分形理论来分析马尾松染病早期的高光谱数据,探讨其在该病早期监测的可行[8]。高光谱技术可以实现松材线虫病的间接诊断[9],通过揭示松树冠层反射光谱随时间的变化,可进一步实现松树感病病程的研究[10-11]。考虑不同胁迫因子(病虫害、水分、植株抗性)的影响[12-13],结合植株感病后的生理参数(如含水率、叶绿素等)及高光谱数据建立估测模型[13-15]。植被生理参数与冠层光谱之间是高度复杂的非线性关系,而传统的多元线性模型多局限于算法相对简单、参与波段较少,不能很好的处理非线性关系,导致模型精度不高[13],且涉及生理参数采集对于林间感病定性判断而言较为繁杂。为提高研究精度,不同的学者基于不同的算法建立了相关模型[16-18],但这都是建立在特征波段光谱进行的。
综上所述,不同胁迫因子对植株光谱曲线有显著影响[19-20],也包括特异的气候、土壤和温湿度等。现有研究多集中在华东地区,缺少西南地区的相关研究,四川作为全国松材线虫病“北扩西进”趋势中的西进前沿,也是长江、黄河上游重要生态保护屏障,有必要建立适用于我省松材线虫病早期监测诊断模型。选择松材线虫病危害严重的川南地区,结合松墨天牛生物学特性并在贴近自然条件下,利用手持高光谱成像仪对不同立地条件和树龄的马尾松采集其感病全程的光谱数据,提取敏感波段并基于光谱变化的单因素构建模型,避免多因子的影响和干扰,简化操作与分析流程,满足松材线虫病林间早期定性判读需求。
-
在自贡市自流井区荣边镇和飞龙峡镇交界区域,即E:104°38′08″~104°39′45″,N:29°14′42″~29°16′13″之间,平均海拔440m。植被包括马尾松(Pinus massoniana Lamb.)、香樟(Cinnamomum camphora (L.) Presl)、大桉(Eucalyptus grandis Hill ex Maiden)、杉木(Cunninghamia lanceolata (Lamb.) Hook.)、麻栎(Quercus acutissima Carr.)、乌桕(Triadica sebifera (Linnaeus) Small)、慈竹(Bambusa emeiensis L. C. Chia & H. L. Fung)、毛竹(Phyllostachys edulis (Carriere) J. Houzeau)、油茶(Camellia oleifera Abel.)等。自贡地处中亚热带湿润季风气候,平均气温17.9℃,极端最高气温40℃,最低气温−2.8℃。平均相对湿度77%,夏、秋季节相对湿度超过80%。紫色土类占土壤总面积的50.08%,黄壤土类占13.73%,黑褐土类占0.71%。
-
采用北京安洲科技自主研发高光谱成像系统。包括:SOC710VP便携式高光谱成像仪、便携式电脑(采集软件SpecView)和98%反射率的硫酸钡白板。高光谱成像仪数据参数参考表1。
序号 性能 技术指标 序号 性能 技术指标 1 光谱范围 400~1000 6 CCD像素 1392*1040 2 光谱分辨率 1.3nm 7 检测器 内置双CCD面阵探测器,自动切换 3 光谱通道数 512/256/128任选 8 扫描方式 内置平移扫描,图像无畸变 4 扫描速度 150~200帧/秒 9 软件功能 测量及分析,输出植被指数等 5 透光效率 >85%@400~1000nm 10 使用环境 -30~50℃;相对湿度:0~100%RH Table 1. Data parameters of SOC710VP Hyperspectral Imaging spectrometer
-
利用松墨天牛作为传播媒介的作用[21],5月中旬对实验样株进行预处理。选取疫木伐桩500 m范围内外观表现正常的马尾松,将松墨天牛高效持久型诱芯(呈康APF-1)挂于树干上。6月上旬,从预处理的样株中选取实验样株,选择标准:树体上有松墨天牛产卵刻槽,或用刀片剥离树皮,发现树体流胶明显减少。结合植株胸径和立地条件,共选择9株实验样株。此外,在远离实验样株且500 m范围内未发现疫木的孤立林班内选择健康马尾松作空白对照,实验样株分布见表2。
编号 经度 纬度 海拔 胸径 立地条件 SY-1 104°38′7.42″ 29°16′1.99″ 459 7.8 林间 SY-2 104°38′7.75″ 29°16′2.47″ 461 17.6 林间 SY-3 104°38′41.83″ 29°15′41.63″ 434 6.4 林间 SY-4 104°38′42.35″ 29°15′43.46″ 437 10.6 林间-沟渠边 SY-5 104°38′41.48″ 29°15′42.26″ 432 13.7 林间-陡崖边 SY-6 104°38′27.50″ 29°14′56.71″ 448 6.5 林缘 SY-7 104°38′27.49″ 29°14′57.14″ 448 10.3 林缘 SY-8 104°38′27.21″ 29°14′56.57″ 448 14.6 林缘 SY-9 104°38′28.75″ 29°14′56.34″ 449 21.7 林缘 DZZ 104°39′34.39″ 29°15′19.49″ 469 14.4 林间 Table 2. Geographical location and related information of experimental and control strains
-
结合松墨天牛在我省的生物学特性(4月中下旬开始羽化,5月中旬为羽化高峰期),从6月中旬开始,对实验样株进行光谱影像采集。在天气晴朗光线充足的条件下,利用高枝剪从样株四个方位随机采摘松针,松针采集量控制在100枚以上,将松针表面简单清洁后架设光谱仪进行采集,影像采集前用硫酸钡白板进行校正。测量过程中,避免人员在目标区两侧走动。每隔一段时间进行一次光谱采集,直至马尾松表现出明显的受害症状为止。每个样品重复进行3次影像采集,取其中成像质量最高的一组进行研究。
-
选用ENVI 5.3遥感图像处理软件,通过生成增益系数和反射率转换,提取目标物光谱曲线[22]。
增益系数生成:将采集的高光谱影像raw文件导入ENVI,针对硫酸钡白板范围绘制ROI,提取并导出平均DN值的txt文件,通过白板反射率计算出增益系数,提取波段对应的增益系数另存为txt文件备用。增益系数计算公式:增益系数=白板反射率/白板平均DN值/100。
反射率转换:将高光谱影像raw文件导入ENVI Classic,在Edit Header中编辑调用备用增益系数,通过工具箱中的预处理对增益系数进行应用,另存文件并加载其真彩色影像以查看光谱反射曲线。
通过ENVI打开保存文件,将可选择范围移动至目标物,对光谱曲线进行平滑处理并编辑图片,导出波段及对应反射率的txt数据文件。
-
获取不同波段及反射率数据,利用相应模型进行各种变换,提取能够反映马尾松感染松材线虫病不同感病阶段的敏感波段或波段指数[8,23]。结合不同监测时间、无重复双因素分析方差值建立相应公式进行比较并提取敏感波段。选择在高光谱数据处理中具有良好效果的植被指数,如差值、比值、归一化和加强指数(见表3),利用不同植被指数及不同敏感波段组合,结合指数、对数、线性、二阶导数和幂指数等在辨别细微光谱差异上的优势,构建感病马尾松林间早期诊断模型[6]。
编号 光谱参数 缩写 计算公式 1 差值植被指数 DVI(λ1, λ2) Rλ1- Rλ2 2 比值植被指数 RVI(λ1, λ2) Rλ1/ Rλ2 3 归一化植被指数 NDVI(λ1, λ2) RNIR- Rλ1/ RNIR+ Rλ1 4 加强植被指数 EVI(λ1, λ2, λ3) 2.5(RNIR-RRED)/(1+RNIR+6RRED-7.5RBLUE) Table 3. Variety of vegetation index calculation methods
-
自2020年6月中旬开始,结合实验样株反映和天气状况,野外共进行5次(6月19日、7月19日、8月16日、9月8日和9月30日)高光谱影像采集,获取了47组141号高光谱数据。每幅影像光谱介于402.6 nm~1005.5 nm之间,可分为176个波段,每个波段3.7 nm。利用ENVI对获取的松针影像进行处理,获得了平滑的光谱反射曲线,见图1。
-
通过一段时间的野外监测,发现3号样株于第2次(65 d)野外影像采集时出现枯黄现象,6号和7号样株于第3次(90 d)野外影像采集时前后出现明显枯死现象。对照株与感病植株光谱差异显著,主要表现为:随着感病程度深入,绿光区的反射峰逐渐减弱,直至病株在外观上表现出明显枯萎,光谱反射曲线上的反射峰或吸收谷特征消失,曲线斜率显著降低,见图2。
结合感病植株和对照植株光谱反射曲线,选择青光、绿光、红光和近红外光谱反射率变化明显的区域提取相应波段进行差异显著性分析。波段集中在472.6 nm~488.7 nm,550.8 nm~567.3 nm,668.5 nm~685.6 nm,751.6 nm~851.1 nm,其中前三个波段范围各选6个波段,近红外宽平反射范围选8个波段,各波段及其反射率数值见表4。
波段 感病株反射率 对照株反射率 36 d 65 d 90 d 112 d 134 d 36 d 65 d 90 d 112 d 134 d 472.6 0.0464 0.0636 0.0943 0.0936 0.0765 0.0763 0.0760 0.0761 0.0764 0.0853 475.8 0.0443 0.0643 0.0952 0.0927 0.0747 0.0754 0.0751 0.0757 0.0757 0.0826 479.0 0.0401 0.0642 0.0975 0.0918 0.0726 0.0746 0.0749 0.0753 0.0752 0.0795 482.3 0.0382 0.0646 0.0971 0.0893 0.0722 0.0755 0.0751 0.0756 0.0753 0.0779 485.5 0.0366 0.0644 0.0982 0.0876 0.0737 0.0750 0.0748 0.0760 0.0755 0.0772 488.7 0.0343 0.0640 0.0990 0.0852 0.0758 0.0749 0.0741 0.0762 0.0750 0.0770 550.8 0.1194 0.0905 0.1167 0.1012 0.0824 0.1224 0.1435 0.1219 0.1623 0.1446 554.1 0.1207 0.0924 0.1216 0.1024 0.0831 0.1211 0.1417 0.1210 0.1541 0.1423 557.4 0.1272 0.0956 0.1235 0.1038 0.0834 0.1207 0.1402 0.1207 0.1464 0.1407 560.7 0.1182 0.0983 0.1252 0.1045 0.0835 0.1189 0.1396 0.1186 0.1417 0.1402 564.0 0.1169 0.0998 0.1271 0.1056 0.0840 0.1123 0.1320 0.1164 0.1364 0.1345 567.3 0.1160 0.1005 0.1280 0.1059 0.0842 0.1103 0.1311 0.1150 0.1334 0.1322 668.5 0.0630 0.1073 0.1267 0.1231 0.1236 0.1012 0.0921 0.1017 0.1037 0.1038 671.9 0.0622 0.1036 0.1295 0.1290 0.1292 0.1003 0.0902 0.1010 0.0995 0.1057 675.3 0.0592 0.1095 0.1299 0.1326 0.1312 0.1008 0.0896 0.1016 0.0973 0.1049 678.8 0.0530 0.1006 0.1302 0.1356 0.1335 0.1010 0.0883 0.1014 0.0942 0.1062 682.2 0.0589 0.1027 0.1327 0.1399 0.1359 0.1011 0.0872 0.1003 0.0926 0.1044 685.6 0.0675 0.1052 0.1335 0.1434 0.1411 0.1013 0.0869 0.1004 0.0919 0.1042 751.6 0.3338 0.2174 0.2230 0.2204 0.1638 0.6293 0.6786 0.6063 0.6307 0.5764 765.7 0.3382 0.2203 0.2267 0.2293 0.1729 0.6536 0.6905 0.6284 0.6411 0.5895 779.8 0.3471 0.2271 0.2314 0.2413 0.1752 0.6673 0.7007 0.6612 0.6605 0.5950 793.9 0.3674 0.2348 0.2346 0.2463 0.1795 0.6712 0.6978 0.6593 0.6725 0.6073 808.1 0.3708 0.2402 0.2564 0.2598 0.1826 0.6807 0.7061 0.6548 0.6713 0.6192 822.4 0.3793 0.2469 0.2647 0.2753 0.1935 0.6825 0.6831 0.6380 0.6653 0.6226 836.7 0.3825 0.2531 0.2752 0.2836 0.2155 0.6817 0.6816 0.6553 0.6592 0.5904 851.1 0.3904 0.2706 0.2811 0.3047 0.2294 0.6772 0.6703 0.6427 0.6530 0.5930 Table 4. Change of spectral reflectance of infected strain and control strain over time
选择同一时间段对感病株与对照株进行无重复双因素分析,方差分析表明差异显著性。利用公式:
式中,TN为监测总天数;Tn为具体监测天数;Bn为具体监测时间与监测总天数比值;时间越早,Bn值越大;C为野外监测总次数;Fc某次监测特定波段下光谱反射率方差值大小排序;Rc为某次监测特定波段的光谱反射率方差加权值,R值越大,则该相应波段越敏感。
通过对不同波段范围内不同时间光谱反射率方差进行加权平均,提取整个感病过程中的敏感波段。最终提取4个敏感波段,即488.7 nm、550.8 nm、682.2 nm和779.8 nm,见图3。
-
选用四种常用的植被指数,结合不同波段进行分析。在敏感波段中,仅779.8 nm波段属于近红外波段,可用于NDVI和EVI计算;488.7 nm和550.8 nm为蓝光波段;682.2 nm为红光波段。基于感病株数据,利用指数、对数、线性、二阶导数和幂指数等建立模型回归拟合,四种植被指数中DVI、RVI、EVI的幂指数效果最佳,DNVI的二阶导数效果最佳。通过不同波段组合对比,EVI以550.8 nm蓝光波段建立的模型回归拟合最佳,其R2为0.9754,不同植被指数回归拟合见表5。
植被指数类型 感病株时间 回归方程 R2 36 d 65 d 90 d 112 d 134 d DVI(779.8;488.7) 0.3128 0.1631 0.1324 0.1561 0.0994 y = 0.2885x-0.616 0.9096 DVI(779.8;682.2) 0.2882 0.1244 0.0987 0.1014 0.0393 y = 0.2893x-1.038 0.9558 RVI(779.8;488.7) 10.1207 3.5462 2.3374 2.8322 2.3113 y = 8.2832x-0.89 0.9276 RVI(779.8;682.2) 5.8937 2.2113 1.7438 1.7248 1.2892 y = 5.116x-0.885 0.9509 NDVI(779.8;488.7) 0.8202 0.5601 0.4007 0.4781 0.3960 y = 0.0423x2 - 0.347x + 1.1064 0.9117 NDVI(779.8;550.8) 0.4883 0.4302 0.3295 0.4091 0.3604 y = 0.0142x2 - 0.113x + 0.5861 0.6879 EVI(488.7) 0.8947 0.2670 0.2141 0.1918 0.0716 y = 0.5169x-1.03 0.9568 EVI(550.8) 0.4993 0.2282 0.1920 0.1758 0.0691 y = 0.8566x-1.355 0.9754 Table 5. Regression fitting analysis of different vegetation index
建立早期诊断模型的重点在确保对照株稳定的前提下,显示出与感病株的显著差异。基于EVI建立的感病株与对照株病程反演,通过感病株二次回归拟合得到诊断模型。最佳回归拟合方程为指数型,其R2为0.9754,表明感病株感病后期病程加剧,与对照株形成显著差异;在该拟合中对照株整体稳定,其R2为0.0199,为几种趋势分析中的最佳模型。而选用DVI、RVI、NDVI建立的模型中,对照株稳定性较差,与感病株形成交叉曲线而造成一定干扰,难以对病程中植株感病做出定性判断,早期诊断模型见图4。
通过感病指数K值可以发现:当K>6时,能确定植株感病已经到中后期,感病时间超过90 d;当K<1时,可知感病株处于感病早期(36 d以内),此时通过肉眼无法感知植株针叶颜色和长势的变化;当1<K<6时,此时植株表现存在一定差异,如树龄较小、长势较差的植株会出现明显的外观变化,而树龄较大或长势较好的植株不会出现肉眼可见的变化。
马尾松感染松材线虫病早期诊断模型:
式中,K为马尾松感病指数;EVI为加强植被指数;RNIR为近红外波段779.8 nm的反射率;RRED为红光波段682.2 nm反射率;RBLUE为蓝光波段550.8 nm反射率。
Study on early diagnosis model of pine wilt disease in infected forest area of southern Sichuan
doi: 10.12172/202403080002
- Received Date: 2024-03-08
- Available Online: 2024-04-12
-
Key words:
- Hand hyperspectrum /
- Pinus Massoniana Lamb. /
- Pine Wilt Disease
Abstract: To establish an early monitoring model of pine wood nematode disease suitable for Sichuan province. From June to September 2020, combined with the biological characteristics of Monochamus alternatus, spectral image collection of experimental samples selected in the field was carried out using a handheld hyperspectral imager, and ENVI software was used to process and extract spectral curves. The results showed as follows: (1) After 5 times of image collection, the target plants showed typical symptoms from the initial stage of infection to withered and yellow death, and the spectral reflectance of infected and control plants was significantly different at each stage; (2) The weighted average of the variance of spectral reflectance at different time in different bands was carried out to extract four sensitive bands, for 488.7nm, 550.8nm, 682.2nm and 779.8nm; (3) Based on regression fitting of sensitive bands and vegetation index, EVI index type early inversion monitoring model of 3 bands was established, namely K=0.6874e0.7293*EVI, and plant susceptibility could be qualitatively judged by K value.