稻縱卷葉螟為害水稻的冠層光譜特征及葉綠素含量估算*

周 曉，包云軒**，王 琳，杜正朕，唐 倩，陳 粲，3

（1．南京信息工程大學氣象災害預報和評估協同創新中心，南京 210044；2．南京信息工程大學江蘇省農業氣象重點實驗室，南京 210044；3．南京信息工程大學氣象災害教育部重點實驗室/氣候與環境變化國際合作聯合實驗室，南京 210044）

水稻是重要的糧食作物，蟲害一直是影響其產量的重要因素。稻縱卷葉螟（Cnaphalocrocis medinalis）是水稻生產過程中危害較嚴重的一種蟲害，廣泛分布在中國淮河以南稻區，其中華南稻區、江嶺稻區以及江淮稻區為害最為嚴重[1]。稻縱卷葉螟幼蟲通過蟲絲將水稻葉片卷起，躲藏在卷葉中啃食葉肉，極大地破壞了葉片上表皮和葉肉組織[2]，導致光合作用不能正常進行，從而影響水稻干物質的積累[3]，最終使得水稻嚴重減產。據統計，2005-2015年中國稻縱卷葉螟年均發生面積為1969 萬hm2，損失產量702.7 萬t[4]。而葉綠素可以有效反映作物的受害情況，通過葉綠素含量的高低能夠有效反映水稻的生長狀況[5]。但是傳統的葉綠素含量測定大多為乙醇、丙酮浸提法[6]等方法，需要進行破壞性采樣，無法快速反映水稻的生長狀況。

高光譜遙感信息具有波段多、波譜連續等特點，能夠快速、無損地獲取作物的光譜反射率曲線，因此，成為作物病蟲害監測的重要研究手段。2008年劉占宇[7]和2010年黃建榮等[8]研究表明，無論水稻分蘗盛期或抽穗期，在稻縱卷葉螟暴發后水稻葉片和冠層光譜在近紅外波段的反射率均會下降，在紅光波段的吸收減少，反射率上升；2013年孫嘉懌[9]的研究發現，隨著卷葉率的增加，孕穗期水稻葉片綠光區和近紅外光區的光譜反射率顯著下降，而藍光區和紅光區的反射率則顯著升高。在對病蟲害引起作物長勢變化的敏感波段研究方面，朱宇波[10]通過研究發現，紅光波段和近紅外波段是水稻分蘗期稻縱卷葉螟為害的敏感波段，在孕穗期為近紅外波段，揚花期為藍紫光和紅光波段。袁琳[11]的研究表明，受蚜蟲為害的小麥葉片在近紅外波段的光譜反射率下降，感染條銹病的葉片反射率上升。研究發現，通過光譜反射率與作物生理指標的相關性分析，可以推測出作物對病蟲害的敏感波段[12]。通過這些敏感波段可以建立光譜指數，從而為病蟲害的監測提供依據。2015年沈文穎等[13]通過研究發現，650-680nm 光譜反射率與灌漿期小麥白粉病病情的相關性最強，基于光譜敏感波段的MCARI 和VARIgreen是估算白粉病受害程度的重要指標。孫紅等[14]針對抽穗期的稻縱卷葉螟受害區域進行監測，發現利用近紅外波段的反射率(762，774)構建歸一化植被指數NDVI可以有效識別受害區域，準確率達到70%。

但是，以往基于高光譜信息的研究主要集中于某個特定生育期內，對于整個水稻生育期內連續監測稻縱卷葉螟為害下水稻冠層光譜特征的研究較少。所構建的針對特定生育期下的單一估算模型普適性不強，難以適用于全生育期。因此，為了彌補這一缺陷，探明稻縱卷葉螟不同蟲量為害下全生育期水稻冠層光譜特征及其演變規律，建立多生育期或全生育期水稻葉綠素相對含量的估算模型，本研究在水稻大田生長背景下，通過設置全生育期不同蟲量稻縱卷葉螟為害水平下的水稻生長控制試驗，對全生育期內水稻冠層光譜反射率和葉綠素相對含量進行觀測，分析兩者的相關性，利用相關性較強的光譜波段建立葉綠素相對含量估算模型，以期實現快速、無損地監測全生育期內受不同蟲量稻縱卷葉螟為害后水稻的長勢及其為害特征，為稻縱卷葉螟為害趨勢預警、防控決策和水稻產量損失評估提供參考依據。

1 材料與方法

1.1 試驗區概況

試驗于2017年6月-2018年10月在南京信息工程大學農業氣象站（32°12′N，118°43′E）的生態實驗田內進行，該區屬于江淮稻區，稻縱卷葉螟是主要蟲害之一。水稻生育期為6-10月，與稻縱卷葉螟遷入生長期相吻合，為其生長發育提供了充足的食物來源。水稻生育期內日平均氣溫在22～28℃，相對濕度較高，對稻縱卷葉螟的生長發育十分有利。

1.2 試驗設計

試驗水稻品種為南粳5055。每個小區為邊長2m的正方形田塊，均勻種植100 叢水稻。每個小區使用單獨的帶拉鏈的透明網罩和支架進行保護，防止稻縱卷葉螟飛出。為確保試驗的準確性，從種植水稻開始至試驗結束，每個小區全程使用透明網罩進行保護。按照GB/T15793-2011 稻縱卷葉螟測報技術規范的準則，設置5 個投蟲量等級，即50 頭·百株-1（1 級）、100 頭·百株-1（2 級）、200 頭·百株-1（3 級）、300 頭·百株-1（4 級）、400 頭·百株-1（5 級），以達到不同程度的蟲害發生水平，從而分析不同初始蟲量對水稻生長的影響。對照小區無蟲量，采用相同的透明網罩和支架進行保護，以消除網罩和其它蟲害造成的影響。故試驗共6 個處理，每處理重復3次。稻縱卷葉螟的幼蟲由南京農業大學農業氣象與昆蟲生態實驗室培養獲得。在水稻分蘗初期，將二齡幼蟲投入試驗水稻田內。采用人工投蟲的方式，將不同數量的稻縱卷葉螟幼蟲均勻放置在相應小區水稻葉片上，確保幼蟲抓穩水稻葉片。各處理均進行正常水肥管理，但不噴灑任何農藥，僅進行必要的人工除草。

1.3 指標測定方法

1.3.1 水稻冠層光譜的測定

利用美國 ASD FieldSpec 3 地物波譜儀（Analytical Spectral DevicesInc，USA）采集水稻整個生育期的冠層光譜數據。該儀器測量波長范圍為350-2500nm，光譜分辨率為3～10nm，探頭視角為25°。觀測間隔時間為7～10d，選擇晴朗無云的天氣在太陽高度角相對較高的時段即10：30-14：00 進行。觀測時將網罩拉鏈打開，波譜儀傳感器探頭伸入水稻冠層上方0.6m 處，正面對著陽光并保持探頭垂直向下。每5min 進行一次白板校正，以防太陽高度角變化對反射率的測量造成誤差。每個試驗小區定點測量3 叢水稻冠層光譜，每點記錄5 次，取其均值作為該試驗小區水稻冠層光譜的測量結果。其中波長大于1000nm 的光譜數據由于受到大氣水分吸收的影響而產生較大波動，故未參與數據分析。

1.3.2 水稻葉片SPAD 的測定

利用SPAD-502（Soil Plant Analysis Development）葉綠素儀（日本產）進行水稻葉片SPAD 值的測定。SPAD 的觀測值已經廣泛應用于植物葉片葉綠素濃度的測量。根據Ling 等[15]的研究，SPAD 值與葉綠素有著很強的正相關，可以直接表觀葉綠素的含量，且經過轉換后的SPAD 值與溶劑萃取葉綠素的光度測量值平均相差僅6%。因此，SPAD 值可以反映水稻葉片葉綠素的變化情況。由于本試驗采集的光譜數據為水稻冠層數據，而冠層光譜數據主要來源于水稻植株上層的葉片。因此，在進行SPAD 數據采集時選取水稻的倒一葉進行測定。為了確保光譜數據和SPAD 數據之間的關聯，SPAD 值的測量時間和測定植株均與冠層光譜的測定同步。每個小區選取3叢水稻，每叢水稻選取2 片未被稻縱卷葉螟啃食的葉片以及一片被啃食過的葉片（均選取倒一葉），每片葉片測定上、中、下3 個部位，取其均值作為該小區水稻冠層的SPAD 值。

1.4 數據處理

利用ViewSpec Pro 軟件（ASD 公司）對光譜數據進行預處理，輸出原始光譜反射率以及導數光譜數據。利用Matlab R2016a 軟件（美國），運用基于最小二乘法原理的Savitzky-Golay（SG）濾波對反射率數據進行適當平滑去噪。SG 濾波在有效去除高光譜數據噪音的同時，能保留數據中細微的有效信息，是處理高光譜數據最常用的濾波方法。

利用SPSS 20.0（IBM 公司）軟件對SPAD 值進行方差分析和光譜數據的相關分析，對比不同蟲量等級下，光譜參數和SPAD 的差異顯著性（P＜0.05）。將植被指數和三邊參數作為自變量，SPAD 作為因變量，建立SPAD 的回歸估算模型。采用決定系數R2比較模型效果。

基于光譜曲線，計算植被指數以及三邊參數。具體包括歸一化植被指數（NDVI）、綠色歸一化植被指數（GNDVI）、結構不敏感色素指數（SIPI）、光化學植被指數（PRI）、最優土壤調節植被指數（OSAVI）、紅邊歸一化植被指數（NDVI705）、改進紅邊歸一化植被指數（mNDVI705）、紅邊葉綠素指數（CIrededge）、綠色葉綠素指數（CIgreen）、歸一化差分紅邊（NDRE）、美國陸地葉綠素指數（MTCL）、紅邊幅值Dλred、紅邊位置λred、紅邊面積Sred、藍邊幅值Dλblue、藍邊位置λblue、藍邊面積Sblue、黃邊幅值Dλyellow、黃邊位置λyellow、黃邊面積Syellow。其計算公式及文獻來源如表1 所示。

表1 基于光譜曲線構建的植被指數和三邊參數 Table 1 Vegetation indices and trilateral parameters based on the spectra data

2 結果與分析

2.1 稻縱卷葉螟為害下水稻冠層高光譜特征

2.1.1 不同生育階段水稻冠層反射率

由圖1 可見，在水稻生育各階段，對照處理中冠層反射率數值在可見光波段內（400-760nm）均較小，在近紅外波段（760-1000nm）相對較大；受到稻縱卷葉螟為害的處理，水稻冠層反射率數值也表現出同樣的特點，但蟲害處理與對照的反射率數值有明顯差異，僅分蘗期少量波段（731-899nm）和拔節期小部分波段（814-820nm、897-1000nm）反射率的差異未達顯著水平，其余波段均達到了顯著差異（P＜0.05），說明水稻冠層光譜能夠體現出不同蟲量為害的影響。具體來說，這種影響主要表現為，在近紅外波段，受到為害的水稻反射率均低于對照，且隨投放蟲量的增加反射率依次減小，在投蟲量第二大處理（4 級）中達到最低；在可見光波段，各蟲害 處理的反射率并未呈現依次下降或依次升高的變化規律，僅表現為在分蘗期-孕穗期蟲害處理的反射率低于對照，在揚花期-成熟期蟲害處理的反射率高于對照。可見，受稻縱卷葉螟為害后水稻冠層反射率在不同波段會受到不同程度的影響。

圖1 不同投蟲量處理中水稻主要生育期冠層原始光譜曲線 Fig.1 Original spectrum curves of rice canopy in the main growth periods under different insect load treatments

在整個觀測期內，不同處理冠層反射率也會受到生育期的影響。圖1 顯示，對照處理的水稻冠層光譜在可見光和近紅外波段的反射率變化均表現為：從分蘗期至揚花期逐漸增大并在揚花期達到最大值，從揚花期至成熟期逐漸減小并在成熟期達到最小值；不同投蟲量處理中冠層反射率數值大小雖不同，但變化趨勢與對照相似。均表現為：在分蘗期-揚花期，近紅外波段（760-1000nm）的反射率隨生育進程逐漸增大，揚花期-成熟期隨生育進程逐漸減小。在可見光波段內（400-760nm），投蟲量小的處理中包括1 級、2 級處理，水稻冠層反射率均呈現從分蘗期至揚花期逐漸增大，從揚花期至成熟期逐漸減小的規律；而投蟲量較大的處理包括3 級、4 級處理，其冠層反射率則表現為從分蘗期至揚花期逐漸增大并在揚花期達到最大值，但在拔節期出現小幅下降的情況，揚花期后開始再次減小，成熟期減至與分蘗期相近；投蟲量最大的5 級從分蘗期至揚花期逐漸增大并在揚花期達到最大值，但在孕穗期出現下降的情況，揚花期至成熟期逐漸減小，成熟期時減至低于分蘗期。可見，生育進程也影響著水稻冠層的反射率數值及其曲線形狀。

2.1.2 不同生育階段水稻冠層光譜參數

由表2 可見，在水稻各生育階段，對照處理的紅邊位置在733-735nm，藍邊位置在519-520nm，黃邊位置在567-570nm；受到稻縱卷葉螟為害的不同處理中，隨著投蟲量的增加，紅邊位置呈現不同程度地往短波方向移動的趨勢，即存在“藍移”現象；藍邊位置在分蘗期-孕穗期呈現往長波方向移動的趨勢，即存在“紅移”現象，在揚花期-成熟期存在“藍移”現象；黃邊位置在孕穗期、揚花期存在“藍移”現象，分蘗期、拔節期、灌漿期和成熟期存在“紅移”現象。可見，受到稻縱卷葉螟為害后三邊位置會產生“藍移”的現象，并且紅邊位置的“藍移”情況最顯著，藍邊和黃邊位置則存在部分生育期“紅移”的現象。

對照處理的紅邊面積在0.23～0.86，藍邊面積在0.01～0.07，黃邊面積在0.01～0.07；除分蘗期，其余生育階段蟲害處理的紅邊面積隨著投蟲量的增加逐漸減小；藍邊面積和黃邊面積未表現出顯著的變化趨勢。可見，紅邊面積能夠反映受害程度，藍邊和黃邊面積對受害程度的反映不顯著。

在整個觀測期內，不同處理的“三邊”位置也會受到生育階段的影響。對照處理的紅邊位置在分蘗期-孕穗期呈現往長波方向移動的趨勢，即“紅移”現象，揚花期-成熟期呈現往短波方向移動的趨勢，即“藍移”現象；藍邊位置和黃邊位置的變化情況不顯著，藍邊位置往長波方向移動最多的時期均為孕穗期，黃邊位置則多為灌漿期和成熟期。不同投蟲量處理雖變化趨勢與對照處理相似，但不同處理間移動的幅度略有差異。在分蘗期-孕穗期，紅邊位置表現為4 級處理的“紅移”幅度最大；藍邊位置“紅移”幅度在1nm 左右，黃邊位置為1～2nm。在成熟期，4 級處理的紅邊位置“藍移”幅度最大，藍邊位置在揚花期2 級、3 級的“藍移”幅度最大；黃邊位置表現為揚花期5 級處理“藍移”幅度最大。可見，紅邊位置能夠清晰反映水稻的生長階段，藍邊位置和黃邊位置的效果不及紅邊位置。

對照處理的紅邊面積在拔節期-灌漿期均大于分蘗期，且拔節期-揚花期逐漸增大并在揚花期達到最大值，成熟期小于分蘗期；藍邊面積和黃邊面積呈現與紅邊面積相同的變化趨勢。蟲害處理與對照的變化趨勢相似，具體表現為：在揚花期1 級處理的面積以及增幅最大，在成熟期4 級處理的面積最小；在揚花期藍邊和黃邊面積3 級處理的面積及增幅最大，成熟期時1 級處理的藍邊面積最小，4 級和5 級處理的黃邊面積最小。可見，隨著生育階段的推進，三邊面積先增大后減小。

2.2 稻縱卷葉螟為害下水稻葉片葉綠素相對含量估算

2.2.1 不同蟲量處理水稻SPAD 變化特征

由圖 2 可見，對照處理的葉綠素相對含量（SPAD）從分蘗期至揚花期逐漸升高，揚花期達到最高值，從揚花期后逐漸降低，成熟期降至最低值；各蟲害處理SPAD 的變化趨勢與對照相似，但不同投蟲量處理間存在差異，具體表現為：投蟲量較少的1級、2 級處理與對照處理呈現相似的變化趨勢，但在拔節期出現小幅降低的情況；投蟲量較多的3 級、4級處理從拔節期至孕穗期均呈現降低的趨勢，孕穗期后開始升高，揚花期時升至最大值，揚花期后再次降低，成熟期降至最低值；投蟲量最多的5 級處理SPAD 同樣在拔節期小幅降低，但孕穗期升至最高值，此后逐漸降低，至成熟期最低。可見，投蟲量的不同將導致水稻SPAD 值在整個觀測期內呈現不同的變化趨勢。

表2 各處理水稻冠層光譜曲線的三邊參數 Table 2 Trilateral parameters of rice canopy spectra curves under different treatments

從圖2 還可發現，不同投蟲量等級間水稻SPAD值的差異達到了顯著水平（P＜0.05），且隨著生育階段的推進，不同處理間的差異增大，其中灌漿期和成熟期的差異最大。對照處理的葉綠素相對含量（SPAD）在39.30～51.20，與對照相比，受害的水稻SPAD 大多低于對照，僅分蘗期和孕穗期時1 級處理的SPAD 值略高于對照。隨著投蟲量的增多，SPAD值逐漸下降，其中4 級處理的降幅最大，且降幅隨著生育階段推進逐漸增大，在灌漿期時降幅最大。可見，隨著投蟲量的增加水稻SPAD 值逐漸降低。

圖2 不同生育期各處理水稻葉片葉綠素相對含量（SPAD）比較 Fig.2 Comparison of SPAD values of rice leaves at each growth stage among different treatments

2.2.2 葉片SPAD 值與光譜數據和植被指數相關性分析

將水稻整個生育期的SPAD 值與原始光譜、導數光譜分別進行相關性分析（圖3）。由圖3 可見，在可見光的紫-橙光波段（400-623nm），SPAD 與原始光譜反射率呈弱的正相關，部分紅光波段（624-680nm）為弱的負相關，部分紅光波段（712-760nm）以及近紅外波段（761-1000nm）為顯著正相關（P＜0.05）。SPAD 值與導數光譜在部分綠波段（501-536nm）、部分紅波段（690-758nm）以及部分近紅外波段（761-793nm）呈顯著正相關，在黃-紅波段（554-659nm）二者呈顯著負相關。

圖3 水稻冠層光譜反射率與SPAD 的相關性 Fig. 3 Correlation between spectral reflectance of rice canopy and SPAD values

利用上述相關性達到顯著水平的光譜波段計算 植被指數和三邊參數，并分別與SPAD 值進行相關性分析（表3）。其中SIPI 和黃邊位置與SPAD 值呈顯著負相關，其余參數均呈顯著正相關。大部分指數與SPAD 值都具有很強的相關性，達到了極顯著水平（P＜0.01），尤以NDVI、NDVI705、紅邊位置與SPAD值的相關性較好，相關系數的絕對值均達到了0.80以上。GNDVI、OSAVI、mNDVI705、NDRE 與SPAD的相關系數也達到0.70 以上。因此，可利用這些相關性較強的植被指數與三邊參數建立模型，對稻縱卷葉螟為害下水稻SPAD 值進行估算。

2.2.3 水稻葉片SPAD 估算模型

分別將整個生育期的植被指數作為自變量，包括NDVI、OSAVI、NDVI705、mNDVI705、NDRE、紅邊位置，將整個生育期的SPAD 值作為因變量，建立水稻全生育期SPAD 值的單因子估算模型（表4）。分別選擇常用的指數函數、線性函數、多項式函數以及對數函數進行擬合，并比較估算模型的決定系數R2。由表4 可見，水稻全生育期SPAD 值估算模型的R2基本在0.60 以上，表明用光譜參數進行SPAD 值的估算方法是可行的。NDVI 指數和多項式模型以及NDVI705的多項式模型的擬合效果較好，R2達到了0.70 以上。其中NDVI 的指數模型最高，R2為0.72。在多元逐步回歸模型中，NDVI 和NDRE 進入模型，R2同樣達到了0.70 以上。可見，NDVI 和帶紅邊反射率的模型均可用于估算SPAD，且具有較理想的效果。

表3 植被指數、三邊參數與SPAD 值的相關關系(n=60) Table 3 Correlation between vegetation indices, trilateral parameters and SPADvalues(n=60)

表4 基于水稻冠層光譜參數的SPAD 值估算模型 Table 4 Estimation models of SPADvalues based on rice canopy spectral parameters

（續表）

3 結論與討論

3.1 討論

本研究對全生育期水稻光譜進行研究，而以往的相關研究多僅針對單個生育期進行。孫紅等[14]對抽穗期稻縱卷葉螟為害下的光譜特征的研究表明，在可見光波段，受害程度低的反射率低于對照，受害程度高的反射率則高于對照。這與本研究得出結果相似。而黃建榮等[8]認為不同為害程度下分蘗期水稻單葉反射率不僅在近紅外波段的反射率隨為害程度的加深逐漸下降，綠光波段反射率也隨為害程度加深而逐漸下降，紅光波段反射率則隨為害程度加深逐漸增大。與之產生差異的主要原因可能有兩點：其一，本研究為冠層光譜，文獻中為單葉光譜，二者尺度有明顯的差異；其二，冠層光譜采集時天氣條件多變，土壤背景會有一定影響。但無論是冠層光譜或是單葉光譜，均能通過光譜的變化情況反映作物的長勢變化。

本研究發現，稻縱卷葉螟為害對水稻冠層光譜反射率的影響，主要表現為隨著投蟲量的增多，近紅外波段的光譜反射率逐漸下降。這主要是因為在受到稻縱卷葉螟為害后，水稻葉片會被幼蟲啃食因而出現“白斑”，降低了水稻葉面積指數和葉片葉綠素含量。進一步表明光譜與葉綠素含量具有緊密相關性[28-29]，通過光譜信息能夠反映出作物葉綠素的變化情況。其中4 級處理（300 頭·百株-1）的近紅外波段反射率在所有處理中最低。這可能是因為本試驗采用蟲網將水稻與外界隔離，投放的稻縱卷葉螟幼蟲將在網內進行生長和繁殖。在水稻分蘗初期，當幼蟲蟲量達到一定程度時（如400 頭·百株-1），水稻生長速度小于幼蟲取食速度，部分幼蟲由于無法獲得足夠的食物而死亡，因此在水稻生長后期，該等級下的蟲量反而偏低，水稻長勢優于4 級，從而也造成該等級在近紅外波段的反射率有所上升。

本研究還發現，受到稻縱卷葉螟為害后，紅邊位置、藍邊位置和黃邊位置均發生“藍移”，可以反映出作物受害情況。不僅受稻縱卷葉螟為害，在其它脅迫類型下光譜的三邊參數也會產生類似的變化規律。沙依然·外力等[30]的研究表明，受到干旱為害后水稻紅邊位置存在“藍移”現象。朱懷衛等[31]研究表明，隨著UV-B 的增強，水稻光譜紅邊位置發生“藍移”。而當作物長勢較好或生長旺盛時則會發生“紅移”現象[32]。本研究還發現，三邊參數中紅邊參數反映稻縱卷葉螟的為害效果優于藍邊和黃邊參數。這是因為SPAD 與導數光譜的紅邊位置顯著相關，紅邊位置相比其它三邊參數更能反映作物受害的變化情況[33-34]。

本研究對全生育期水稻葉綠素相對含量（SPAD）進行觀測，發現隨著投蟲量的增加SPAD 值逐漸降低。但投蟲量最高的5 級處理的SPAD 值并未依次低于4 級處理，反而4 級處理為最低值，其原因與光譜類似。在稻縱卷葉螟為害初期，SPAD 值下降幅度較小。剛放入稻縱卷葉螟時若受到輕微的蟲害，如1 級處理，反而使得SPAD 值略高于對照處理。這與李梅等[35]對馬鈴薯晚疫病的研究結果相似。這可能是因為稻縱卷葉螟幼蟲投放時間尚短，幼蟲對水稻的為害處于水稻自我補償能力范圍以內，輕微的蟲害不僅能被水稻抵御，還能略微促進水稻的生長。有研究表明，孕穗期水稻受到輕微干旱脅迫，復水后SPAD 值上升幅度大于對照處理[36]。本研究還發現，隨著時間的推移，SPAD 值的下降幅度增加，其中在灌漿期降幅最大。前人也有相似的研究結果。胡華冉等[37]的研究表明，受到Na2CO3和NaHCO3為害的大麻幼苗SPAD 值均低于對照，并且隨著濃度的提高SPAD 值逐漸減小。李凱偉等[38]的研究表明，隨著寡照為害時間加長，葡萄葉片的SPAD 值逐漸降低。

本研究發現在整個光譜波段范圍內（350-1000nm），綠波段（501-536nm）、黃-紅波段（554-659nm）、紅波段（690-758nm）以及近紅外波段（761-1000nm）與SPAD 的相關性較好，說明它們能夠有效反映SPAD 值的變化情況，或許可以作為稻縱卷葉螟為害下的敏感波段。在所有的植被指數中，NDVI、NDVI705、紅邊位置與SPAD 值的相關性較好，估算模型的精度也較高，其中NDVI 的指數模型效果最理想。這可能是因為稻縱卷葉螟為害水稻后，會造成葉綠素含量的變化，同時幼蟲啃食時將葉片卷起，葉面積會減小，啃食嚴重時葉片幾乎僅剩表皮和葉脈，因此，也會影響葉面積指數。而NDVI 也同時能夠反映冠層葉面積的變化情況，因此對稻縱卷葉螟的為害更為敏感。黃建榮的研究結果也表明，孕穗期時基于稻縱卷葉螟為害的水稻受害程度估算模型也以NDVI 模型準確率最高[39]。

本研究基于與葉綠素相對含量（SPAD）相關性較強的光譜波段構建估算模型，模型精度較高，表明利用高光譜數據建立稻縱卷葉螟為害下水稻葉綠素相對含量估算模型的方法可行。模型通過水稻冠層光譜數據估算葉綠素相對含量，可以反映稻縱卷葉螟為害下水稻的生長情況，與傳統破壞性采樣后用丙酮等試劑提取葉綠素含量的方法[6]相比更為快速、瞬時、無損，并且該模型可用于水稻全生育期的估算，與一般單生育期估算模型[40-41]相比更具普適性。此外，模型還建立了宏觀的冠層尺度與微觀的葉片尺度之間的聯系，并取得了較好的結果。前人研究也表明，冠層光譜也可用于葉片尺度的參數估算。孫小香等[42]利用水稻冠層光譜預測葉片SPAD，精度達0.80；Singh 等[43]利用冠層反射率評價甜高粱生長、葉片氮含量和葉綠素含量，結果表明由595nm 與1676nm、595nm 與508nm 的反射率組成的簡單比值模型預測葉片N 濃度和葉綠素含量的精度最大。由此說明冠層光譜雖然包含了一些背景和其它葉片的信息，但依然能夠反映出葉綠素的變化情況。與實驗室環境相比，基于冠層的光譜反射率信息雖然更為復雜，但更接近野外田間的實際情況，更利于推廣至田間的觀測。為了完善田間的估算模型，后續將開展成像光譜的試驗研究，以去除不同部位葉片和背景的信息，進一步提高基于稻縱卷葉螟為害下水稻SPAD 估算模型的準確性。

3.2 結論

（1）隨著投蟲量的增加，水稻冠層光譜反射率在近紅外波段逐漸下降，4 級處理（300 頭·百株-1）的反射率最低。在分蘗期-孕穗期，蟲害處理可見光波段的反射率低于對照，揚花期-成熟期則高于對照。

（2）隨著投蟲量的增加，紅邊位置發生了明顯的“藍移”。

（3）葉綠素相對含量（SPAD）隨投蟲量的增加逐漸降低，4 級處理最低。

（4）利用相關性較好的植被指數與三邊參數構建模型，可用于SPAD 的估算，其中NDVI 的指數模型估算效果最優。