摘要 棉花是我國重要的戰(zhàn)略物資，也是我國重要的經(jīng)濟作物之一，對我國的農(nóng)業(yè)生產(chǎn)、民生生活、二三產(chǎn)業(yè)具有重要作用。棉蚜是棉花生長發(fā)育進程中主要的害蟲之一，棉蚜蟲情信息獲取的滯后性、不準確性將導(dǎo)致生產(chǎn)上農(nóng)藥的過度施用，進而加速棉花生境破壞和棉田環(huán)境污染。因此，實時、精準地獲取棉田棉蚜蟲情的時空分布、危害等級、發(fā)生面積等信息，對棉蚜的防治、棉田管理、農(nóng)田環(huán)境保護等具有重要現(xiàn)實意義。遙感技術(shù)、機器視覺技術(shù)加快了棉田棉蚜蟲情的實時、動態(tài)信息的獲取和蟲情等級的判別。聚焦“棉蚜蟲情信息監(jiān)測”，開展了國內(nèi)外文獻查閱與梳理，分別闡述了傳統(tǒng)方法、遙感技術(shù)和圖像識別對棉蚜蟲情信息的研究現(xiàn)狀與進展。探討了棉蚜監(jiān)測存在的問題，對未來棉蚜危害信息的監(jiān)測與診斷研究重點和發(fā)展趨勢進行了展望。

關(guān)鍵詞 棉花；棉蚜；光譜分析；圖像識別

中圖分類號 S 435.622+1 文獻標(biāo)識碼 A 文章編號 0517-6611（2024）20-0011-05

doi：10.3969/j.issn.0517-6611.2024.20.003

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Research Progress of Aphids Information Monitoring

LIN Jiao ZHANG Jia-qi HOU Jin-mei 2 et al

（1.College of Agriculture， Tarim University， Alar， Xinjiang 843300;2.Key Laboratory of Genetic Improvement and Efficient Production of Characteristic Crops in Arid Areas of Southern Xinjiang， Alar， Xinjiang 843300）

Abstract Cotton is an important strategic material and one of our important economic crops. It plays an important role in our agricultural production， people’s livelihood and secondary and tertiary industries. Cotton aphid is one of the major pests in the process of cotton growth and development. The lag and inaccuracy of aphid information will lead to the excessive application of pesticides， which will accelerate the destruction of cotton habitat and the pollution of cotton field environment. Therefore， it is of great practical significance to obtain the temporal and spatial distribution， hazard level and occurrence area of aphids in cotton fields in real time and accurately for the prevention and control of cotton aphid， cotton field management and farmland environmental protection. Remote sensing technology and machine vision technology speed up the acquisition of real-time and dynamic information and classification of aphids in cotton fields. This paper focused on “cotton aphid situation information monitoring”， carried out literature review and combing at home and abroad， and described the research status and progress of traditional methods， remote sensing technology and image recognition on cotton aphid situation information. The problems in the monitoring of cotton aphid were discussed， and the research focus and development trend of the monitoring and diagnosis of cotton aphid damage information in the future were prospected.

Key words Cotton;Cotton aphid;Spectral analysis;Image recognition

棉花是我國重要的經(jīng)濟作物之一，國家統(tǒng)計局數(shù)據(jù)顯示，2021年全國棉花產(chǎn)量達到573.1萬t，帶動了種植業(yè)、制造業(yè)和生活消費3段產(chǎn)業(yè)鏈的發(fā)展，在國民經(jīng)濟中占據(jù)重要地位。研究表明，病蟲害是限制農(nóng)作物產(chǎn)量、品質(zhì)的關(guān)鍵因素之一［1］，而在棉花的生長過程中，蟲害造成的減產(chǎn)、棉花纖維品質(zhì)下降的影響程度均高于病害［2］。調(diào)研發(fā)現(xiàn)，由于抗蟲棉的推廣應(yīng)用，棉鈴蟲已不再是棉田的主要害蟲，目前棉田害蟲的主要防治對象為棉蚜、棉葉螨和棉薊馬，其中棉蚜具有很強的生態(tài)適應(yīng)能力［3］，對棉花具有很強的選擇性，存在于世界上各個主要棉區(qū)。新疆植?？傉菊{(diào)查數(shù)據(jù)顯示，在南疆棉區(qū)，2008—2019年，棉蚜蟲害呈現(xiàn)趨早、更嚴重、更快等特點；2020年新疆主要棉區(qū)棉蚜蟲情普查也表明，棉蚜造成損失占蟲害損失的30%～50%；少數(shù)特殊年份因棉蚜大爆發(fā)可占80%以上，給當(dāng)?shù)卦斐闪司薮蟮慕?jīng)濟損失。由于棉蚜具有移動性、遷飛性和周期性等特點，所以其空間分布規(guī)律會時常發(fā)生變化，這對其蟲害研究的開展帶來挑戰(zhàn)。

遙感技術(shù)具有實時、快速、無損監(jiān)測等優(yōu)點，可對農(nóng)作物進行各方面的研究，目前該項技術(shù)已經(jīng)廣泛應(yīng)用于作物識別與種植面積提取、產(chǎn)量估測、養(yǎng)分檢測［4-9］等方面，極大地促進了農(nóng)業(yè)信息化的發(fā)展。前人的許多研究結(jié)果表明，通過分析農(nóng)作物冠層、作物單葉的光譜信息的變化規(guī)律可以判斷該作物是否遭受蟲害以及蟲害發(fā)生程度［10-14］。此外，隨著科學(xué)技術(shù)的發(fā)展，對作物蟲害的監(jiān)測研究已經(jīng)由傳統(tǒng)的人眼實地調(diào)研查看和人為經(jīng)驗，逐步轉(zhuǎn)變?yōu)榛跈C器視覺的計數(shù)方法來監(jiān)測蟲情，極大地釋放了勞動力，同時減少了經(jīng)驗帶來的誤差。

該研究基于棉蚜蟲口基數(shù)和危害等級監(jiān)測及預(yù)報2個方面，探討目前棉蚜蟲情信息獲取中，基于遙感技術(shù)定量反演存在的困難和科學(xué)問題，并對未來蟲害研究的重點工作方向進行展望和分析，以期為棉花綠色防控技術(shù)體系的提升提供參考依據(jù)。

1 新疆棉花近年蟲害情況分析

新疆是我國最優(yōu)質(zhì)植棉區(qū)之一，也是我國種植面積、產(chǎn)量最高的地區(qū)。基于2011—2019年中國農(nóng)業(yè)信息網(wǎng)，對新疆棉花蟲害情況的進行統(tǒng)計分析，如圖1～4所示。由圖1可知，多數(shù)年份棉蚜發(fā)生面積位列首位，年均可達42.95萬hm2·次，高于其他三類害蟲；由圖2可知，除2015年，其他年份棉蚜的防治面積均高于其他害蟲，年均達到50.68萬hm2·次；由圖3可知，棉蚜、棉紅蜘蛛每年造成的損失較大，均值分別達到25 926.16 t、27 454.37 t；由圖4可知，采取防治措施后可挽回部分損失，棉蚜每年可挽回損失77 412.19 t。

綜上可知，目前棉蚜對棉花生產(chǎn)影響較大，且每年防治面積大于發(fā)生面積，因此必須加強棉蚜蟲情信息的精準獲取，有利于精準防治，促進棉花綠色可持續(xù)發(fā)展，同時實現(xiàn)農(nóng)業(yè)生態(tài)環(huán)境的保護。

2 棉蚜蟲口基數(shù)研究

實時、連續(xù)、大面積的準確獲取和監(jiān)測害蟲的危害信息以及預(yù)測蟲害發(fā)生發(fā)展的程度是有效防治蟲害的基礎(chǔ)。當(dāng)前以人力為主的普查手段所獲得的農(nóng)田蟲情信息及其危害信息具有較高的精準性，但是低效率性、滯后性、不全面性使其不能精準指導(dǎo)生產(chǎn)上蟲害的防控工作，也嚴重制約了農(nóng)作物高質(zhì)高效的發(fā)展。因此，利用高光譜遙感技術(shù)、光譜分析技術(shù)、計算機識別技術(shù)等來進行害蟲的識別、蟲情監(jiān)測以及預(yù)測，是指導(dǎo)生產(chǎn)一線植保工作和攻克人工調(diào)查缺點的有效途徑。

對農(nóng)作物害蟲數(shù)量的快速、精準計數(shù)可以及時制定防治策略，以降低農(nóng)藥投入從而減少成本投入和降低對環(huán)境的污染，同時減少作物產(chǎn)量、品質(zhì)的降低。通過文獻查閱，目前農(nóng)業(yè)上對農(nóng)作物害蟲數(shù)量的計數(shù)主要是傳統(tǒng)的人工調(diào)研識別和計數(shù)、計算機視覺技術(shù)和高光譜遙感監(jiān)測3種方式。依賴于人眼識別害蟲并且統(tǒng)計害蟲數(shù)量，雖然具有一定的準確性，但是耗時費力，效率低下，所以目前計算機視覺技術(shù)和遙感監(jiān)測方法為大面積、快速、無損監(jiān)測害蟲數(shù)量提供了新方法。

2.1 傳統(tǒng)方法對蚜蟲數(shù)量監(jiān)測

棉蚜作為群居性昆蟲，其繁殖速率快，且前人研究表明，棉蚜數(shù)量的增加將導(dǎo)致產(chǎn)量降低［15］，所以對棉蚜數(shù)量進行及時監(jiān)測尤為重要。根據(jù)實地調(diào)查可知，棉蚜作為棉花的主要害蟲之一，每年均需要進行農(nóng)藥防控，且用藥量和防治次數(shù)不規(guī)范。Tabacian等［16］研究發(fā)現(xiàn)，長期大量使用殺蟲劑來控制害蟲，會導(dǎo)致害蟲產(chǎn)生抗藥性。研究表明，可根據(jù)單株3葉棉蚜量作為棉蚜的防治指標(biāo)，但是不同地區(qū)的防控指標(biāo)不一致［17］。噴施農(nóng)藥是防治蚜蟲的常用措施，而生物防治害蟲的形式有助于降低環(huán)境的污染，成年捕食者和3齡期以上的捕食者可以有效減少蚜蟲數(shù)量［18］。近年來，棉蚜的發(fā)生等級常與氣象條件相關(guān)，通過溫度與濕度比建立的新疆東疆發(fā)生的預(yù)測模型具有較高的準確率，適用于該地區(qū)的棉蚜等級預(yù)報［19］。研究蟲害的動態(tài)監(jiān)測對生態(tài)調(diào)控具有實踐意義，通過對蘋果蟲害的結(jié)果表明，果園蟲害不同年度的發(fā)生規(guī)律和危害評價有不同程度的差異，基于每年和常年動態(tài)監(jiān)測可為蘋果蟲害的生態(tài)調(diào)控提供更準確的信息［20］。在不同溫度下，基于人工數(shù)數(shù)，對棉蚜和棉長管蚜種間關(guān)系的研究表明，溫度不影響棉蚜的空間分布，但對棉長管蚜的空間分布具有影響［21］。通過實地調(diào)查建立觀測模型，擬建一個框架，可以較好地估計病蟲害的動態(tài)變化特點?；谛←湴呷~病、葡萄霜霉病、香蕉黃斑葉斑病和甘薯象鼻蟲的調(diào)查結(jié)果，頻率和貝葉斯廣義線性混合模型得到了相似的結(jié)果，且這種類型的模型足夠靈活，可以處理不同類型的數(shù)據(jù)，可用于根據(jù)區(qū)域調(diào)查收集的觀測資料估計疾病和病蟲害的動態(tài)［22］。

2.2 基于圖像識別技術(shù)的蚜蟲數(shù)量監(jiān)測方法

蚜蟲存在的形態(tài)可分為有翅與無翅，蟲體顏色可以分為淺黃色、綠色和深綠色［23］，基于圖像識別技術(shù)，為了更加精準地進行蚜蟲種間識別，采用雙樹復(fù)小波變換和支持向量機方法具有更高的準確率和較低的時間復(fù)雜度，進一步為棉蚜的內(nèi)部識別奠定基礎(chǔ)［24］。蚜蟲的寄主多樣，對黃瓜蚜蟲的圖像分析可知，采用擴展極小值閾值變換的方法對輸入圖像進行標(biāo)記，再進行距離變換和分水嶺分割，該算法可以有效地分割黏連重疊的蚜蟲，蟲體的計數(shù)準確率高于96.0%，且高于直接計數(shù)的80.0%［25］。棉花的生長發(fā)育過程中，受多種害蟲危害，不同害蟲造成不同的為害癥狀，及時辨別各種害蟲可以有效地采取對應(yīng)的植保措施。Yang等［26］與Backoulou等［27］分別利用地面光譜儀對小麥蚜蟲等蟲害監(jiān)測，并對蟲害造成的脅迫進行了區(qū)分。Ji等［28-29］利用MODIS數(shù)據(jù)對蝗蟲、松鋸蠅等造成的損害進行研究，可估計出蟲害造成的損傷情況，準確率在80%以上。通過對采集的不同棉花害蟲危害葉片的圖像進行分析可知，預(yù)處理后的圖像轉(zhuǎn)換至2G-R-B空間，結(jié)合Otsu算法實現(xiàn)色斑分割，先提取色斑圖像R變量、（R + G + B）/3變量的一階矩、二階矩和三階矩為顏色特征，然后提取非色斑圖像拓撲描述子和Hu不變矩為形狀特征，再提取2層雙樹復(fù)小波變換的細節(jié)圖像均值和方差為紋理特征，最后應(yīng)用徑向基支持向量機可以實現(xiàn)棉花棉蚜、棉葉螨、棉盲蝽、斜紋夜蛾、煙粉虱等蟲害和正常葉片的識別［30］。在復(fù)雜背景下，對獲取的棉蚜危害的數(shù)字圖像進行彩色分割和自適應(yīng)元素及閾值相結(jié)合的方法，可以快速進行棉蚜數(shù)量計數(shù)，準確率大于86.0%［31］。

基于數(shù)字圖像識別計數(shù)，可快速統(tǒng)計害蟲數(shù)量。小型害蟲多是群居性，采集到的數(shù)字圖像存在蟲體重疊、黏連嚴重的現(xiàn)象，這將極大的影響蟲體計數(shù)的準確性，通過對數(shù)字圖像處理技術(shù)中連通區(qū)域標(biāo)記方法的深入研究表明，基于正交直線的Snake模型能夠有效地提取較復(fù)雜物體的輪廓［32］。對于采集到的農(nóng)田害蟲圖像，其圖像預(yù)處理尤為重要。研究表明，通過小波變換的圖像預(yù)處理，可以有效保持原圖特征信息和增強圖像的細節(jié)層次，達到圖像的預(yù)處理目的［33］。目前在植物上鑒定和計數(shù)蚜蟲的方法是一個勞動密集型和耗時的過程。通過對大豆葉片圖像利用圖像處理技術(shù)檢測和計數(shù)不同大小的大豆蚜蟲進行研究，結(jié)果表明利用圖像處理工具箱在MATLAB R2014a軟件中對采集到的圖像進行處理，對蚜蟲進行識別和計數(shù)，可以使大多數(shù)不同分辨率相機的誤分類率較低，表明該處理方法具有可行性［34］。

2.3 基于遙感技術(shù)的蚜害信息監(jiān)測

遙感技術(shù)的出現(xiàn)將極大地便利農(nóng)業(yè)生產(chǎn)估測與評估［35］，地面調(diào)查結(jié)合遙感技術(shù)，可以獲得害蟲的空間分布特征和區(qū)域面積大小，為大面積監(jiān)測蟲害和預(yù)測提供依據(jù)［36］。研究結(jié)果顯示，利用手持式高光譜儀Green Seeker測定棉花冠層光譜，得到植被指數(shù)VI-2與有翅蚜數(shù)量三次函數(shù)擬合效果最好［37］，為基于高光譜遙感技術(shù)監(jiān)測棉蚜發(fā)生量提供了依據(jù)。對棉花的不同脅迫環(huán)境進行正確的分析與判別，對采取正確的對癥下藥管理措施是十分必要的。陳兵等［38］對棉花不同脅迫下的單葉進行光譜分析和定量識別，結(jié)果表明光譜技術(shù)可實現(xiàn)不同脅迫的診斷。通過對健康和棉蚜侵害的棉花葉片的高光譜成像數(shù)據(jù)分析，結(jié)果表明基于紋理特征向量能有效地實現(xiàn)蚜害棉花葉片的識別，這為棉蚜蟲情的快速識別提供技術(shù)支持［39］。棉蚜、棉葉螨是危害棉花葉片的2種主要害蟲，通過地面和衛(wèi)星遙感數(shù)據(jù)結(jié)合人工實采數(shù)據(jù)進行分析得知，近紅外波段對棉蚜和棉葉螨的預(yù)測效果均較好［40］。通過便攜式高光譜儀的探針，采集蟲害后葉片和健康葉片的光譜信息，可以判別蟲害和健康葉片，并且850 nm是一個重要波段［41］。對受棉蚜、葉蟬和棉薊馬危害的棉花進行光譜監(jiān)測發(fā)現(xiàn)，受害植株的平均VI值相對低于未受害植株；光譜中，紅色譜帶對薊馬和葉蟬的危害敏感，而近紅外譜帶對蚜蟲的危害更敏感；在對蚜蟲的傷害敏感性曲線上，在綠區(qū)波谷并不十分明顯，而在550 nm處，薊馬和葉蟬的傷害曲線在綠區(qū)有一個明顯的低點；綠紅植被指數(shù)（GRVI）對吸蟲危害的鑒別具有敏感性［42］。在350～2 500 nm范圍內(nèi)，根據(jù)蚜害后棉花葉片光譜的歸一化差光譜指數(shù)（NDSI）和比例光譜指數(shù)（RSI）進行分析，結(jié)果表明，敏感譜帶主要在近紅外范圍內(nèi)，通過降低采樣精度，得到了最佳光譜指數(shù)NDSI（R678，R1471）和RSI（R1975，R1904），可用于棉花蚜蟲嚴重程度的評估［43］。

蚜蟲也是小麥的主要害蟲之一，通過便攜式野外光譜儀和人工計數(shù)小麥百株蚜量，得出單波段405、835 nm可以監(jiān)測百株蚜量，且405 nm模型優(yōu)于835 nm建立的模型［44］。不同作物，基于光譜信息監(jiān)測蚜蟲數(shù)量的特征波段存在不同，在設(shè)施黃瓜蚜蟲數(shù)量的監(jiān)測研究發(fā)現(xiàn)528和837 nm 2個波段反射率與蚜蟲數(shù)量顯著相關(guān)，構(gòu)建的蚜蟲數(shù)量模型均達到極顯著［45］。采用可見光/近紅外波段高光譜成像（HSI）結(jié)合紋理特征提取技術(shù)對大白菜蚜蟲侵染進行檢測，結(jié)果顯示，在694和742 nm處的反射率和紋理特征能夠很好地區(qū)分蚜蟲侵染樣品和健康樣品，HSI技術(shù)在白菜蚜蟲侵染早期檢測中的可行性和應(yīng)用前景廣闊［46］。蚜蟲危害后，榛子葉片熒光會發(fā)生變化，蚜蟲大量寄生會導(dǎo)致Fv/Fm和Y值明顯下降，因此可將其作為榛子品種對蚜蟲敏感性診斷的可靠指標(biāo)，有助于確定其危害閾值等［47］。通過高光譜技術(shù)測定大豆植株在400～1 100 nm范圍內(nèi)的反射率，結(jié)果表明脅迫是植物的特性，且不同的葉片受到不同程度的傷害會產(chǎn)生相同的光譜響應(yīng)，進一步基于葉片光譜特征的特征提取和選擇方法，結(jié)合支持向量機分類器進行分類，采用交叉驗證網(wǎng)格搜索優(yōu)化SVM參數(shù)，并采用十倍交叉驗證進行分類評價，SVM的正確分類率均達到95%［48］，這為高光譜技術(shù)監(jiān)測蟲害技術(shù)提供了依據(jù)。

3 受棉蚜危害后植株生理指標(biāo)測定

3.1 基于傳統(tǒng)方法的蟲害脅迫下植物生理指標(biāo)測定研究

對害蟲蟲情信息的診斷，植株體內(nèi)的生化物質(zhì)含量的變化一直都是研究重點。研究表明，基于傳統(tǒng)的化學(xué)分析方法得到游離脯氨酸含量與棉蚜數(shù)量和蚜害指數(shù)呈顯著負相關(guān)關(guān)系［49］，游離脯氨酸是棉花植株體內(nèi)重要的抗蚜物質(zhì)［50］，此外，棉花葉片可溶性糖含量隨著蚜蟲脅迫時間的延長而增加，隨著蚜蟲數(shù)量的增加而下降［51］。對不同蚜害等級下的棉花的生理指標(biāo)變化規(guī)律的研究可以更好地制定策略。在棉花蕾期的不同蚜害等級下的研究表明，在棉蚜輕度危害下有利于棉花抵御能力增強，這為防治方針提供了依據(jù)［52］。此外，有研究結(jié)果顯示：微量元素的添加對棉花抗蟲蚜蟲的生物學(xué)性能產(chǎn)生了負面影響，降低了棉花蚜蟲對吡蟲威的抗性［53］，這為作物的肥料的配施管理提供了參考依據(jù)。除了寄主植物本身的狀態(tài)會影響害蟲的活動，周圍環(huán)境也會影響。采用電穿透圖（EPG）方法研究CO2濃度升高對棉蚜取食行為的影響，結(jié)果顯示CO2濃度的升高顯著增加棉蚜鮮重、繁殖力和種群豐度，在CO2濃度升高的條件下，棉蚜對較厚的葉片UDE和ST的穿透時間明顯增加［54］。寄主植物的營養(yǎng)狀況直接影響草食動物的生理和昆蟲與植物的相互作用?；谑覂?nèi)化學(xué)分析法證明，施鉀可增加小麥植株的茉莉酸含量，從而增強小麥植株的抗蚜能力［55］。對蘋果綠蚜蟲侵害的葉片溫度進行分析發(fā)現(xiàn)，蚜蟲改變了葉片表面溫度分布的結(jié)構(gòu)，這為熱紅外技術(shù)監(jiān)測病蟲害早期提供了可能［56-57］。

3.2 基于遙感技術(shù)的蚜害脅迫下植物生理監(jiān)測

隨著高光譜遙感技術(shù)的發(fā)展、普及，其已較廣泛地應(yīng)用于農(nóng)作物病、蟲害信息的獲取、識別，再選擇適合的圖像、數(shù)據(jù)處理方法，構(gòu)建出各種情況下的病蟲害預(yù)測模型，可為生產(chǎn)一線的科學(xué)指導(dǎo)提供有力的科技支撐。

葉色的變化常用來判別葉片健康程度，因此葉綠素吸收帶常作為關(guān)鍵監(jiān)測點，通過對不同葉片的不同顏色變化程度的研究發(fā)現(xiàn)，670 nm處的反射率對葉綠素濃度不敏感［58］，這為采用高光譜技術(shù)定量監(jiān)測葉綠素的含量提出了一個新思路。通過對棉蚜危害不同等級的棉花葉片展開光譜分析，得知隨著危害等級加重，葉片的葉綠素b含量增加，而葉綠素a含量、葉綠素總含量及類胡蘿卜素含量減少，并且光譜曲線發(fā)生相應(yīng)變化［59］，也就表明了隨著棉蚜危害時間的延長，葉片色素含量定會發(fā)生變化，因此光譜曲線會發(fā)生變化。葉綠素含量、密度一直作為作物是否受到脅迫的指示器之一，常常作為棉花研究的重要指標(biāo)之一?；诿藁ü趯尤~綠素密度以及冠層高光譜反射率，分析葉綠素密度與不同狀態(tài)下的光譜數(shù)據(jù)的相關(guān)性，建立棉花冠層葉綠素密度診斷模型，結(jié)果表明一階導(dǎo)數(shù)形式光譜數(shù)據(jù)優(yōu)于原始光譜反射率，且植被指數(shù)的估算模型具有較高的精度和穩(wěn)定性［60］。提高棉花葉綠素含量的估算精度有助于生產(chǎn)上棉花的管理與生長發(fā)育的判斷，采用13種植被指數(shù)與棉花葉綠素的相關(guān)性進行模型構(gòu)建，結(jié)果表明波段優(yōu)化算法的優(yōu)化光譜指數(shù)RSI能更好地預(yù)測棉花葉片葉綠素含量［61］。棉花類胡蘿卜素/葉綠素a比值可作為植被生理生態(tài)及物候的監(jiān)測指標(biāo)，基于光譜指數(shù)和偏最小二乘，Car/Chl a比值的估算精度均最高，這為棉花脅迫遙感監(jiān)測指標(biāo)提供了依據(jù)［62］。

4 展望

（1）棉蚜發(fā)生量的監(jiān)測模型是棉蚜危害定量監(jiān)測的基礎(chǔ)，目前國內(nèi)外對棉蚜危害早期的棉蚜量監(jiān)測模型的研究較少。國內(nèi)外科研人員基于光譜技術(shù)和生理指標(biāo)，對不同棉蚜危害等級下棉花后的單葉、冠層監(jiān)測方面進行了初步研究，但是對棉蚜危害早期的棉花生理指標(biāo)信息的研究較少，進而使棉田棉蚜的發(fā)生信息的獲取產(chǎn)生了滯后，從而影響準確獲得棉田棉蚜真實的發(fā)生信息，這為棉蚜危害早期監(jiān)測的重要性提出了需求。雖然目前在棉蚜的研究中已經(jīng)明確了棉蚜危害的某些特征與表現(xiàn)，但是對于棉蚜危害監(jiān)測依然存在一些不足：

①棉蚜的繁殖速率很快，短時間內(nèi)棉蚜量可急劇增長，此外，有翅蚜具有遷飛的功能，使棉蚜危害區(qū)域變幻不定，這些為人工監(jiān)測帶來難度。因此基于高光譜遙感技術(shù)的快速、無損、實時的監(jiān)測方法成為監(jiān)測棉蚜量的必要需求，而目前高光譜技術(shù)對棉蚜蟲情信息的監(jiān)測與診斷多應(yīng)用在高校、科研院所，轉(zhuǎn)化落實到生產(chǎn)上的較少。

②在棉蚜危害的早期，受棉蚜危害的棉花葉片在外觀上肉眼難以辨別，棉蚜吸食葉片汁液后，葉片結(jié)構(gòu)、色素含量等的變化特點和規(guī)律不明確，棉蚜危害早期的診斷指標(biāo)沒有明確。

③葉片的光譜信息是葉片內(nèi)色素含量、細胞結(jié)構(gòu)等共同作用下的反饋，冠層光譜信息則涵括植株構(gòu)造、生長環(huán)境等因素，二者具有不同的應(yīng)用潛力。已有文獻對棉蚜危害后的光譜分析中，較少采用單一生理指標(biāo)進行光譜分析，并構(gòu)建蚜害的判別模型。因此，有必要以不同生理指標(biāo)為變量，篩選特征波段進行不同判別模型的建立，從而確定棉蚜危害早期的無損的最佳判別模型。

（2）棉蚜是群居性害蟲，常常寄居于寄主植株葉片的背面，給精準獲取蚜害信息帶來困難。因此，明確棉蚜對葉片造成的危害指標(biāo)是目前蚜害診斷的關(guān)鍵，有助于解析棉蚜對作物產(chǎn)量、品質(zhì)的影響。

參考文獻

［1］ 孫嘉懌.水稻葉片高光譜對蟲害的敏感性及稻飛虱的為害監(jiān)測［D］.南京：南京農(nóng)業(yè)大學(xué)，2013.

［2］ 房雪，SAIYING G E，張永生，等.1991—2010年中國棉花病蟲害經(jīng)濟損失分析［J］.應(yīng)用昆蟲學(xué)報，2014，51（4）：1104-1113.

［3］ 劉健，吳孔明，趙奎軍，等.不同地理種群棉蚜對溫度和光周期的生態(tài)適應(yīng)性［J］.生態(tài)學(xué)報，2003，23（5）：863-869.

［4］ 程帆，趙艷茹，余克強，等.基于高光譜技術(shù)的病害早期脅迫下黃瓜葉片中過氧化物酶活性的研究［J］.光譜學(xué)與光譜分析，2017，37（6）：1861-1865.

［5］ 劉佳，王利民，楊福剛，等.基于HJ時間序列數(shù)據(jù)的農(nóng)作物種植面積估算［J］.農(nóng)業(yè)工程學(xué)報，2015，31（3）：199-206.

［6］ 郭鵬，武法東，戴建國，等.基于無人機可見光影像的農(nóng)田作物分類方法比較［J］.農(nóng)業(yè)工程學(xué)報，2017，33（13）：112-119.

［7］ 王鵬新，荀蘭，李俐，等.基于時間序列葉面積指數(shù)傅里葉變換的作物種植區(qū)域提?。跩］.農(nóng)業(yè)工程學(xué)報，2017，33（21）：207-215.

［8］ 玉蘇普江·艾麥提，買合皮熱提·吾拉木，玉蘇甫·買買提，等.基于多時相HJ衛(wèi)星的渭干河-庫車河綠洲主要農(nóng)作物種植信息提?。跩］.中國農(nóng)業(yè)資源與區(qū)劃，2014，35（5）：38-43.

［9］ 郭昱杉，劉慶生，劉高煥，等.基于MODIS時序NDVI主要農(nóng)作物種植信息提取研究［J］.自然資源學(xué)報，2017，32（10）：1808-1818.

［10］ 張增光.基于過程模型的松材線蟲災(zāi)害的遙感早期識別［D］.北京：北京林業(yè)大學(xué)，2011.

［11］ 陳鵬程.地面高光譜遙感在棉葉螨監(jiān)測中的應(yīng)用研究［D］.石河子：石河子大學(xué)，2006.

［12］ 袁琳.小麥病蟲害多尺度遙感識別和區(qū)分方法研究［D］.杭州：浙江大學(xué)，2015.

［13］ 趙蕓.基于高光譜和圖像處理技術(shù)的油菜病蟲害早期監(jiān)測方法和機理研究［D］.杭州：浙江大學(xué)，2013.

［14］ 馬菁.基于遙感技術(shù)的松材線蟲病早期預(yù)警［D］.北京：北京林業(yè)大學(xué)，2012.

［15］ 郭明，萬傳星，王小英，等.棉蚜危害損失和經(jīng)濟閾值的研究現(xiàn)狀［J］.塔里木農(nóng)墾大學(xué)學(xué)報，2000，12（1）：51-56.

［16］ TABACIAN H，RAVAN S，BANDANI A R.Susceptibilities of two populations of Aphis gossiper Glover to selected insecticides［J］.African journal of biotechnology，201 10（4）：670-674.

［17］ 羅進倉，陳明，張新瑞，等.河西走廊夏型棉蚜為害損失與防治指標(biāo)研究［J］.棉花學(xué)報，1999，11（1）：42-44.

［18］ VINSON S B，SCARBOROUGH T A.Impact of the imported fire ant on laboratory populations of cotton aphid（Aphid gossypii）predators［J］.Florida entomologist，1989，72（1）：107-111.

［19］ 慕彩蕓，車罡，道然·加帕依，等.新疆東疆棉蚜發(fā)生發(fā)展氣象等級預(yù)報模型［J］.干旱氣象，2010，28（4）：489-493.

［20］ 劉長海，黨志明.洛川蘋果蟲害的動態(tài)監(jiān)測［J］.中國農(nóng)學(xué)通報，2012，28（4）：273-277.

［21］ 馮麗凱，高桂珍，呂昭智，等.不同溫度條件對棉蚜、棉長管蚜種間競爭關(guān)系的影響［J］.應(yīng)用昆蟲學(xué)報，2015，52（3）：557-565.

［22］ MICHEL L，BRUN F，MAKOWSKI D.A framework based on generalised linear mixed models for analysing pest and disease surveys［J］.Crop protection，2017，94：1-12.

［23］ CAMI C，BONNIE B.Aphid pests on vegetables［J］.Utah pests，2017，184：17.

［24］ 張繼紅，趙惠燕.復(fù)雜背景下蚜蟲目標(biāo)識別方法研究［J］.計算機工程與應(yīng)用，2009，45（11）：193-195.

［25］ 邱白晶，王天波，李娟娟，等.黃瓜蚜蟲的圖像識別與計數(shù)方法［J］.農(nóng)業(yè)機械學(xué)報，2010，41（8）：151-155.

［26］ YANG Z，RAO M N，ELLIOTT N C，et al.Differentiating stress induced by greenbugs and Russian wheat aphids in wheat using remote sensing［J］.Computers and electronics in agriculture，2009，67（1/2）：64-70._{/NjJSLsA5a52cOvu8B+1Nw==}

［27］ BACKOULOU G F，ELLIOTT N C，GILES K，et al.Spatially discriminating Russian wheat aphid induced plant stress from other wheat stressing factors［J］.Computers and electronics in agriculture，201 78（2）：123-129.

［28］ JI R，XIE B Y，LI D M，et al.Use of MODIS data to monitor the oriental migratory locust plague［J］.Agriculture，ecosystems and environment，2004，104（3）：615-620.

［29］ EKLUNDH L，JOHANSSON T，SOLBERG S.Mapping insect defoliation in Scots pine with MODIS time-series data［J］.Remote sensing of environment，2009，113（7）：1566-1573.

［30］ 張建華，冀榮華，袁雪，等.基于徑向基支持向量機的棉花蟲害識別［J］.農(nóng)業(yè)機械學(xué)報，201 42（8）：178-183.

［31］ 顧佳敏，王佩玲，劉陽天，等.基于數(shù)字圖像的棉田復(fù)雜背景下棉蚜統(tǒng)計方法［J］.新疆農(nóng)業(yè)科學(xué)，2018，55（12）：2279-2287.

［32］ 牟少敏，孫永香，朱紅梅，等.昆蟲圖像的自動計數(shù)方法的研究［J］.儀器儀表學(xué)報，2003，24（S2）：426-427，429.

［33］ 張法全，常永英，崔光照.基于小波變換的農(nóng)田害蟲圖像預(yù)處理研究［J］.鄭州輕工業(yè)學(xué)院學(xué)報（自然科學(xué)版），2005，20（1）：13-16.

［34］ MOHAMMADMEHDI M，SIVARAJAN S，BAJWA S G，et al.Detection of soybean aphids in a greenhouse using an image processing technique［J］.Computers and electronics in agriculture，2017，132：63-70.

［35］ GATES D M.Remote sensing for the biologist［J］.BioScience，1967，17（5）：303-307.

［36］ 賈翔，陳蜀江，黃鐵成，等.基于遙感技術(shù)的塔里木盆地林果蚜蟲蟲害信息監(jiān)測［J］.北京農(nóng)業(yè)，2013（15）：133-134.

［37］ 張國龍，陳劍，李文平，等.利用GreenSeeker與SPAD監(jiān)測棉蚜發(fā)生量［J］.西北農(nóng)業(yè)學(xué)報，2014，23（5）：171-176.

［38］ 陳兵，王瓊，肖春華，等.9種脅迫條件下棉花葉片光譜特征及其識別研究［J］.西北農(nóng)業(yè)學(xué)報，2015，24（10）：64-73.

［39］ 許敬誠，呂新，林皎，等.基于葉片紋理特征的棉花蚜害診斷模型研究［J］.棉花學(xué)報，2020，32（2）：133-142.

［40］ REISIG D，GODFREY L.Remote sensing for detection of cotton aphid-（Homoptera：Aphididae）and spider mite-（Acari：Tetranychidae）infested cotton in the San Joaquin Valley［J］.Environmental entomology，2006，35（6）：1635-1646.

［41］ REISIG D，GODFREY L.Spectral response of cotton aphid-（Homoptera：Aphididae）and spider mite-（Acari：Tetranychidae）infested cotton：Controlled studies［J］.Environmental entomology，2007，36（6）：1466-1474.

［42］ RANJITHA G，SRINIVASAN M R.Hyperspectral radiometry for the detection and discrimination of damage caused by sucking pests of cotton［J］.Current biotica，2014，8（1）：5-12.

［43］ CHEN T T，ZENG R E，GUO W X，et al.Detection of stress in cotton（Gossypium hirsutum L.）caused by aphids using leaf level hyperspectral measurements［J］.Sensors，2018，18（9）：1-13.

［44］ 胡祖慶，亢菊俠，羅晨，等.麥長管蚜脅迫下不同小麥品種冠層光譜特征及其預(yù)測模型［J］.南京農(nóng)業(yè)大學(xué)學(xué)報，2015，38（2）：267-272.

［45］ 吳雅茹，趙家奇，胡祖慶.基于高光譜的設(shè)施黃瓜蚜蟲蟲害檢測及其預(yù)測模型［J］.陜西農(nóng)業(yè)科學(xué)，2018，64（8）：80-83.

［46］ ZHAO Y R，YU K Q，F(xiàn)ENG C，et al.Early detection of aphid（Myzus persicae）infestation on Chinese cabbage by hyperspectral imaging and feature extraction［J］.Transactions of the ASABE，2017，60（4）：1045-1051.

［47］ GANTNER M，MICHAEK W.Measurements of chlorophyll fluorescence as an auxiliary method in estimating susceptibility of cultivated hazel（Corylus L.）for filbert aphid（Myzocallis coryli goetze）［J］.Acta agrobotanica，2012，63（1）：189-195.

［48］ TAILANIN M，CASTIGLIONI E，MUS＇E P，et al.Early pest detection in soy plantations from hyperspectral measurements：A case study for caterpillar detection［C］//Remote sensing for agriculture，ecosystems，and hydrology XVII.Toulouse，F(xiàn)rance：SPIE，2015.

［49］ 劉旭明，楊奇華.游離脯氨酸在棉花品種抗蚜性中的作用［J］.北京農(nóng)業(yè)大學(xué)學(xué)報，199 17（3）：77-80.

［50］ 蘆屹，王惠卿，王佩玲，等.新疆不同棉花品種游離脯氨酸與抗蚜性的關(guān)系［J］.植物保護，2013，39（3）：22-25.

［51］ 帕提瑪·烏木爾汗，馬少軍，郭佩佩，等.棉蚜不同密度取食脅迫對棉花葉片可溶性糖和游離脯氨酸含量的影響［J］.新疆農(nóng)業(yè)大學(xué)學(xué)報，2018，41（2）：117-120.

［52］ 閆慧敏，鄧小霞，汪鳳娟，等.不同棉蚜為害程度對花蕾期棉花生理生化的影響［J］.新疆農(nóng)業(yè)科學(xué)，2013，50（11）：2077-2084.

［53］ HOMAYOONZADEH M，ESMAEILY M，TALEBI K，et al.Micronutrient fertilization of greenhouse cucumbers mitigates pirimicarb resistance in Aphis gossypii（Hemiptera：Aphididae）［J］.Journal of economic entomology，2020，113（6）：2864-2872.

［54］ JIANG S L，LIU T J，YU F L，et al.Feeding behavioral response of cotton aphid，Aphis gossypii，to elevated CO2 EPG test with leaf microstructure and leaf chemistry［J］.Entomologia experimentalis et applicata，2016，160（3）：219-228.

［55］ 王祎，張月玲，蘇建偉，等.施鉀提高蚜害誘導(dǎo)的小麥茉莉酸含量和葉片相關(guān)防御酶活性［J］.生態(tài)學(xué)報，2014，34（10）：2539-2547.

［56］ CAHON T，CAILLON R，PINCEBOURDE S.Do aphids alter leaf surface temperature patterns during early infestation？［J］.Insects，2018，9（1）：1-20.

［57］ YAO Z F，HE D J，LEI Y.Early nondestructive detection of wheat stripe rust using infrared thermal imaging［J］.Spectroscopy and spectral analysis，2018，38（10）：3303-3309.

［58］ GITELSON A A，MERZLYAK M N.Signature analysis of leaf reflectance spectra：Algorithm development for remote sensing of chlorophyll［J］.Journal of plant physiology，1996，148（3/4）：494-500.

［59］ 陳兵，王克如，李少昆，等.蚜蟲脅迫下棉葉光譜特征及其遙感估測［J］.光譜學(xué)與光譜分析，2010，30（11）：3093-3097.

［60］ 王強，易秋香，包安明，等.基于高光譜反射率的棉花冠層葉綠素密度估算［J］.農(nóng)業(yè)工程學(xué)報，2012，28（15）：125-133.

［61］ 王爍，常慶瑞，劉夢云，等.基于高光譜遙感的棉花葉片葉綠素含量估算［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2017，22（4）：16-27.

［62］ 易秋香，劉英，常存，等.基于光譜指數(shù)和偏最小二乘的棉花類胡蘿卜素/葉綠素a比值估算［J］.作物學(xué)報，2020，46（8）：1266-1274.