松樹葉片光譜特征參數與葉綠素含量相關性分析

發布時間：2020-01-15所屬分類：園林工程師瀏覽：1次

摘 要： 摘 要：松材線蟲病嚴重危害松樹健康。本文分別從光譜反射率曲線和光譜特征參數入手，對重慶市涪陵區永勝林場冒合寨管護站的四種病害程度不同的松樹葉片光譜進行分析。研究發現：隨著松樹受病害程度的增強其葉綠素含量也相應降低，并且呈現良好的相關性。紅邊

　　摘 要：松材線蟲病嚴重危害松樹健康。本文分別從光譜反射率曲線和光譜特征參數入手，對重慶市涪陵區永勝林場冒合寨管護站的四種病害程度不同的松樹葉片光譜進行分析。研究發現：隨著松樹受病害程度的增強其葉綠素含量也相應降低，并且呈現良好的相關性。紅邊位置、紅邊波長、紅谷的吸收深度、綠峰的反射峰高度、YP(藍波段 490nm-530nm 一階導數最大值)、Ip(紅波段反射率最大值)、PSSR(比值葉綠素指數)、PSND(歸一化比值葉綠素指數)與其葉綠素含量有較好符合度。結果說明通過光譜特征參數分析，能很好的分析松材線蟲病病害程度。

　　關鍵詞：松材線蟲病;葉綠素含量;光譜特征參數

　　松材線蟲引起的松材萎蔫病被稱為松樹的癌癥，是一種毀滅性病害，具有傳播途徑多、發病部位隱蔽、發病速度塊、潛伏時間長、治理難度大等特點[1]。松材線蟲感染導致松樹葉子的色素、細胞結構以及細胞液、細胞膜等發生變化，使得葉片發黃，枯萎。采集葉片的光譜反射率并分析其特征參數，對松材線蟲病的早起監測很有意義[2]。

　　針對于松材線蟲病的研究，國內外已經有很多研究成果發表。馬菁等人指出建立一套完善的、適合中國病蟲害發生發展規律的森林病蟲害監測預測理論、方法與技術體系是十分必要的[3]。楊羲光，范文義，于穎等利用光譜儀及葉綠率監測儀器對葉片光譜和葉綠素含量進行同步測定，運用相關的統計方法，分析葉片反射光譜，光譜特征參數等，建立了葉綠素含量的估算模型[4]。杜華強等人運用分形理論，計算出分形維數，從而直接用分形維數來看馬尾松的健康狀況[5]。重慶的各個地區都嚴重地受到病蟲害的危害，包括三峽庫區沿岸的區縣，均已已投入大量的資金來監測松材線蟲發病情況并進行防治。

　　相關知識推薦：林業方向評職稱論文投稿指導

　　林業部門職稱主要說的是林業工程技術資格，比如林業工程師屬于工程系列，先是技術員，之后是助理工程師，工程師，最后是高級工程師，而在評這類職稱時，對于論文也有嚴格的要求，但是林業技術人員對于論文發表知識并沒有掌握，也多次咨詢編輯老師關于林業職稱論文指導知識，今天小編在這里就給大家分享下論文發表要注意的細節，幫助大家順利的發表論文。

　　目前松材線蟲病很難控制，其原因在于沒有有效的方法在松材線蟲病發病早期獲取其分布，并進行處理。只能在發病晚期通過人工巡林發現后進行砍伐，加大了病蟲害的傳播幾率，使得只能控制松材線蟲的發病區域，無法根治。如果在發病早期(3-5 月份)通過無人機搭載高光譜儀器對疫區松樹進行光譜采集，然后進行光譜分析，根據已經建立的松材線蟲預測模型，得到發病分布規律，就可以處理病樹。目前對于松樹光譜數據與松材線蟲病的相關性分析還無法實際應用于低空無人機高光譜遙感，尤其是針對三峽庫區周邊的松葉光譜分析還未見報道。

　　本文利用 OFS110 地物光譜測量儀測量了大量樣本的光譜。利用光譜數據計算了 23 種光譜特征參數。同時，在實驗室測量了樣本葉綠素含量和含水量。分析光譜特征參數與水分和葉綠素含量的相關性，結果顯示紅邊位置、紅邊波長、紅谷的吸收深度、綠峰的反射峰高度、YP(藍波段 490nm-530nm 一階導數最大值)、Ip (紅波段反射率最大值)、PSSR(比值葉綠素指數)、 PSND(歸一化比值葉綠素指數)、SIPI(胡蘿卜素與葉綠素含量之比)與其葉綠素含量有較好符合度。下文介紹主要的研究方法和結論。

　　1 材料與研究方法

　　研究區域：樣本采集區域位于重慶市涪陵區永勝林場冒合寨管護站，在三峽庫區腹地。東經 106°56'-107°43'、北緯 29°21'-30°01' 之間。

　　2 數據研究和方法

　　2.1 葉片的采樣

　　本課題主要對光譜反射率的特性參數與葉綠素含量的分析，因此需要從研究區域內選取葉綠素含量不同的松樹葉作為此次實驗的樣本。在本次樣本界定松樹葉子顏色為指標，將松樹的病害程度分為 4 個等級。等級 1：健康的樹勢生長旺盛,針葉呈墨綠色;等級 2：輕度受害的松葉開始變黃，樹脂分泌停止，生長減慢;等級 3：中度受害大部分針葉變為黃褐色，萎蔫,樹木生長明顯很弱。等級 4：重度受害:病樹干枯,針葉全部變為紅褐色，但不脫落。四種等級的葉片如圖 1 所示。每種等級采集 3 棵距離大于 1km 的樹(健康的數目取了 4 棵)，記錄該樹的經度、緯度和海拔高度，將采集的樹葉用實驗袋密封編號，裝入冷藏保溫箱[6]。

　　2.2 測量方法

　　2.2.1 光譜測量

　　本文采用型號為 OFS1100 的地物光譜測量儀測量光譜。采集葉片到光譜測量時間控制在 2 小時以內，以避免葉片水分流失，葉綠素含量降低。采用暗室測量法，在測量時把實驗室的燈光以及窗簾全部關閉，在實驗桌上鋪一張吸光紙，把測量的松樹葉平鋪在吸光紙上。對光譜儀進行定標后，再把探頭正對鋪好的松樹葉，通過軟件進行控制，測量其光譜，保存數據。為了減少誤差對每一個樣本連續測量 3 次，求平均值。

　　2.2.2 葉綠素的測量方法

　　松樹葉片樣本測量光譜之后，同時在實驗室采用化學方法測量葉綠素含量。將采集到的松樹葉子由受病害程度從無到受病害程度輕、由受病害程度輕到受病害程度重甚至是死亡進行編號，編號為：1-13。葉綠素含量與樣本序號繪圖 2,可看出隨著松樹葉子受病蟲害程度逐漸增強，其葉綠素含量降低，并呈較好的相關性。

　　把地物光譜儀采集的光譜數據導入電腦，繪制光譜反射率與波長的關系如圖 3 所示。其中編號 1 為健康松樹葉，編號 2 為病輕松樹葉，編號 3 為病重松樹葉，編號 4 為死亡松樹葉。

　　3 結果與分析

　　在三峽庫區周邊松林疫區，目前沒有使用光譜反演葉綠素含量的模型，使用前人的反演模型需要對比驗證，本文采用實驗室法測量葉綠素含量和含水量，并在此基礎上探究了光譜特征參數與葉綠素含量的相關性，以便進一步推導葉綠素含量的反演模型。經數據處理得到，其中紅邊位置(Dr)、紅谷的吸收深度(D)、綠峰的反射峰高度深度(H)、比值葉綠素指數(PSSR)、歸一化比值葉綠素指數 (PSND)、紅邊內一階微分的總和(SDr)6 種光譜特性參數與葉綠素含量相關性較高。

　　特征參數與葉綠素含量相關性如圖 4 所示，橫坐標代表由健康漸序死亡的松樹葉片相應的葉綠素含量，縱坐標是代表其對應光譜特征參數的值。從圖中可以看出，紅遍位置 Dr 隨著葉綠素含量增多、松樹葉子越來越健康而增高，并且呈現較好的線性關系，其相關系數已經達到 0.9 以上。特征參數紅谷的吸收深度(D)、綠峰的反射峰高度深度(H)與葉綠素含量呈現較好拋物線關系，這表明：最初松樹處于被感染時期，也就是從健康到病輕的這個過程中，葉綠素含量減少，其參數變化程度緩慢，隨著病害程度的加劇，其參數變化較快，且變化特征明顯。特征參數比值葉綠素指數(PSSR)與葉綠素含量之間呈現較好的線性關系。歸一化比值葉綠素指數(PSND)隨著葉綠素含量的增多、隨著松樹越來越健康而增大，隨著葉綠素含量的增多，其增大的趨勢強度減小，即松樹病蟲最初萌發時，其參數特征值的變化趨勢是較小的，隨著病蟲害的加劇，其變化趨勢增大，特殊參數紅邊內一階微分的總和(SDr)，通過圖，我們可以發現，當松樹處于嚴重病害或者死亡時，其值也相應地增大，在大于零的趨勢上，而當松樹處于健康或者病輕的狀態時，其值在零以下，以此來判斷松樹的病害程度。當參數指標紅邊內一階微分的總和(SDr) 處于大于零時，其病害程度已經是處于病重或者死亡期間。

　　4 結論

　　從實驗分析可知紅邊位置(Dr)、紅谷的吸收深度(D)、綠峰的反射峰高度深度(H)、比值葉綠素指數(PSSR)、歸一化比值葉綠素指數(PSND)、SIPI(胡蘿卜素與葉綠素含量之比)與葉綠素含量成較好的線性關系，且相關系數高達 0.9 以上。若以 SDr(紅邊內一階微分的總和)為參考值，可直接判斷松樹葉片是否受松材線蟲病感染及其受感染的程度。當松樹病蟲害程度輕或者健康狀態時，其值小于等于零，當松樹處于嚴重病蟲害程度或死亡狀態時，其值大于零。由此在利用無人機高光譜遙感技術檢測松材線蟲時，通過計算高光譜參數指標便可以判斷其病害程度，為進一步控制病蟲害提供依據。