水稻穗腐?。?/span>Rice spikelet rot disease, RSRD）是一種主要由Fusarium proliferatum引起的真菌病害。RSRD具有很強的傳染性，由于有毒病原體的存在，導致水稻產量和品質顯著降低。因此，在侵染早期有效準確地評估病害嚴重程度，對于抑制病害傳播和最大限度地減少對水稻生產的潛在損害至關重要。遙感技術可作為監(jiān)測作物病害的有效和非破壞性方法。

目前利用成像光譜的相關研究仍集中在病害識別或病害嚴重程度（Disease severity, DS）的分類上。很少有研究明確探究病害的光譜反應和利用空間信息來追蹤病害的發(fā)展歷程。同時，以往研究多集中于特定生長階段的病害監(jiān)測，較少涵蓋成熟階段，并且缺乏對感染早期階段的監(jiān)測研究。

本文的研究目標是利用近距離成像光譜技術確定水稻穗在多個生育期對RSRD的光譜響應，構建一個新的適用于多個生育期RSRD病情嚴重度量化的光譜指數（Spectral index, SI），并與現(xiàn)有的光譜指數進行比較，評估新指數在DS量化和制圖中的作用。

南京農業(yè)大學程濤教授團隊選取了江蘇常見的8個粳稻品種種植于24個2 m × 3 m大小的地塊。獲取抽穗期、開花期和灌漿期的5-8個感染穗放置于背景板上以進行成像光譜數據采集。高光譜成像系統(tǒng)為一個搭載有數碼相機（EOS 80D, Canon）和推掃式可見光/近紅外高光譜相機（GaiaField-V10E, 江蘇雙利合譜公司）的自動線性掃描平臺（HSIA-MScope-X, 江蘇雙利合譜公司）。

圖1 在光照條件下獲取水稻穗RGB和高光譜影像的實驗裝置

為了獲取定量化的RSRD，首先對RGB影像進行顏色空間轉換，然后利用Lab顏色空間用于背景去除以及RSRD識別（該空間中“L"表示亮度，“a"和“b"表示顏色對抗的維度）（圖2B）。通過通道b和局部閾值去除背景后，進行形態(tài)學細化，然后利用通道a和局部閾值將穗像素分為感染穗像素和健康穗像素。

其中，n_d和N分別是感病像素數和每個樣本的所有像素數。

隨著病害的發(fā)展，VNIR光譜曲線逐漸變平。為了提高所提取特征的靈敏度，將多個波段組合在一起來表示反射率曲線逐漸平坦的趨勢（圖2C）。因此選擇雙差指數（DD）的形式來描述變異強度，公式如下所示。其中，R_λ1、R_λ2、R_λ3為吸收谷或反射峰的敏感帶反射率，按波長的遞增順序排列。

利用如下步驟確定構建DD的三個波段：（1）計算反射率和DS值之間的斯皮爾曼相關系數；（2）將波段分為正相關和負相關區(qū)域；（3）選取各區(qū)域相關性最qiang的波段，以在相關區(qū)域上形成若干備選特征（圖3）。在紅光區(qū)和近紅外區(qū)主要選擇了各階段對RSRD嚴重程度敏感的共同波段，以保證指數對RSRD敏感性的一致性。同時為增強對感病早期的敏感性，采用抽穗期保留的3個代表性波段構建3個候選指標。通過R²的值，確定RSRI（Rice spikelet rot index）方程如下所示。

圖2 RSRI構建、DS量化和DS映射過程的技術流程圖。數據預處理（A）；DS提?。?/span>B）；指數構建（C）；建模與映射（D）  

圖3 不同生長階段DS與波長反射率之間的Spearman相關系數?；疑桶咨尘胺謩e代表負相關和正相關。黑色的垂直線對應于每個灰色或白色相關區(qū)域的最大相關系數

DS和SI之間的關系在不同階段有所不同（圖4）。抽穗期RSRI比其他SI有更高的R²。對于花期和灌漿期，RSRI在輕度和重度染病樣本中均表現(xiàn)出最qiang的相關性。對于同一SI，各生育期校正回歸模型的權重不同，尤其是抽穗期。

圖4 DS和SI的回歸線。綠色、藍色和紅色方塊分別表示抽穗、開花和灌漿階段的樣本

總的來說，每個SI對于DS估計精度在不同生長階段有顯著差異（圖5）。DS的量化性能以開花期最好，抽穗期最差。RSRI與現(xiàn)有SI在DS量化上表現(xiàn)出截然不同的準確性。對于抽穗期，RSRI在DS量化方面的精度最好（R² = 0.65），并且在所有五個指標中，RSRI的RMSE和驗證R²的置信區(qū)間（CI）最為集中。所有現(xiàn)有的SI都未能有效量化DS，他們的精度指標在抽穗期有更大的CI。此外，現(xiàn)有SI對開花期輕度的RSRD嚴重低估，但RSRI沒有。RSRI在各個生長階段的DS量化中表現(xiàn)最好。

圖5實測和預測的DS散點圖。抽穗（左列）、花期（中列）和灌漿期（右列）。從上到下分別表示RSRI（A-C）、NPCI（D-F）、CCI（G-I）、PRI670（J-L）、PSRI（M-O）和NDVI（P-R）

對穗內DS的空間變化進行可視化（圖6）?，F(xiàn)有的SI不能生成DS分布的真實映射?；?/span>RSRI的映射圖顯示更少的健康像素被高估為黃色的輕度染病，并且其也能正確地顯示嚴重染病區(qū)域，而不像其余SI對嚴重染病區(qū)域的響應不敏感。

圖6 來自RSRI和現(xiàn)有SIs的三個獨立小穗樣本的RGB圖像、病變分布參考和DS圖（A、B、C分別是輕微感染、輕度感染和嚴重感染的穗）

本研究表明，RSRI可以作為一種新的指標用于水稻穗腐病的全生育期監(jiān)測，在育種和作物保護中有很好的應用前景，并且不用考慮穗的成熟效應。

通訊作者信息：

程濤，博士，南京農業(yè)大學教授，博士生導師。

主要研究方向：作物生長光譜監(jiān)測、作物表型信息高通量獲取、遙感大數據與作物制圖、天空地一體化集成監(jiān)測預測等。

參考文獻：

Xue, B., Tian, L., Wang, Z. et al. Quantification of rice spikelet rot disease severity at organ scale with proximal imaging spectroscopy. Precision Agric (2023).