【摘要】：由條形柄銹菌小麥�；�(Puccinia striiformis f. sp. tritici)引起的小麥條銹病是一種世界性且危害嚴重的農作物病害。其早期監(jiān)測預警及定量檢測對病害的發(fā)生流行、農藥的合理使用以及糧食的產量質量安全均具有十分重要的意義。本研究通過ASD地物光譜儀獲取了人工氣候室內不同接菌濃度脅迫的小麥條銹病潛育期冠層光譜,驗證了高光譜遙感監(jiān)測潛育期小麥條銹病的可行性；利用地物光譜儀獲取了人工氣候室內不同生理小種脅迫的小麥條銹病潛育期冠層高光譜,進一步驗證高光譜遙感監(jiān)測潛育期小麥條銹病的可行性及區(qū)分不同生理小種的實際操作性；建立一種全新的植被冠層光譜測量方法即黑板法,對不同脅迫因素下小麥條銹病潛育期冠層光譜進行了測定并驗證黑色背景對光譜測量的影響；通過兩年田間試驗,利用高光譜遙感技術獲取的小麥條銹病潛育期冠層光譜,結合分子生物學手段獲取的條銹菌潛育菌量,建立了微宏結合技術體系以監(jiān)測田間潛育期小麥條銹病。主要研究結果如下：1.基于DPLS和SVM方法對田間潛育期的小麥條銹病在冠層水平上的遙感監(jiān)測及分子檢測是可行的。通過兩年田間試驗,利用ASD地物光譜儀獲取田間潛育期小麥條銹病冠層光譜,結合分子生物學雙重Real-time PCR技術實時定量檢測條銹菌潛育菌量,采用DPLS和SVM建模將分子所測條銹菌潛育量作為分類標簽對應光譜數據變化建立田間潛育期小麥條銹病的識別模型。潛育期分子病情與田間實際發(fā)病病情具有極顯著相關性,表明潛育期分子病情可以很好的預測田間實際發(fā)病情況。而模型識別結果,在全波段范圍,兩種方法所建模型的平均識別率均在75%-80%之間,最優(yōu)模型識別準確率均在80%-85%之間。在分波段范圍內,基于DPLS方法所建模型中,兩年度識別效果較好的模型均集中在波段325474 nm,光譜特征為原始光譜所建的模型中；兩年度識別效果最優(yōu)模型均是以325474 nm為波段,原始光譜為光譜特征,建模比為4：1條件下所建模型�；赟VM方法所建模型中,兩年度識別效果較好的模型均集中在波段475-624 nm,光譜特征為偽吸收系數一階導數所建的模型中；兩年度識別效果最優(yōu)模型均是以325-174nm為波段,建模比為4：1,光譜特征為原始光譜或其導數變換條件下所建的模型。2.利用冠層高光譜數據識別不同接菌濃度脅迫下的潛育期小麥條銹病是可行的�；贒PLS、ANN和SVM方法特征提取小麥條銹病潛育期的冠層高光譜特征建立不同接菌濃度脅迫下的小麥條銹病的識別模型,并研究了不同接菌天數、不同建模比例、不同光譜特征和不同波段范圍對模型識別效果的影響。結果表明,三種方法識別效果有所差異,在全波段范圍內(325-1075 nm), SVM方法優(yōu)于ANN方法優(yōu)于DPLS方法,光譜特征中一階導數表現最好,對模型識別準確率貢獻最大,建模比例對最優(yōu)模型識別效果沒有影響,在四種建模比下均有很高的識別效果；在分波段范圍內,SVM方法優(yōu)于DPLS方法優(yōu)于ANN方法,綜合所有分波段范圍內所建模型,導數變換后的光譜特征在建模中表現優(yōu)異,325474 nm和925-1075 nm兩個波段范圍所建模型識別準確率相對較高,可優(yōu)先作為備選建模波段。綜合比較三種方法所建模型的識別效果,SVM方法表現出了更好的準確度、魯棒性和泛化能力,識別準確率可達100%。3.冠層水平遙感監(jiān)測不同生理小種侵染下的潛育期小麥條銹病是可行的�；贒PLS方法建立了相關識別模型并研究了不同接菌天數、不同建模比例、不同光譜特征和不同波段范圍對模型效果的影響。在全波段范圍內,以原始光譜為光譜特征所建立的模型識別效果相對較好,訓練集平均準確率95.67%,測試集平均準確率均大于94.37%；在分波范圍所建模型中,波段范圍選擇775-924 nm,光譜特征選擇原始光譜或偽吸收系數時,所建模型識別效果最好,測試集平均準確率均可達96.59%。4.以黑板為背景基于DPLS方法建立模型識別潛育期小麥條銹病亦是可行的。針對不同接菌濃度下的潛育期小麥條銹病,在全波段范圍內,以偽吸收系數為光譜特征所建立的模型識別效果相對較好,訓練集平均準確率96.13%,測試集平均準確率為93.31%,其最優(yōu)模型為以偽吸收系數二階導數為光譜特征,建模比4：1條件下所建模型,其主成分數為8,訓練集準確率為99.17%,測試集準確率96.67%；在分波范圍所建模型中,波段范圍選擇475-624 nm,光譜特征選擇偽吸收系數時,所建模型識別效果最好,測試集平均準確率均可達91.48%,其最優(yōu)模型為在775-924nm波段范圍內,以原始光譜為建模特征,建模比為4：1的條件下所建模型,其主成分數為4,訓練集準確率為100%,測試集準確率100%。波段范圍選擇325-474 nm,光譜特征選擇偽吸收系數一階導數,建模比為4：1的條件下所建模型,其主成分數為8,訓練集準確率為96.67%,測試集準確率100%；波段范圍選擇325-474 nm,光譜特征選擇偽吸收系數二階導數,建模比為4：1的條件下所建模型,其主成分數為11,訓練集準確率為97.50%,測試集準確率100%。針對不同生理小種脅迫的潛育期小麥條銹病,在全波段范圍內,利用原始光譜二階導數所建立的模型識別效果相對較好,其訓練集平均準確率96.130%,測試集平均準確率為94.71%,其最優(yōu)模型為以原始光譜二階導數為光譜特征,建模比3：1條件下所建模型,其主成分數為10,訓練集準確率為97.58%,測試集準確率98.18%；在分波范圍所建模型中,波段范圍選擇925-1075 nm,光譜特征選擇原始光譜二階導數時,所建模型識別效果最好,測試集平均準確率均可達96.30%,其最優(yōu)模型為在625-774 nm波段范圍內,以原始光譜為建模特征,建模比為3：1的條件下所建模型,其主成分數為11,訓練集準確率為96.97%,測試集準確率98.18%；波段范圍選擇775-924nm,光譜特征選擇原始光譜一階導數,建模比為3：1的條件下所建模型,其主成分數為9,訓練集準確率為95.15%,測試集準確率98.18%。
【學位授予單位】：中國農業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：S435.121.42
，

本文編號：2567115