小麦条锈病潜育期遥感监测及分子检测技术研究

发布时间：2019-11-28 18:17

【摘要】：由条形柄锈菌小麦专化型(Puccinia striiformis f. sp. tritici)引起的小麦条锈病是一种世界性且危害严重的农作物病害。其早期监测预警及定量检测对病害的发生流行、农药的合理使用以及粮食的产量质量安全均具有十分重要的意义。本研究通过ASD地物光谱仪获取了人工气候室内不同接菌浓度胁迫的小麦条锈病潜育期冠层光谱,验证了高光谱遥感监测潜育期小麦条锈病的可行性；利用地物光谱仪获取了人工气候室内不同生理小种胁迫的小麦条锈病潜育期冠层高光谱,进一步验证高光谱遥感监测潜育期小麦条锈病的可行性及区分不同生理小种的实际操作性；建立一种全新的植被冠层光谱测量方法即黑板法,对不同胁迫因素下小麦条锈病潜育期冠层光谱进行了测定并验证黑色背景对光谱测量的影响；通过两年田间试验,利用高光谱遥感技术获取的小麦条锈病潜育期冠层光谱,结合分子生物学手段获取的条锈菌潜育菌量,建立了微宏结合技术体系以监测田间潜育期小麦条锈病。主要研究结果如下：1.基于DPLS和SVM方法对田间潜育期的小麦条锈病在冠层水平上的遥感监测及分子检测是可行的。通过两年田间试验,利用ASD地物光谱仪获取田间潜育期小麦条锈病冠层光谱,结合分子生物学双重Real-time PCR技术实时定量检测条锈菌潜育菌量,采用DPLS和SVM建模将分子所测条锈菌潜育量作为分类标签对应光谱数据变化建立田间潜育期小麦条锈病的识别模型。潜育期分子病情与田间实际发病病情具有极显著相关性,表明潜育期分子病情可以很好的预测田间实际发病情况。而模型识别结果,在全波段范围,两种方法所建模型的平均识别率均在75%-80%之间,最优模型识别准确率均在80%-85%之间。在分波段范围内,基于DPLS方法所建模型中,两年度识别效果较好的模型均集中在波段325474 nm,光谱特征为原始光谱所建的模型中；两年度识别效果最优模型均是以325474 nm为波段,原始光谱为光谱特征,建模比为4：1条件下所建模型。基于SVM方法所建模型中,两年度识别效果较好的模型均集中在波段475-624 nm,光谱特征为伪吸收系数一阶导数所建的模型中；两年度识别效果最优模型均是以325-174nm为波段,建模比为4：1,光谱特征为原始光谱或其导数变换条件下所建的模型。2.利用冠层高光谱数据识别不同接菌浓度胁迫下的潜育期小麦条锈病是可行的。基于DPLS、ANN和SVM方法特征提取小麦条锈病潜育期的冠层高光谱特征建立不同接菌浓度胁迫下的小麦条锈病的识别模型,并研究了不同接菌天数、不同建模比例、不同光谱特征和不同波段范围对模型识别效果的影响。结果表明,三种方法识别效果有所差异,在全波段范围内(325-1075 nm), SVM方法优于ANN方法优于DPLS方法,光谱特征中一阶导数表现最好,对模型识别准确率贡献最大,建模比例对最优模型识别效果没有影响,在四种建模比下均有很高的识别效果；在分波段范围内,SVM方法优于DPLS方法优于ANN方法,综合所有分波段范围内所建模型,导数变换后的光谱特征在建模中表现优异,325474 nm和925-1075 nm两个波段范围所建模型识别准确率相对较高,可优先作为备选建模波段。综合比较三种方法所建模型的识别效果,SVM方法表现出了更好的准确度、鲁棒性和泛化能力,识别准确率可达100%。3.冠层水平遥感监测不同生理小种侵染下的潜育期小麦条锈病是可行的。基于DPLS方法建立了相关识别模型并研究了不同接菌天数、不同建模比例、不同光谱特征和不同波段范围对模型效果的影响。在全波段范围内,以原始光谱为光谱特征所建立的模型识别效果相对较好,训练集平均准确率95.67%,测试集平均准确率均大于94.37%；在分波范围所建模型中,波段范围选择775-924 nm,光谱特征选择原始光谱或伪吸收系数时,所建模型识别效果最好,测试集平均准确率均可达96.59%。4.以黑板为背景基于DPLS方法建立模型识别潜育期小麦条锈病亦是可行的。针对不同接菌浓度下的潜育期小麦条锈病,在全波段范围内,以伪吸收系数为光谱特征所建立的模型识别效果相对较好,训练集平均准确率96.13%,测试集平均准确率为93.31%,其最优模型为以伪吸收系数二阶导数为光谱特征,建模比4：1条件下所建模型,其主成分数为8,训练集准确率为99.17%,测试集准确率96.67%；在分波范围所建模型中,波段范围选择475-624 nm,光谱特征选择伪吸收系数时,所建模型识别效果最好,测试集平均准确率均可达91.48%,其最优模型为在775-924nm波段范围内,以原始光谱为建模特征,建模比为4：1的条件下所建模型,其主成分数为4,训练集准确率为100%,测试集准确率100%。波段范围选择325-474 nm,光谱特征选择伪吸收系数一阶导数,建模比为4：1的条件下所建模型,其主成分数为8,训练集准确率为96.67%,测试集准确率100%；波段范围选择325-474 nm,光谱特征选择伪吸收系数二阶导数,建模比为4：1的条件下所建模型,其主成分数为11,训练集准确率为97.50%,测试集准确率100%。针对不同生理小种胁迫的潜育期小麦条锈病,在全波段范围内,利用原始光谱二阶导数所建立的模型识别效果相对较好,其训练集平均准确率96.130%,测试集平均准确率为94.71%,其最优模型为以原始光谱二阶导数为光谱特征,建模比3：1条件下所建模型,其主成分数为10,训练集准确率为97.58%,测试集准确率98.18%；在分波范围所建模型中,波段范围选择925-1075 nm,光谱特征选择原始光谱二阶导数时,所建模型识别效果最好,测试集平均准确率均可达96.30%,其最优模型为在625-774 nm波段范围内,以原始光谱为建模特征,建模比为3：1的条件下所建模型,其主成分数为11,训练集准确率为96.97%,测试集准确率98.18%；波段范围选择775-924nm,光谱特征选择原始光谱一阶导数,建模比为3：1的条件下所建模型,其主成分数为9,训练集准确率为95.15%,测试集准确率98.18%。
【学位授予单位】：中国农业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S435.121.42
，

本文编号：2567115