多光譜遙感在馬鈴薯品種抗早疫病鑒定中的監(jiān)測效果

劉凱翔 張 帆 潘 陽* 劉芳明 楊志輝 朱杰華

（1 河北農(nóng)業(yè)大學，河北保定 071000；2 圍場滿族蒙古族自治縣馬鈴薯研究所，河北承德 068450）

馬鈴薯早疫病是由茄鏈格孢（）引起的一種真菌性病害。葉片是馬鈴薯早疫病病原菌侵染和為害最多的部位，葉柄、莖和薯塊也會不同程度地發(fā)病。病害發(fā)生嚴重時，病斑相互連接擴展形成大病斑，葉片失綠、變黃、萎蔫，可造成大量減產(chǎn)（Shtienberg et al.，1996）。

生產(chǎn)上選擇對早疫病具有抗性的馬鈴薯品種，會降低田間病害防控的農(nóng)藥使用量和施用次數(shù)，有效降低管理成本。因此，選育抗早疫病的品種是馬鈴薯育種的重要目標（金黎平 等，2003），篩選和鑒定對馬鈴薯早疫病有抗性的種質(zhì)資源是我國馬鈴薯育種中不可缺少的一項工作。每年抗性鑒定試驗都需要在多個地區(qū)，對大量的馬鈴薯品種（系）進行試驗（趙強 等，2017），同時也需要進行大量的人工調(diào)查和數(shù)據(jù)整理工作。因此，若找到一種能夠快速、簡便并且準確獲取抗性鑒定試驗數(shù)據(jù)的方法，可提高馬鈴薯早疫病抗性鑒定的工作效率。

多光譜遙感是指將地面參照物反射的電磁波分成若干個較窄的波譜段進行接收與記錄（童慶禧 等，1983），以掃描拍攝的方式，直接感應(yīng)形成多幅不同角度地物影像的遙感技術(shù)（王斌永 等，2004）。該技術(shù)為快速、大規(guī)模獲取作物信息，尤其是病害脅迫下植物的生長情況提供了新的手段（張競成 等，2012；黃文江 等，2018）。

歸一化植被指數(shù)（normalized diあerence vegetation index，NDVI）又稱標準化植被指數(shù)，被廣泛應(yīng)用于利用遙感技術(shù)對植被的研究。NDVI 能夠精確地反映植物的長勢，NDVI 數(shù)值越大，表明植株的生物量越多，即植物的生長勢越好。馬鈴薯早疫病發(fā)生初期，會在葉片上形成1 個黑色或褐色的小斑點，周圍有黃色暈圈；隨著病情發(fā)展，毒素滲入周圍細胞引起變色，病斑擴大形成經(jīng)典的同心輪紋壞死斑（van der Waals et al.，2004）。葉片發(fā)病部位會因為葉肉細胞的死亡而失去綠色，反射的紅外光與近紅外波段會有明顯的下降，因此該發(fā)病植株所在地點NDVI 數(shù)值會相應(yīng)的降低，非常適合病害的監(jiān)測。在水稻紋枯病遙感試驗中，各多光譜遙感指數(shù)中NDVI 數(shù)值的變化與病害發(fā)生相關(guān)性最大（趙曉陽 等，2019）。在多光譜對某一病害鑒定中，其他影響植物細胞正常生長的病蟲害都被嚴格地控制住后，NDVI 數(shù)值的變化也就能客觀反映植株受到該病害影響的程度。

多光譜遙感技術(shù)在馬鈴薯病害上已經(jīng)有了一定的研究進展，但是在馬鈴薯品種對早疫病的抗性鑒定方面還未有相關(guān)報道。本試驗在常規(guī)馬鈴薯品種（系）對早疫病抗性鑒定試驗的基礎(chǔ)上，通過無人機搭載多光譜相機PARROT SEQUOIA，在發(fā)病后期對馬鈴薯生長情況進行掃描和計算，并與人工調(diào)查的田間發(fā)病數(shù)據(jù)進行對比分析，驗證該方法的準確性。以期為馬鈴薯品種（系）早疫病鑒定提供新的方法，并提高抗性鑒定試驗中的調(diào)查效率，進而提高馬鈴薯早疫病抗性育種的工作效率。

1 材料與方法

1.1 試驗材料

參試馬鈴薯品種（系）共20 個（表1），以感病品種費烏瑞它為對照。

表1 參試馬鈴薯品種（系）編號、名稱及來源

1.2 試驗儀器

田間施藥使用大疆MP-1P 無人植保機；M600 Pro 無人機由深圳市大疆創(chuàng)新科技有限公司提供；多光譜相機PARROT SEQUOIA 由派諾特公司提供；無人機掃描操作平臺為IPAD 4，由蘋果（中國）有限公司提供。

1.3 試驗設(shè)計

試驗地設(shè)在河北省承德市圍場滿族蒙古族自治縣腰站鎮(zhèn)永和棧村，該地為我國北方一作區(qū)馬鈴薯早疫病的常發(fā)區(qū)。參試44 個馬鈴薯品種（系）的播種日期均為2020 年5 月6 日，每品種（系）1 個小區(qū)，小區(qū)面積12 m，株距33 cm，行距60 cm，每小區(qū)種植48 株，無重復(fù)。

7 月初至8 月下旬，為了避免晚疫病對植株的影響，整個生育期除了根據(jù)測報施用防治晚疫病的專一性藥劑丁子香酚和氟噻唑吡乙酮以外，不施用其他藥劑。于馬鈴薯早疫病發(fā)病后期進行田間抗性鑒定及多光譜遙感監(jiān)測。

1.4 田間抗性鑒定

在感病對照費烏瑞它早疫病發(fā)病達到最高級別時，調(diào)查參試44 個馬鈴薯品種（系）的發(fā)病程度，調(diào)查時間為2020 年8 月27 日。采用五點取樣法，每點調(diào)查1 株，每株調(diào)查植株的全部葉片，按照趙強等（2017）的病情分級標準記錄病葉發(fā)病級別，計算病情指數(shù)（DI）。

分級標準：0 級，無病斑；1 級，病斑面積占整個葉面積5%以下；3 級，病斑面積占整個葉面積6%～10%；5 級，病斑面積占整個葉面積11%～20%；7 級，病斑面積占整個葉面積21%～50%；9 級，病斑面積占整個葉面積51%以上。

DI=Σ（各級發(fā)病葉數(shù)×相對級值）/（調(diào)查總?cè)~數(shù)×最高級值）× 100早疫病田間抗性鑒定標準：DI=0，免疫（I）；0 ＜ DI ≤ 20.0，高抗（HR）；20.0 ＜ DI ≤ 40.0，中抗（MR）；40.0 ＜ DI ≤ 60.0，中感（MS）；60.0 ＜DI ≤ 100.0，高感（HS）。

1.5 多光譜遙感監(jiān)測

1.5.1 多光譜掃描 在早疫病發(fā)生較為嚴重的后期，且與田間病害調(diào)查接近日期（8 月26 日），于中午使用無人機搭載多光譜相機進行掃描，掃描飛行高度為45 m。掃描時天氣晴朗，反射程度較好。使用大疆飛行操控軟件GJI GS Pro 設(shè)置無人機在目標小區(qū)上空進行“S”形路線飛行，同時設(shè)置多光譜相機定位拍照。

1.5.2 多光譜圖像數(shù)據(jù)處理與NDVI 指數(shù)地圖合成 田間掃描完成后，把多光譜相機上的照片拷貝到電腦上。使用Pix4D 軟件，將多光譜照片進行拼接；然后通過該軟件的指數(shù)地圖功能，生成NDVI指數(shù)地圖。

式中，NIR 為近紅外波段反射率，R 為紅外波段反射率（張競成 等，2012）。

1.5.3 NDVI 指數(shù)地圖數(shù)據(jù)提取 使用Arc GIS 系統(tǒng)中的Arc Map 軟件，將NDVI 指數(shù)地圖文件作為底圖打開。使用軟件中的Zonal Statistics as Table 工具，設(shè)置每個馬鈴薯品種（系）小區(qū)的取樣點，對每個小區(qū)采用五點取樣法進行坐標設(shè)定（圖1）。每個取樣點面積為直徑0.5 m 的圓，并計算NDVI平均值，獲得數(shù)據(jù)后計算5 個取樣點的平均值，即代表該馬鈴薯品種（系）小區(qū)的NDVI 數(shù)值。

圖1 小區(qū)NDVI 數(shù)值取樣坐標設(shè)定

1.6 相關(guān)性分析

使用SPSS 軟件，將21 個馬鈴薯品種（系）調(diào)查獲得的早疫病病情指數(shù)和掃描分析得到的NDVI 指數(shù)進行相關(guān)性分析，并使用Excel 軟件作圖。

2 結(jié)果與分析

2.1 馬鈴薯早疫病田間抗性鑒定結(jié)果

馬鈴薯20 個品種（系）的田間早疫病抗性鑒定結(jié)果見表2，其中高抗品種（系）10 個，中抗品種（系）1 個，中感品種（系）2 個，高感品種（系）7 個。

表2 馬鈴薯品種（系）田間早疫病抗性鑒定結(jié)果和NDVI 數(shù)值

2.2 NDVI 指數(shù)地圖生成

不同發(fā)病程度的馬鈴薯品種（系）在圖中表現(xiàn)出非常明顯的差異，受病害侵染越嚴重的小區(qū)，NDVI 數(shù)值越低，在圖中越接近黑色；抗性越高，且植株生長良好的小區(qū)，NDVI 數(shù)值越高，在圖中越接近白色（圖2）。

圖2 不同馬鈴薯品種（系）的NDVI 指數(shù)地圖（左）與可見光航拍圖（右）

2.3 不同馬鈴薯品種（系）小區(qū)NDVI 數(shù)值與病情指數(shù)相關(guān)性分析

對不同馬鈴薯品種（系）的小區(qū)NDVI 數(shù)值（表1）與田間人工調(diào)查得到的病情指數(shù)（DI）通過SPSS 軟件進行相關(guān)性分析。結(jié)果顯示（圖3），DI 與NDVI 相關(guān)系數(shù)為-0.973，在0.01 水平（雙側(cè)）上極顯著相關(guān)；線性回歸分析的決定系數(shù)（值）為0.974，擬合程度較高。

圖3 21 個馬鈴薯品種（系）的NDVI 數(shù)值與DI 線性回歸分析結(jié)果

3 結(jié)論與討論

本試驗中多光譜掃描時間為8 月26 日中午，人工病害調(diào)查時間為8 月27 日，兩組數(shù)據(jù)獲得的時間差僅1 d，植株生長情況變化不大，可以確定為同一時間進行的取樣。

馬鈴薯感染早疫病后，植株細胞內(nèi)的葉綠素等色素濃度發(fā)生變化，使得葉綠素在藍、紅波段的吸收變?nèi)?，反射增強。由于NDVI 數(shù)據(jù)獲得的方法是通過比值計算得到，因而，反射率整體拉伸造成的影響，以及太陽光照差異、云陰影、部分大氣衰減和部分地形差異的背景噪聲信號影響會很小。由于植物綠色部位的葉綠素進行光合作用而吸收紅光，因此，生物量較多即長勢較好的植物擁有更多的綠色部分，進而對紅光的吸收越多，同時對近紅外光的反射也越多。

NDVI 在植被指數(shù)中有著重要的地位，具有檢測精準度高和植被覆蓋度的檢測范圍較高等優(yōu)點。石濤等（2020）使用消費級無人機與便攜式多光譜傳感器對水稻長勢進行遙感監(jiān)測，確定了稻株出現(xiàn)高溫脅迫的葉面積指數(shù)與植被指數(shù)的高相關(guān)性，建立了水稻高溫脅迫的反演識別模型。如果能夠確定病害植株的主要特征光譜，就能夠?qū)崿F(xiàn)一定程度上的病害識別。例如，袁琳等（2013）基于光譜分析篩選出對小麥條銹病和白粉病敏感度差異較為明顯的波段和光譜特征，分別建立了兩種病害的判別模型和病情嚴重度反演模型。劉良云等（2009）利用冬小麥兩個時期的Landsat TM 圖像反射率數(shù)據(jù)計算的NDVI 數(shù)據(jù)，建立了基于這兩個時期NDVI 值的小麥產(chǎn)量遙感統(tǒng)計預(yù)測模型，并對冬小麥病害進行遙感監(jiān)測，定量計算和驗證了病害造成的產(chǎn)量損失。

本試驗是多光譜遙感第1 次在馬鈴薯品種對早疫病抗性鑒定上的應(yīng)用。由于其他病蟲害已被化學藥劑控制住，所以能夠確定每個品種（系）所在的小區(qū)NDVI 數(shù)值下降的最主要因素為早疫病的侵染和發(fā)生。目前，在遙感與植物病蟲害相關(guān)的研究中，這種單一脅迫的研究最為普遍，相對研究技術(shù)也最成熟（魯軍景 等，2019）。通過相關(guān)性分析表明，本試驗中NDVI 數(shù)值與DI 呈極顯著負相關(guān)，每個病害發(fā)生嚴重的馬鈴薯品種（系）的小區(qū)NDVI 數(shù)值都很低。相對于之前水稻紋枯病與NDVI 相關(guān)的模型，相關(guān)性更高（趙曉陽 等，2019）。由此可以確定，NDVI 數(shù)據(jù)變化反映的病害發(fā)生程度與人工調(diào)查結(jié)果非常接近。使用多光譜遙感技術(shù)監(jiān)測不同馬鈴薯品種（系）在早疫病脅迫下的長勢，即對不同馬鈴薯品種（系）的抗性鑒定是可行的。與人工監(jiān)測相比，多光譜遙感技術(shù)節(jié)省了大量時間及人工成本，提高了監(jiān)測效率，對于未來馬鈴薯早疫病抗性鑒定，甚至其他作物以及相關(guān)病害的鑒定效率提高具有參考意義。目前，該監(jiān)測方法只進行了1 次試驗，需要進一步的驗證，才能夠確定此方法的可靠性，為未來馬鈴薯早疫病的鑒定提供新的方法。

遙感技術(shù)較人工調(diào)查有著明顯的優(yōu)勢。但是，也存在自身分辨率低、數(shù)據(jù)獲取容易受大氣干擾和圖像獲取頻率低等問題，穩(wěn)定性和準確率等方面還有待提高。同時，冠層以下的葉部病害無法進行有效監(jiān)測（胡小平 等，2021）。所以，該技術(shù)在使用中需要考慮病害田間實際發(fā)生情況。

未來，在病害多光譜遙感鑒定試驗中，可以增加掃描頻率，定期進行分析，這樣可通過NDVI 或者其他指數(shù)的連續(xù)動態(tài)變化數(shù)據(jù)，從而掌握每個試驗品種在病害發(fā)生時期對病原菌耐受程度的動態(tài)變化情況。在藥劑防治相關(guān)試驗中，可通過動態(tài)變化數(shù)據(jù)確定減藥方案中不同施用劑量在病害防控中的效果變化，從而更精準地確定農(nóng)藥減施的劑量。這對于我國農(nóng)藥精準防控，降低農(nóng)藥整體使用量有著明顯的意義。