周麗娜 程樹(shù)朝 于海業(yè) 張 蕾

(1.吉林大學(xué)工程仿生教育部重點(diǎn)實(shí)驗(yàn)室， 長(zhǎng)春 130025； 2.吉林農(nóng)業(yè)大學(xué)工程技術(shù)學(xué)院， 長(zhǎng)春 130118)

初期稻葉瘟病害的葉綠素?zé)晒夤庾V分析

周麗娜1,2程樹(shù)朝2于海業(yè)1張 蕾1

(1.吉林大學(xué)工程仿生教育部重點(diǎn)實(shí)驗(yàn)室， 長(zhǎng)春 130025； 2.吉林農(nóng)業(yè)大學(xué)工程技術(shù)學(xué)院， 長(zhǎng)春 130118)

為了實(shí)現(xiàn)稻葉瘟病害的早期、快速檢測(cè)，對(duì)稻葉瘟病害初期水稻葉片的葉綠素?zé)晒夤庾V變化進(jìn)行分析，建立光譜診斷模型。將稻梨孢接種于水稻葉片，分別在接種前期(0 h)、潛育期(48 h)和病斑初現(xiàn)期(7 d)3個(gè)時(shí)段采集水稻葉片的葉綠素?zé)晒夤庾V。分析3個(gè)時(shí)段光譜變化特征，并利用Savitzky-Golay平滑(SG)和一階導(dǎo)數(shù)變換(FDT)對(duì)光譜進(jìn)行預(yù)處理。利用高斯擬合法(GFF)分別對(duì)原始光譜、SG平滑光譜和SG-FDT光譜提取各波段光譜特征向量。將試驗(yàn)樣本劃分為建模樣本和檢驗(yàn)樣本，以病害初期的3個(gè)時(shí)段作為稻葉瘟病害的等級(jí)指標(biāo)，分別采用全波段光譜特征向量和組合波段光譜特征向量，對(duì)3種預(yù)處理光譜利用建模樣本建立稻葉瘟病害的支持向量分類(SVC)模型，對(duì)比4個(gè)經(jīng)典核函數(shù)，并利用檢驗(yàn)樣本對(duì)模型進(jìn)行檢驗(yàn)。結(jié)果表明，藍(lán)綠光區(qū)域、紅光與遠(yuǎn)紅光區(qū)域熒光隨初期稻葉瘟病害程度的變化而變化，SG-FDT光譜的GFF-SVC(PLOY)模型對(duì)3個(gè)時(shí)段病害的分類準(zhǔn)確率最高，且原始光譜、SG光譜、SG-FDT光譜的不同波峰位及其組合對(duì)稻葉瘟病害的識(shí)別效果不同。

初期稻葉瘟； 高斯擬合； 支持向量分類機(jī)； 葉綠素?zé)晒夤庾V

引言

稻瘟病是世界真菌性病害，為防止其對(duì)糧食生產(chǎn)造成重大影響，稻瘟病害的早期、快速檢測(cè)一直被人們關(guān)注。目前，稻瘟病檢測(cè)方法主要包括兩大類：一類是包括PCR法[1]、DNA陣列法[2]等基于分子生物學(xué)的檢測(cè)方法，這些技術(shù)雖然檢測(cè)結(jié)果較精確，但通常是在實(shí)驗(yàn)室內(nèi)進(jìn)行，樣本制作復(fù)雜，很難滿足實(shí)時(shí)應(yīng)用的需求；另一類是包括時(shí)間序列分析[3]、氣象信息分析[4]、菌源信息分析[5]以及光譜分析等的無(wú)損檢測(cè)。雖然氣象信息、菌源信息對(duì)稻瘟病害的發(fā)生和流行具有重要影響，時(shí)間序列分析也可依據(jù)往年病害情況對(duì)稻瘟病害提出預(yù)警，但是對(duì)于作物生產(chǎn)者而言，最關(guān)心的卻是作物本身是否已經(jīng)被病害威脅以及病害可能發(fā)生的程度，因此，直接采用各種手段來(lái)觀測(cè)植物的生長(zhǎng)狀態(tài)仍然是評(píng)價(jià)植物病害最主要的方法。光譜分析法是通過(guò)對(duì)植物受到病害脅迫時(shí)表現(xiàn)出的光譜特異性差異進(jìn)行分析來(lái)實(shí)現(xiàn)病害的檢測(cè)分級(jí)，常見(jiàn)的有高光譜成像技術(shù)和葉綠素?zé)晒夤庾V法。楊燕[6]利用高光譜成像技術(shù)實(shí)現(xiàn)稻瘟病害識(shí)別，這是一種利用植物受到病害脅迫時(shí)表現(xiàn)出對(duì)不同波段光譜反射特征的差異來(lái)研究植物生長(zhǎng)狀態(tài)的方法，而植物的葉綠素?zé)晒馐侵参镌谖展饽苓^(guò)程中，除光化學(xué)反應(yīng)及維持機(jī)體對(duì)熱的需求外的非光化學(xué)能量耗散部分[7-8]。當(dāng)植物葉片受到病害威脅時(shí)，葉綠素含量及其光合能力會(huì)發(fā)生改變，能量分配發(fā)生改變，具有葉綠素?zé)o損“探針”之稱的葉綠素?zé)晒夤庾V也會(huì)隨之改變[9]。葉綠素?zé)晒庾鳛橐环N能量的再發(fā)射過(guò)程，雖然僅占吸收總能量的2%～5%，卻足以成為植物在環(huán)境中生長(zhǎng)狀態(tài)診斷的依據(jù)[10-11]。

近年來(lái)，隨著葉綠素?zé)晒饧夹g(shù)的不斷成熟，光譜分析技術(shù)的不斷完善，葉綠素?zé)晒夤庾V在植物病害分析方面的應(yīng)用備受關(guān)注。張永江等[12]利用Fraunhofer線原理從冠層反射光譜中成功提取日光誘導(dǎo)熒光信息，可反映田間小麥條銹病的發(fā)病情況；黃文江[13]發(fā)現(xiàn)隨著小麥條銹病的加重，685 nm處的熒光增強(qiáng)，740 nm處反而下降；楊昊諭等[14]利用葉綠素?zé)晒夤庾V區(qū)分了黃瓜霜霉病和蚜蟲(chóng)害。對(duì)于稻葉瘟而言，判斷病害是否已經(jīng)發(fā)生并進(jìn)行早期防治是關(guān)鍵，因此，本文旨在利用葉綠素?zé)晒夤庾V分析初期稻葉瘟病害的發(fā)展?fàn)顟B(tài)，為初期稻葉瘟病害的識(shí)別與診斷提供一種方法。

1 材料與方法

試驗(yàn)于2015年7月在吉林農(nóng)業(yè)大學(xué)校園內(nèi)完成，采用盆栽形式，選擇對(duì)稻瘟病抗性極低的“蒙古稻”作為試驗(yàn)對(duì)象，盆內(nèi)套袋種植，維持盆內(nèi)水面高于土壤表面1 cm以上，每盆3穴，共種植20盆。

1.1 稻梨孢接種方法

將稻梨孢進(jìn)行擴(kuò)大培養(yǎng)后利用米糠培養(yǎng)基產(chǎn)孢，然后用蒸餾水沖洗得到孢子懸浮液，用噴壺噴灑于處于吐穗揚(yáng)花期的水稻葉片，并對(duì)水稻及花盆進(jìn)行黑色塑料袋套袋處理，將其置于加濕器旁，溫度20～29℃，使孢子完成侵染過(guò)程。12 h后退去塑料袋，其它條件不變。

1.2 葉綠素?zé)晒夤庾V采集

首先對(duì)60片水稻葉片旗葉進(jìn)行標(biāo)號(hào)，因菌絲生長(zhǎng)溫度范圍內(nèi)，稻葉瘟潛育期為4～7 d，所以分別在接種前期(0 h)、潛育期(接種后48 h)和病斑初現(xiàn)期(接種后7 d)3個(gè)時(shí)段采集所標(biāo)記葉片的葉綠素?zé)晒夤庾V，并最終保留接種7 d后病斑可見(jiàn)的39片葉片3個(gè)時(shí)段光譜數(shù)據(jù)作為試驗(yàn)樣本。

葉綠素?zé)晒夤庾V由中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所產(chǎn)MBL-III-473 nm型固體激光器激發(fā)產(chǎn)生，激光強(qiáng)度7.5 mW[15]，熒光探測(cè)器貼近且垂直于葉片表面，并由荷蘭產(chǎn)AvaSpec-2048-USB2型光纖光譜儀接收光譜。

2 結(jié)果與分析

2.1 三時(shí)段葉綠素?zé)晒夤庾V變化分析

葉綠素?zé)晒夤庾V在藍(lán)綠光區(qū)(502～530 nm)和紅光與遠(yuǎn)紅光區(qū)(632～830 nm)受葉片的生理狀況影響顯著[10，16]，因此以502～830 nm波段作為研究對(duì)象，將每時(shí)段試驗(yàn)樣本39片葉片的葉綠素?zé)晒夤庾V取平均值，得3個(gè)時(shí)段光譜平均信息(圖1)。

圖1 3個(gè)時(shí)段光譜平均信息Fig.1 Average chlorophyll fluorescence spectral information at three stages

當(dāng)?shù)纠骀咔秩爰闹魉救~片的表皮細(xì)胞和葉肉細(xì)胞時(shí)，附著胞形成的侵染栓會(huì)穿透水稻葉片的角質(zhì)以及表皮細(xì)胞壁，填充在細(xì)胞間隙中，在造成細(xì)胞結(jié)構(gòu)發(fā)生改變的同時(shí)，葉綠素被破壞[6]，葉片對(duì)光合作用的能量吸收減弱，從而導(dǎo)致電子受到激發(fā)后能夠到達(dá)反應(yīng)中心的數(shù)量減少，光系統(tǒng)Ⅰ(PSⅠ)和光系統(tǒng)Ⅱ(PSⅡ)的匹配程度減弱，進(jìn)而引起來(lái)源于與PSⅠ和PSⅡ有關(guān)葉綠素的紅光區(qū)與遠(yuǎn)紅光區(qū)的熒光強(qiáng)度增加，并且遠(yuǎn)紅光區(qū)熒光強(qiáng)度的增加速率不及紅光區(qū)[17]。藍(lán)綠光區(qū)熒光強(qiáng)度在48 h增加到最大，而病斑初現(xiàn)期卻下降到低于接種前的水平，藍(lán)綠光區(qū)熒光峰的決定色素尚未確定，但一般被認(rèn)為是屬于維生素K或一種類似的苯醌，這種物質(zhì)不直接與葉綠素和光合作用相關(guān)聯(lián)，但可反映短波長(zhǎng)區(qū)色素對(duì)葉綠素能量傳遞的有效程度[18]，在稻梨孢侵染寄主水稻葉片初期，葉綠素遭破壞，其接受藍(lán)綠光區(qū)色素傳遞能量的能力減弱，從而引起藍(lán)綠光區(qū)的熒光強(qiáng)度增加[17]。但隨著侵染的加劇，生理代謝的加強(qiáng)，在微生物分泌的阿魏酸酯酶作用下，共價(jià)結(jié)合于細(xì)胞壁表面的阿魏酸被游離出來(lái)，植物抗氧化能力減弱，能量傳遞效率雖然繼續(xù)減弱，但藍(lán)綠光區(qū)色素遭到破壞，這可能是導(dǎo)致藍(lán)綠光區(qū)熒光強(qiáng)度在病斑初現(xiàn)期降低的主要原因[19]。

2.2 葉綠素?zé)晒夤庾V的預(yù)處理及降維處理

由于每片葉片的葉綠素?zé)晒夤庾V是由575個(gè)波長(zhǎng)的熒光值組成的曲線，為有效獲取光譜信息，對(duì)39片葉片在3個(gè)時(shí)段的原始光譜進(jìn)行SG平滑和FDT處理，并對(duì)原始光譜、SG平滑光譜和SG-FDT光譜進(jìn)行高斯擬合，提取各個(gè)高斯擬合峰的峰高、峰寬、峰面積作為特征參數(shù)來(lái)構(gòu)建新的信息矩陣，實(shí)現(xiàn)光譜曲線向量空間的簡(jiǎn)化[20]。SG平滑光譜和SG-FDT光譜及其高斯擬合見(jiàn)圖2和圖3，原始光譜的高斯擬合形式與SG光譜一致。因此，原始光譜和SG平滑光譜被降維為3個(gè)波峰位的9個(gè)特征向量，SG-FDT光譜被降維為6個(gè)波峰位的18個(gè)特征向量。

圖2 SG平滑光譜及其高斯擬合Fig.2 SG pretreatment spectrum and its Gaussian function fitting

圖3 SG-FDT光譜及其高斯擬合Fig.3 SG-FDT pretreatment spectrum and its Gaussian function fitting

2.3 葉綠素?zé)晒夤庾V模型分析

2.3.1 全波段光譜模型分析

將試驗(yàn)樣本中25片葉片的75條光譜信息作為建模樣本，其余14片葉片的42條光譜信息作為檢驗(yàn)樣本。利用建模樣本的原始光譜、SG平滑光譜、SG-FDT光譜的全波段高斯擬合特征參數(shù)作為模型輸入，以稻梨孢侵染寄主水稻3個(gè)時(shí)段對(duì)應(yīng)的病害等級(jí)作為模型輸出，建立初期稻葉瘟病害的葉綠素?zé)晒夤庾V3個(gè)時(shí)段SVC模型。在Matlab中利用經(jīng)典核函數(shù)Linear、PLOY、RBF和Sigmoid，采用一類對(duì)余類的方法進(jìn)行支持向量分類，采用5-Fold交叉驗(yàn)證，以建模樣本自檢驗(yàn)的分類準(zhǔn)確率最大為目標(biāo)，運(yùn)用網(wǎng)格搜索法確定懲罰參數(shù)C和其它核函數(shù)參數(shù)d、γ和α。模型參數(shù)及其在建模樣本和檢驗(yàn)樣本中的分類情況見(jiàn)表1。

2.3.2 組合波峰位模型分析

由表1可以看出，原始光譜、SG光譜、SG-FDT光譜均以PLOY核函數(shù)SVC模型在檢驗(yàn)樣本的識(shí)別準(zhǔn)確率最高，SG光譜的SVC(RBF)模型在檢驗(yàn)樣本與SVC(PLOY)模型有相同的識(shí)別效果，且光譜經(jīng)SG平滑處理后，識(shí)別效果反而不及原始光譜。為進(jìn)一步尋求每個(gè)波峰位與初期稻葉瘟病害之間的關(guān)系，建立基于原始光譜、SG光譜、SG-FDT光譜的GFF-SVC(PLOY)各波峰位分析模型。結(jié)果(表2)表明，各波峰位對(duì)初期稻葉瘟病害的識(shí)別能力不同，原始光譜、SG光譜的峰2、峰3對(duì)接種前期(未侵染期)的識(shí)別率明顯高于潛育期和病斑初現(xiàn)期(侵染完成)，SG-FDT光譜的峰4、峰5、峰6對(duì)接種前期的識(shí)別效果也較好，特別是在檢驗(yàn)樣本對(duì)各侵染階段的總識(shí)別效率優(yōu)于原始光譜和SG光譜的各個(gè)波段。SG-FDT光譜峰1、峰2、峰3對(duì)稻葉瘟病害3個(gè)時(shí)段的總識(shí)別正確率在建模樣本和檢驗(yàn)樣本均不足60%，其中以峰1最差。

為進(jìn)一步挖掘初期稻葉瘟病害與葉綠素?zé)晒夤庾V之間的關(guān)系，對(duì)SG-FDT光譜分別采用峰4、峰5、峰6自結(jié)合及峰1、峰2、峰3分別與峰4+峰5+峰6相結(jié)合的形式，分析結(jié)果(表3)表明，各波峰位的組合對(duì)稻葉瘟病害的識(shí)別效率不同，峰3+峰4+峰5+峰6與峰2+峰3+峰4+峰5+峰6在建模樣本和檢驗(yàn)樣本的識(shí)別正確率均在90%以上，在檢驗(yàn)樣本的表現(xiàn)甚至優(yōu)于全波段組合，但這并不能說(shuō)明峰1對(duì)稻葉瘟病害的識(shí)別沒(méi)有意義，峰1的加入改變了峰4+峰5+峰6對(duì)潛育時(shí)期和病斑初現(xiàn)期的識(shí)別效率，這可能說(shuō)明不同波峰位對(duì)稻葉瘟病害不同等級(jí)判別的貢獻(xiàn)不同。另外，峰4+峰5對(duì)接種前期的正確判別為22個(gè)，其它波峰位與之組合僅對(duì)另外2個(gè)時(shí)段的判別產(chǎn)生影響，這在證明不同波峰位對(duì)稻葉瘟病害判別貢獻(xiàn)不同的同時(shí)，可能也說(shuō)明了峰4+峰5可以直接作為健康水稻葉片的判別依據(jù)。

表1 全波段光譜SVC模型分析結(jié)果Tab.1 Analysis results of SVC models based on all spectrum bands

表2 各波峰位GFF-SVC(PLOY)模型分析結(jié)果Tab.2 Analysis results of GFF-SVC (PLOY) models based on each band

表3 SG-FDT組合波峰位光譜GFF-SVR(PLOY)模型分析結(jié)果Tab.3 Analysis results of SVR (PLOY) models based on combination of SG-FDT bands

3 結(jié)束語(yǔ)

采集接種前期、潛育期、病斑初現(xiàn)期3個(gè)時(shí)段稻葉瘟病害的水稻葉片葉綠素?zé)晒夤庾V，分析光譜變化特征，利用GFF法對(duì)原始光譜、SG光譜和SG-FDT光譜進(jìn)行降維處理，以高斯特征參數(shù)作為模型輸入，3個(gè)時(shí)段病害等級(jí)作為模型輸出，建立初期稻葉瘟病害的SVC模型。結(jié)果表明，藍(lán)綠光區(qū)、紅光與遠(yuǎn)紅光區(qū)均對(duì)初期稻葉瘟病害存在不同程度的響應(yīng)，在全波段光譜的3個(gè)時(shí)段識(shí)別模型中，以SG-FDT光譜的PLOY核函數(shù)SVC模型分類準(zhǔn)確率最高。分別利用原始光譜、SG光譜、SG-FDT光譜的不同波峰位及波峰位特征參數(shù)組合建立3個(gè)時(shí)段識(shí)別模型，發(fā)現(xiàn)不同波峰位及其組合對(duì)稻葉瘟病害的識(shí)別效果不同。對(duì)初期稻葉瘟病害的葉綠素?zé)晒夤庾V變化分析及模型分析結(jié)果可為初期稻葉瘟病害的識(shí)別提供依據(jù)。

1 TOMASZ C, BARI R P, MARK S, et al. Real-time RT-PCR profiling of over 1 400Arabidopsistranscription factors: unprecedented sensitivity reveals novel root- and shoot-specific genes[J].The Plant Journal,2004,38(2):366-379.

2 饒志明,董海濤,莊杰云，等.水稻抗稻瘟病近等基因系的cDNA微陣列分析[J].遺傳學(xué)報(bào),2002,29(10)：887-893. RAO Zhiming, DONG Haitao, ZHUANG Jieyun, et al. Analysis of gene expression profiles during host-magnaporthe grisea interactions in a pair of near isogenic lines of rice[J]. Acta Genetica Sinica, 2002,29(10):887-893.(in Chinese)

3 康曉慧,陳浩,張梅.3種時(shí)間序列分析模型在水稻稻瘟病預(yù)測(cè)中的應(yīng)用[J].西北農(nóng)林科技大學(xué)學(xué)報(bào),2011,39(6):173-177,184. KANG Xiaohui, CHEN Hao, ZHANG Mei. Application of time series analysis in the prediction of rice blast[J].Journal of Northwest A&F University,2011,39(6):173-177,184.(in Chinese)

4 LEE J T. Forecasting model of rice leaf blast (Pyriculariaoryzae) by meterological data[J].Crop Protection,1989,31(2):9-16.

5 SUZUKI H. Behavior of rice blast fungus spore and application to outbreak forecast of rice blast disease[J].Japan Agricultural Research Quarterly,1974,8(2):78-83.

6 楊燕.基于高光譜成像技術(shù)的水稻稻瘟病診斷關(guān)鍵技術(shù)研究[D].杭州：浙江大學(xué),2012: 110-111. YANG Yan. The key diagnosis technology of rice blast based on hyperspectral image[D]. Hangzhou: Zhejiang University,2012:110-111.(in Chinese)

7 BOLHAR-NORDENKAMPE H R, LONG S P, BAKER N R, et al. Chlorophyll fluorescence as a probe of the photosynthetic competence of leaves in the field: a review of current instrumentation[J].Functional Ecology,1989,3(4): 497-514.

8 GENTY B, BRIANTAIS J M, BAKER N R. The relationship between the quantum yield of photosynthetic electron transport and quenching of chlorophyll fluorescence[J].Biochimica et Biophysica Acta,1989,90(1):87-92.

9 CLAUS B. Variability and application of the chlorophyll fluorescence emission ratio red/far-red of leaves[J].Photosynthesis Research,2007,92(2):261-271.

10 NDAO A S, KONTé A, BIAYE M, et al. Analysis of chlorophyll fluorescence spectra in some tropical plants[J].Journal of Fluorescence,2005,15(2):123-129.

11 任順,于海業(yè),周麗娜.基于支持向量機(jī)的葉綠素?zé)晒忸A(yù)測(cè)光能利用效率研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(4):273-276,251. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150440&flag=1. DOI:10.6041/j.issn.1000-1298.2015.04.040. REN Shun, YU Haiye, ZHOU Li’na. Predicting light use efficiency with chlorophyll fluorescence spectra based on SVM[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2015,46(4):273-276,251.(in Chinese)

12 張永江,黃文江,王紀(jì)華,等.基于Fraunhofer線的小麥條銹病熒光遙感探測(cè)[J].中國(guó)農(nóng)業(yè)科學(xué),2007,40(1):78-83. ZHANG Yongjiang，HUANG Wenjiang, WANG Jihua, et al. Chlorophyll fluorescence sensing to detect stripe rust in wheat fields based on Fraunhofer lines[J]. Scientia Agricultura Sinica, 2007,40(1):78-83.(in Chinese)

13 黃文江.作物病害遙感監(jiān)測(cè)機(jī)理與應(yīng)用[M].北京:中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社,2009.

14 楊昊諭,于海業(yè),劉煦,等.葉綠素?zé)晒釶CA-SVM分析黃瓜病蟲(chóng)害診斷研究[J].光譜學(xué)與光譜分析,2010,30(11):3018-3021. YANG Haoyu, YU Haiye, LIU Xu, et al. Diagnosis of cucumber diseases and insect pests by fluorescence spectroscopy technology based on PCA-SVM[J]. Spectroscopy and Spectral Analysis, 2010,30(11):3018-3021.(in Chinese)

15 于海業(yè),楊昊諭,張蕾,等.激光誘導(dǎo)葉綠素?zé)晒鈴?qiáng)度與激光強(qiáng)度關(guān)系[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(增刊2):245-249. YU Haiye, YANG Haoyu, ZHANG Lei, et al. Relationship between laser-induced chlorophyll fluorescence intensity and laser power[J]. Transactions of the CSAE, 2009,25(Supp.2):245-249.(in Chinese)

16 NEIL R B. Chlorophyll fluorescence: a probe of photosynthesis in vivo[J].Annual Review of Plant Biology,2008,59:89-113.

17 周麗娜.基于葉綠素?zé)晒夤庾V分析的稻葉瘟病害識(shí)別與預(yù)警[D].長(zhǎng)春:吉林大學(xué),2014:85-96. ZHOU Li’na. Identification and warning of rice leaf blast based on analysis of chlorophyll fluorescence spectrum[D].Changchun: Jilin University, 2014:85-96.(in Chinese)

18 李德成,徐彬彬,石曉日,等.模擬酸雨對(duì)水稻葉片熒光光譜特性的影響[J].中國(guó)環(huán)境科學(xué),1998,18(6):498-500. LI Decheng, XU Binbin, SHI Xiaori, et al. Influence of simulated acid rain on properties of fluorescence spectra of rice leaves[J]. China Environmental Science, 1998,18(6):498-500.(in Chinese)

19 HARTLEY R D. Carbohydrate esters of ferulic acid as components of cell walls ofLoliummultiflorum[J].Phytochemistry,1973,12:661-665.

20 趙南京,劉文清,崔志成,等.利用特征光譜熒光標(biāo)記與高斯擬合分析水體中有機(jī)物的特性[J].光譜學(xué)與光譜分析,2006,26(5):922-924. ZHAO Nanjing, LIU Wenqing, CUI Zhicheng, et al. Analysis of the characters of organic matter in water using spectral fluorescence signature and fitting Gaussian[J]. Spectroscopy and Spectral Analysis, 2006,26(5):922-924.(in Chinese)

Chlorophyll Fluorescence Spectra Analysis of Early Rice Blast

ZHOU Li’na1,2CHENG Shuchao2YU Haiye1ZHANG Lei1

(1.KeyLaboratoryofBionicEngineering,MinistryofEducation,JilinUniversity,Changchun130025,China2.CollegeofEngineeringandTechnology,JilinAgriculturalUniversity,Changchun130118,China)

In order to detect rice blast rapidly and accurately, chlorophyll fluorescence spectra of early rice blast were analyzed on leaf level, and the identification models of rice blast were established. Rice leaves were inoculated with rice pear spore first, and chlorophyll fluorescence spectra were achieved respectively at three stages of inoculation before (0 h), gley period (48 h) and disease spots early appearance (7 d). Meanwhile, variation characteristics of chlorophyll fluorescence spectra at three stages were analyzed, Savitzky-Golay (SG) and the first derivative transform (FDT) were applied to reduce the noises and obtain the characteristics of chlorophyll fluorescence spectra. Then the method of Gaussian function fitting (GFF) was used to achieve the dimension reduction on spectral information, and multiple feature vectors of each band were extracted. Furthermore, the spectral data were divided into calibration set and validation set. Taking three stages of early disease as rice blast levels, and comparing four classic kernel function，support vector classification (SVC) models were established respectively with full bands feature vectors and composite bands feature vectors based on calibration set, and the models were tested with validation set. The results indicated that chlorophyll fluorescence spectra of blue green region, red and far-red region were changed with the change of severity of early disease, GFF-SVC model with SG-FDT pretreatment for three stages disease had the highest classification accuracy rate, and the recognition results of different bands combination of primary spectrum, SG spectrum, SG-FDT spectrum were different for rice blast.

early rice blast; Gaussian function fitting; support vector classification；chlorophyll fluorescence spectrum

10.6041/j.issn.1000-1298.2017.02.027

2016-09-02

2016-12-02

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目(2013AA103005-04)

周麗娜(1981—)，女，博士生，吉林農(nóng)業(yè)大學(xué)講師，主要從事農(nóng)業(yè)生物環(huán)境與能源工程研究，E-mail： zhoulina976430@163.com

于海業(yè)(1963—)，男，教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)生物環(huán)境與能源工程研究，E-mail： haiye@jlu.edu.cn

S123； S435.111.4+1

A

1000-1298(2017)02-0203-05