您好,欢迎进江苏双利合谱科技有限公司网站!
您现在的位置:首页 >> 解决方案 >> 近端成像光谱在器官尺度上定量水稻穗腐病的严重程度
近端成像光谱在器官尺度上定量水稻穗腐病的严重程度
浏览次数:510发布日期:2023-05-18

水稻穗腐病(Rice spikelet rot disease, RSRD)是一种主要由Fusarium proliferatum引起的真菌病害。RSRD具有很强的传染性,由于有毒病原体的存在,导致水稻产量和品质显著降低。因此,在侵染早期有效准确地评估病害严重程度,对于抑制病害传播和最大限度地减少对水稻生产的潜在损害至关重要。遥感技术可作为监测作物病害的有效和非破坏性方法。

目前利用成像光谱的相关研究仍集中在病害识别或病害严重程度(Disease severity, DS)的分类上。很少有研究明确探究病害的光谱反应和利用空间信息来追踪病害的发展历程。同时,以往研究多集中于特定生长阶段的病害监测,较少涵盖成熟阶段,并且缺乏对感染早期阶段的监测研究。

本文的研究目标是利用近距离成像光谱技术确定水稻穗在多个生育期对RSRD的光谱响应,构建一个新的适用于多个生育期RSRD病情严重度量化的光谱指数(Spectral index, SI),并与现有的光谱指数进行比较,评估新指数在DS量化和制图中的作用。

南京农业大学程涛教授团队选取了江苏常见的8个粳稻品种种植于242 m × 3 m大小的地块。获取抽穗期、开花期和灌浆期的5-8个感染穗放置于背景板上以进行成像光谱数据采集。高光谱成像系统为一个搭载有数码相机(EOS 80D, Canon)和推扫式可见光/近红外高光谱相机GaiaField-V10E, 江苏双利合谱公司)的自动线性扫描平台HSIA-MScope-X, 江苏双利合谱公司)

在光照条件下获取水稻穗RGB和高光谱影像的实验装置

为了获取定量化的RSRD,首先对RGB影像进行颜色空间转换,然后利用Lab颜色空间用于背景去除以及RSRD识别(该空间中“L"表示亮度,“a"“b"表示颜色对抗的维度)(图2B)。通过通道b和局部阈值去除背景后,进行形态学细化,然后利用通道a和局部阈值将穗像素分为感染穗像素和健康穗像素。


图片2.png

其中,ndN分别是感病像素数和每个样本的所有像素数。

随着病害的发展,VNIR光谱曲线逐渐变平。为了提高所提取特征的灵敏度,将多个波段组合在一起来表示反射率曲线逐渐平坦的趋势(图2C)。因此选择双差指数(DD)的形式来描述变异强度,公式如下所示。其中,Rλ1Rλ2Rλ3为吸收谷或反射峰的敏感带反射率,按波长的递增顺序排列。

图片3.png

 

利用如下步骤确定构建DD的三个波段:(1)计算反射率和DS值之间的斯皮尔曼相关系数;(2)将波段分为正相关和负相关区域;(3)选取各区域相关性最qiang波段,以在相关区域上形成若干备选特征(图3)。在红光区和近红外区主要选择了各阶段对RSRD严重程度敏感的共同波段,以保证指数对RSRD敏感性的一致性。同时为增强对感病早期的敏感性,采用抽穗期保留的3个代表性波段构建3个候选指标。通过R2的值,确定RSRIRice spikelet rot index)方程如下所示。

 

图片4.png

2 RSRI构建、DS量化和DS映射过程的技术流程图。数据预处理(A);DS提取(B);指数构建(C);建模与映射(D  


不同生长阶段DS与波长反射率之间的Spearman相关系数。灰色和白色背景分别代表负相关和正相关。黑色的垂直线对应于每个灰色或白色相关区域的最大相关系数


DSSI之间的关系在不同阶段有所不同(图4)。抽穗期RSRI比其他SI有更高的R2。对于花期和灌浆期,RSRI在轻度和重度染病样本中均表现出最qiang的相关性。对于同一SI,各生育期校正回归模型的权重不同,尤其是抽穗期。

4 DSSI的回归线。绿色、蓝色和红色方块分别表示抽穗、开花和灌浆阶段的样本



总的来说,每个SI对于DS估计精度在不同生长阶段有显著差异(图5)。DS的量化性能以开花期最好,抽穗期最差。RSRI与现有SIDS量化上表现出截然不同的准确性。对于抽穗期,RSRIDS量化方面的精度最好(R2 = 0.65),并且在所有五个指标中,RSRIRMSE和验证R2的置信区间(CI)最为集中。所有现有的SI都未能有效量化DS,他们的精度指标在抽穗期有更大的CI。此外,现有SI对开花期轻度的RSRD严重低估,但RSRI没有。RSRI在各个生长阶段的DS量化中表现最好。

图片8.png

5实测和预测的DS散点图。抽穗(左列)、花期(中列)和灌浆期(右列)。从上到下分别表示RSRIA-C)、NPCID-F)、CCIG-I)、PRI670J-L)、PSRIM-O)和NDVIP-R

 

对穗内DS的空间变化进行可视化(图6)。现有的SI不能生成DS分布的真实映射。基于RSRI的映射图显示更少的健康像素被高估为黄色的轻度染病,并且其也能正确地显示严重染病区域,而不像其余SI对严重染病区域的响应不敏感。

图片9.png

来自RSRI和现有SIs的三个独立小穗样本的RGB图像、病变分布参考和DS图(ABC分别是轻微感染、轻度感染和严重感染的穗)


本研究表明,RSRI可以作为一种新的指标用于水稻穗腐病的全生育期监测,在育种和作物保护中有很好的应用前景,并且不用考虑穗的成熟效应。

通讯作者信息:

程涛,博士,南京农业大学教授,博士生导师。

主要研究方向:作物生长光谱监测、作物表型信息高通量获取、遥感大数据与作物制图、天空地一体化集成监测预测等。

参考文献:

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).