板栗樹紅蜘蛛蟲害無人機高光譜遙感監測研究

馬書英 郭增長 王雙亭 張 凱

(1.河南理工大學測繪與國土信息工程學院， 焦作 454003；2.河南工業職業技術學院城市建設學院， 南陽 473009； 3.河南測繪職業學院， 鄭州 451464)

0 引言

紅蜘蛛病蟲害是影響板栗品質與產量的主要威脅之一[1]。據有關資料統計，近幾年，僅邢臺縣西部太行山區坡面種植板栗已達年產4萬余噸，價值5億元左右。而因紅蜘蛛病蟲害造成的當年損失約占5%，病情嚴重時，不僅當年減產、絕收，而且影響到次年整株顆粒無收。傳統的監測林業、農業病蟲災害的方法主要采取林間或田間定點監測和隨機調查等方法，在病蟲害發生較早時期，僅憑肉眼進行觀察，這種方法費時、費力、效率低，也極易造成農藥噴灑過量，增加對環境的污染。

近年來，高光譜與高光譜成像技術在農林業信息采集與檢測方面的應用日益廣泛。利用高光譜成像技術可以實現對農作物病害的早期識別和檢測,比傳統檢測手段更加快速、準確,并且無需使用化學試劑，可有效降低污染[2]。

高光譜遙感技術在農作物分類識別[3-6]、品質鑒定[7-10]、病蟲害監測[11-15]等方面已有很多研究和不同程度的應用[16]。伍南等[17]為實現對杉樹炭疽病的早期檢測預報，采用手持野外光譜輻射儀(Analytica spectra devices,ASD)對杉樹冠層光譜進行測試，由回歸分析方法獲得與色素含量相關性最高的原始光譜和一階微分波段。LAWRENCE等[18]從探測器-1傳感器上采集高光譜圖像，利用亞冠層空間分辨率高光譜圖像區分道格拉斯冷杉樹甲蟲攻擊道格拉斯冷杉，對逐步判別分析分類(Discrim)和回歸樹分析(Classification and regression tree,CART)的準確性進行了對比，發現CART在樹健康類中具有最佳的可分性(總體上為93%)，通過交叉驗證數據集的交叉驗證，利用刀重采樣技術對CART方法的預測精度進行估計，其總體分類準確率達到69%。文獻[19-22]對馬尾松受到的毛蟲危害進行了研究。CALDERN等[23]利用無人機載窄帶多光譜、高光譜和熱相機獲取葉片、冠層圖像，對由土傳真菌(dahliae kleb)引起的橄欖黃萎病(Verticillium wilt，VW)進行了研究。ZARCO-TEJADA等[24]研究表明，在癥狀出現之前，可由機載成像光譜和熱成像中檢索到的植物功能性狀變化揭示橄欖樹中葉緣焦枯病菌的感染情況，其檢測準確性可達80%以上。胡榮明等[25]對帶病斑蘋果樹葉片的高光譜圖像進行病斑提取與分析。郭偉等[26]采用無人機高光譜對冬小麥全蝕病進行了監測研究。利用高光譜技術對板栗樹病蟲害監測方面，王植等[27]對高光譜在板栗病蟲害監測上的應用可行性進行了探討。文獻[28-29]應用高光譜圖像對板栗果實進行了品質鑒定和霉變監測。

本文利用高光譜成像技術采集板栗樹健康葉片、受“紅蜘蛛”不同程度侵染葉片的高光譜圖像，及實驗區無人機高光譜圖像，通過提取各光譜曲線的光譜特征，定量和定性分析各光譜特征對紅蜘蛛蟲害的響應規律，探究板栗樹紅蜘蛛蟲害的診斷性光譜特征，以期實現利用無人機高光譜遙感技術預警早期紅蜘蛛蟲害。

1 實驗數據采集

1.1 葉片樣本采集

葉片采樣時間為2018年4月下旬至2018年8月下旬，采樣地點為河北省邢臺縣西部太行山區板栗樹種植區。共選取20棵板栗樹作為葉片來源，對每棵樹進行編號，分別在樹干處粘貼標簽，注明編號、品種、樹齡、地點、時間等信息，如圖1a所示。根據板栗樹的生長變化情況，在有經驗的技術人員指導下按一定的時間間隔進行采樣，初期采樣間隔較小，3～5 d一次，中后期基本固定在約10 d一次。方法為：根據樹齡、植株大小及葉片疏密長勢等狀況，選取每棵樹上受紅蜘蛛危害較嚴重的區域，采集5～10片染病樹葉；同時選取該樹未受紅蜘蛛危害的區域，采集5～10片健康樹葉；采集未感染病蟲害的板栗樹每株5～20片。每棵樹葉片采集后立刻用保鮮袋裝好，貼上相應標簽，記錄樣株編號、采樣日期、時間、數量(病葉+健康葉)及天氣等信息，如圖1b所示?；氐绞覂攘⒖谭胚M保鮮柜保存。

對20棵樹共進行18次摘葉采樣，得到健康和染病葉片共1 000余片，除特殊說明外，本文樣本采集時間為2018年6月21日。將每片葉片用薄雙面膠粘貼在純黑色不透明硬紙片上，并單獨編號，標明實驗日期、樣本號、有無病蟲害等信息，如圖1c所示。

1.2 葉片高光譜圖像采集

利用德國Cubert公司生產的UHD185型相機采集實驗葉片的高光譜影像，其技術參數如表1所示。該相機可在0.001 s內得到波段450～950 nm范圍內125個通道的數據立方體。由于在波段450～500 nm和900～950 nm范圍內，光譜曲線的信噪比相對較低，所以，研究選取500～900 nm之間作為高光譜圖像數據的分析處理波段。圖像采集時，用兩個(200 W、120 V，250 W、120 V)可調節的鹵素標準光源照明。

表1 高光譜傳感器技術參數Tab.1 Technical parameters of hyperspectral sensor

采集葉片圖像前，先進行黑、白校正，掃描兩次標準白板，得到全白標定圖像；蓋上鏡頭蓋，得到全黑標定圖像。然后將樣品放在標準光源下的純黑棉布上，手動點擊按鈕拍攝葉片，獲取高光譜圖像。使用Cubert軟件簡單預處理后融合輸出，圖像處理的進一步工作在ENVI 5.3軟件平臺完成。

1.3 原始光譜曲線獲取

參考數碼相機的RGB圖像，在對應的高光譜圖像上提取葉片相應部位感興趣區域，按照4種類型：①局部感染分明的葉片。按照感染部位、健康部位及混合全葉分別提取。②感染輕、重不均勻的葉片。按照輕度部位、重度部位及全葉混合分別提取。③恢復中的感染葉片。按照正在恢復、尚未恢復及全葉混合分別提取。④健康葉片、輕度感染、中度感染、重度感染的葉片分別提取，分別計算出感興趣區域的平均波譜。

1.4 光譜特征提取

利用Matlab平臺編程實現對原始光譜曲線的特征提取。分別通過一階微分為0提取綠峰、紅谷、高肩，二階微分為0提取紅邊，一階微分為1提取低位、高位。低位是紅谷與紅邊之間曲線切線斜率為1的點，高位為紅邊與高肩之間曲線切線斜率為1的點。

2 光譜特征分析

2.1 局部感染明顯葉片光譜特征分析

對局部感染明顯的葉片選取感興趣區域(圖2)，計算其平均波譜曲線，并提取6種光譜特征，如圖3所示，其中綠峰、紅谷、高肩用藍點表示，紅邊采用紅點，低位、高位采用黑點(下同)。

在綠光波段540～550 nm處，反射率光譜曲線呈現波峰，波峰特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為病斑區域、全葉平均、健康區域?！凹t移”量從健康波長543.7 nm到感染波長548.6 nm，移動值為4.9 nm。

在紅光波段640～670 nm處，反射率光譜曲線呈現波谷，波谷“凹陷”程度由大到小為病斑區域、全葉平均、健康區域，“紅谷”出現3個，取波長平均值。特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為病斑區域、全葉平均、健康區域?！凹t移”量從健康波長657.3 nm到感染波長667.2 nm，移動值為9.9 nm。

在波段670～680 nm，由紅谷向紅邊轉折的低位處，波譜反射率由小到大為病斑區域、全葉平均、健康區域。特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為病斑區域、全葉平均、健康區域?！八{移”量從健康波長677.1 nm到感染波長673.5 nm，移動值為3.6 nm。

在波段700～720 nm，反射率光譜曲線線性急劇上升，紅邊位置反射率由大到小為病斑區域、全葉平均、健康區域，特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為病斑區域、全葉平均、健康區域?！八{移”量從健康波長712.5 nm到感染波長703.9 nm，移動值為8.6 nm。

在波段750～800 nm，反射率光譜曲線由急劇轉為緩和上升，轉折點為高位，其反射率由小到大為病斑區域、全葉平均、健康區域，特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為病斑區域、健康區域、全葉平均?！八{移”量從健康波長778.4 nm到感染波長764.6 nm，移動值為13.8 nm。

在波段820～850 nm，反射率光譜曲線呈現波峰，波峰由小到大為病斑區域、全葉平均、健康區域，特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為病斑區域、全葉平均、健康區域。“紅移”量從健康波長825.8 nm到感染波長839.4 nm，移動值為13.6 nm。

2.2 感染不均勻葉片光譜特征分析

感染不均勻葉片感興趣區域如圖4所示，其光譜特征如圖5所示。

在綠光波段540～550 nm處，波峰由大到小為重度感染、全葉平均、輕度感染，特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為重度感染、全葉平均、輕度感染。從輕度感染波長544.1 nm到重度感染波長546.8 nm，移動值為2.7 nm。

在紅光波段640～670 nm處，波谷“凹陷”程度由大到小為重度感染、全葉平均、輕度感染，特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為重度感染、全葉平均、輕度感染。“紅移”量從輕度感染波長645.2 nm到重度感染波長659.2 nm，移動值為14 nm。

在波段670～680 nm低位處，特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為重度感染、全葉平均、輕度感染?！八{移”量從輕度感染波長673.8 nm到重度感染波長671.5 nm，移動值為2.3 nm。

在波段700～720 nm紅邊處，紅邊位置反射率由大到小為重度感染、全葉平均、輕度感染，特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為重度感染、全葉平均、輕度感染。“藍移”量從輕度感染波長714.1 nm到重度感染波長701.7 nm，移動值為12.4 nm。

在波段750～800 nm高位處，其反射率由小到大為重度感染、全葉平均、輕度感染，特征波長向短波方向移動，發生“藍移”，“藍移”量由大到小為重度感染、全葉平均、輕度感染?！八{移”量從輕度感染波長775.4 nm到重度感染波長759.8 nm，移動值為15.6 nm。

在波段820～850 nm高肩處，波峰由小到大為重度感染、全葉平均、輕度感染，特征波長向長波方向移動，發生“紅移”，“紅移”量由大到小為重度感染、全葉平均、輕度感染?！凹t移”量從輕度感染波長841.7 nm到重度感染波長847.0 nm，移動值為5.3 nm。

2.3 恢復中感染葉片光譜特征分析

葉片經過用藥或徹底雨淋后，“紅蜘蛛”消滅一次，葉片組織開始恢復，其波譜曲線也發生相應變化。以2018年6月12日采樣葉片為例。

恢復中感染葉片感興趣區域如圖6所示，其光譜特征如圖7所示。

在綠峰波段540～560 nm處，波峰由小到大為重度感染、全葉平均、恢復中，特征波長由大到小為重度感染、全葉平均、恢復中。從正在恢復中波長546.8 nm到尚未恢復波長550.1 nm，移動值為3.3 nm。

在紅谷波段650～670 nm處，波谷“凹陷”程度由大到小為全葉平均、重度感梁、恢復中，特征波長由大到小為全葉平均、重度感染、恢復中。三者之間最大差值為2.5 nm。

在低位波段670～680 nm處，特征波長由大到小為恢復中、重度感染、全葉平均。三者之間最大差值為0.4 nm。

在紅邊波段700～720 nm處，紅邊位置反射率由大到小為重度感染、恢復中、全葉平均，特征波長由大到小為重度感染、全葉平均、恢復中。從正在恢復中波長703.8 nm到尚未恢復波長709.9 nm，移動值為6.1 nm。

在高位波段750～800 nm處，其反射率由小到大為全葉平均、重度感染、恢復中，特征波長由大到小為重度感染、全葉平均、恢復中。從正在恢復中波長756.4 nm到尚未恢復波長765.7 nm，移動值為9.3 nm。

在高肩波段870～910 nm處，波峰由大到小為恢復中、重度感染、全葉平均，重度感染部分特征波長不唯一，出現3個，取最小波長值，則特征波長由大到小為恢復中、全葉平均、重度感染。從正在恢復中波長881.9 nm到尚未恢復波長878.2 nm，移動值為3.7 nm。

2.4 不同感染程度葉片光譜特征分析

以2018年6月21日采樣1#10樣株高光譜圖像數據為例進行研究說明，其為具有代表性的10片不同程度感染葉片。樣本編號為1～10(圖8)。

由圖9可知，綠峰數據相對單一，取波段540～550 nm之間的極值點波長。紅谷存在多個，在波段640～670 nm之間選擇。低位數據單一，取值波段670～680 nm之間的變速點波長。紅邊數據相對單一，取值波段700～720 nm之間的轉折點波長。高位存在多個，取值波段760～790 nm之間的波長較小變速點的波長。高肩存在多個，取值波段830～890 nm之間較小高肩的波長。

對各特征波長按照一定順序進行相應圖像排列(圖10)。綠峰特征波長從小到大進行排列，呈現出較優由輕到重不同感染程度規律，表明了感染“紅蜘蛛”后其具有“紅移”現象；感染初期樣本8排到了尚未感染樣本7和9前面，說明在綠峰處具有監測板栗樹病蟲害初期階段感染的敏感性。紅谷特征波長從小到大進行排列，呈現出較好的由輕到重不同感染程度規律，表明了感染“紅蜘蛛”后其具有“紅移”現象；感染初期樣本8排到了尚未感染樣本7和9之間，是感染初期階段回到感染狀態的一個過渡點。低位特征波長從大到小進行排列，將未感染與已感染葉片分離開來，呈現出較優由輕到重不同感染程度規律，同時也證明了感染“紅蜘蛛”后其具有“藍移”現象。紅邊特征波長從大到小進行排列，同樣能夠嚴格地將未感染與已感染葉片分離開來，總體上呈現出較好的由輕到重不同感染程度規律，并且證明了感染“紅蜘蛛”后其具有“藍移”現象。高位特征波長從大到小進行排列，呈現出較為凌亂的感染規律。高肩特征波長從小到大進行排列，個別樣本位置不太合適，但基本能夠呈現出由輕到重不同感染程度規律。

由分析可知，葉片級光譜特征中的綠峰、紅谷、低位和紅邊都能較為準確地分辨葉片感染紅蜘蛛病蟲害的程度，而高位和高肩辨識紅蜘蛛危害程度的能力較弱，在實際應用中可以排除。但在冠層級紅蜘蛛病蟲害識別中，綠峰、低位、紅谷、紅邊表現如何，仍需做進一步研究。

3 無人機高光譜影像光譜特征分析

3.1 實驗區實地調查

本研究于2018年5月20日，利用大彊M600型無人機搭載UHD185型高光譜相機對實驗區進行了高光譜遙感，獲取了實驗區657幅高光譜圖像，經拼接后得到實驗區完整的高光譜影像，其波段組合后的真彩色影像如圖11所示。同時，對實驗區進行紅蜘蛛病蟲害實地調查，確定每個實驗樣株的紅蜘蛛病蟲害等級。本次實驗將板栗樹冠層的紅蜘蛛病蟲害感染程度劃分為健康(未感染)、輕度感染、中度感染、重度感染4個等級，并對每個等級分別按0、0～25%、25%～50%、50%～100%的病斑所占葉面積百分比進行賦值。每級感染程度的實地情況如圖12所示。

3.2 光譜特征與紅蜘蛛病蟲害相關性分析

在實驗區無人機高光譜影像上，提取每個樣株冠層的綠峰、低位、紅谷和紅邊4個光譜特征，結合樣株的紅蜘蛛感染程度，對這4個特征與紅蜘蛛病蟲害的相關性進行數值分析，結果如圖13所示。

從圖13可以看出，綠峰與蟲害程度呈現正相關關系，決定系數R2為0.513，關系式為y=5.47×102+20.18x，基本呈線性關系；紅谷與蟲害程度有較弱的相關性，決定系數R2為0.041，接近零，其線性關系式為y=6.64×102-5.08x，低位與蟲害程度呈現負相關關系，決定系數R2為0.612，線性關系式為y=6.8×102-15.54x，有較強的相關性；紅邊與蟲害程度呈現較強負相關關系，決定系數R2為0.638，線性關系式為y=7.18×102-25.16x。

從決定系數可以看出(圖13)，各個特征和紅蜘蛛危害程度的相關性從高到低依次為紅邊、低位、綠峰、紅谷，且紅邊、低位與紅蜘蛛病蟲害的決定系數大于0.6，說明通常情況下引起紅邊、低位變化的主要原因是板栗樹紅蜘蛛病蟲害的發生，可以由此判斷板栗樹是否發生紅蜘蛛病蟲害，以及其危害程度。綠峰的決定系數為0.513，其與紅蜘蛛病蟲害發生的相關性不是太強，說明綠峰在檢測紅蜘蛛病蟲害的實際應用中并不能得到可靠的結果。紅谷的決定系數僅有0.041，說明其與紅蜘蛛病蟲害沒有直接的因果關系。擬合直線斜率的絕對值是反映光譜特征對紅蜘蛛病蟲害敏感性的一個重要指標。從圖13可以看出，紅邊的直線斜率絕對值為25.16，綠峰、低位、紅谷則分別為20.18、15.54、5.08，斜率絕對值越大越有利于探測板栗樹的紅蜘蛛病蟲害，說明紅邊對紅蜘蛛病蟲害敏感程度最高，其次為綠峰、低位和紅谷。

若綜合考慮光譜特征對紅蜘蛛病蟲害的相關性和敏感性，則識別板栗樹紅蜘蛛病蟲害的最佳光譜特征是紅邊和低位。從圖13可得，當板栗樹紅蜘蛛出現輕度感染時，紅邊波長的“藍移”量可達7 nm，低位波長的“藍移”量約為5 nm，而UHD185相機的物理光譜間隔為4 nm，擬合后波長間隔可優于1 nm，因此在無人機高光譜影像上用紅邊、低位特征波長的變化完全可以在大規模發生前14～21 d檢測到板栗樹是否發生了紅蜘蛛病蟲害，以及感染程度。

4 結束語

利用大量實測的板栗樹葉片和冠層光譜數據，通過進行穩定性、準確性、相關性、敏感性分析，得到了綠峰、紅谷、低位、紅邊、高位、高肩6個光譜特征隨紅蜘蛛病蟲害危害程度的變化規律。研究表明，基于無人機高光譜技術監測板栗樹紅蜘蛛病蟲害危害程度的最佳光譜特征是紅邊和低位，其與紅蜘蛛病蟲害的決定系數均大于0.6，利用紅邊波長和低位波長的“藍移”量和UHD185型相機的技術參數，由無人機和UHD185型相機組成的高光譜遙感系統辨識板栗樹紅蜘蛛病蟲害危害程度是可行的。該系統具有發現早期(輕度感染)紅蜘蛛病蟲害的能力，這為在板栗樹紅蜘蛛病蟲害大規模暴發前殺滅紅蜘蛛爭取了14～21 d，具有重要的實際應用價值。