对水稻稻瘟病病害程度的定量预测是精准防控的关键, 田间冠层尺度的研究可为高光谱传感器提供理论基础。 以受穗颈瘟胁迫的水稻为研究对象, 采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率, 以水稻发病株数百分比作为病害严重程度指标。 冠层光谱数据采用九点平滑预处理, 并重采样为1 nm间隔, 计算植被指数; 经过去包络线和一阶导数光谱变换, 提取高光谱特征参数。 分析不同时间段的光谱变换、 植被指数、 高光谱特征参数与病害程度的相关关系, 构建基于植被指数、 高光谱特征参数的穗颈瘟病害程度随机森林预测模型, 并对比分析两个单时期预测模型异同, 优选共用输入量, 构建出两时期混合数据的病害程度预测模型。 结果表明: （1）原始光谱曲线经去包络线处理可有效增强与病害程度相关的光谱信息, 近红外波段（960～1 050和1 150～1 280 nm）的相关系数在0.80以上; （2）高光谱特征参数与病害程度相关性分析中, 去包络线吸收谷参数相关系数高于其他参数, 吸收谷V3（910～1 100 nm）、 吸收谷V4（1 100～1 300 nm）中面积（A3和A4）、 深度（DP3和DP4）、 斜率（SL4和SR4）的相关系数在0.74以上; （3）去包络线吸收谷参数结合随机森林模型预测穗颈瘟病害程度在单时期及两时期混合数据中均表现最好。 灌浆期后期数据预测效果最佳, 验证集决定系数R2=0.91, 均方根误差RMSE=0.02; （4）两时期混合数据预测精度处于两个单时期预测精度之间, 验证集决定系数R2=0.85、 均方根误差RMSE=0.03。 研究成果揭示了灌浆期不同时间段水稻穗颈瘟光谱响应机制, 表明去包络线吸收谷参数结合随机森林模型预测稻瘟病的实用性, 可为田间水稻穗颈瘟病害程度进行快速、 精确、 无损地定量预测, 为精准施药提供理论依据, 并对未来航空、 航天遥感的病害监测提供一定的技术支持。

运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率, 采用主成分 分析(PCA)方法对反射率光谱进行降维处理, 提取2个主分量光谱.其中, 第一主分量PC1代表了水稻冠层的光谱 特性, 第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入 向量, 建立分类模型.结果表明, 对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%, 对受穗颈瘟危害倒伏的 水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.

采用Vis-NIR技术对水稻穗颈瘟染病程度分级方法进行了研究。分别基于原始光谱,变量标准化(SNV)预处理后和多元散射校正(MSC)预处理后的光谱,应用无信息变量消除法(UVE)结合连续投影算法(SPA)对Vis-NIR光谱区进行有效波长的选择。选择后的波长作为输入变量建立最小二乘-支持向量机(LS-SVM)模型。结果表明SNV-UVE-SPA建立的LS-SVM模型预测效果最好。通过SNV-UVE-SPA从全波段600个波长中选择了6个最能够反应光谱信息的波长(459,546,569,590,775和981nm)。SNV-UVE-SPA-LS-SVM 组合模型对预测集样本预测得到的确定系数(R),预测集的预测标准差(RMSEP)和剩余预测偏差(RPD)分别达到了0.979,0.507和6.580。结果表明,采用Vis-NIR光谱技术对水稻穗颈瘟染病程度进行分级是可行的。通过UVE-SPA得到的有效波长能够很好地代替全波长。