基于遙感的棉花黃萎病病害嚴(yán)重度估測模型：特征、構(gòu)建與驗(yàn)證一、引言1.1研究背景與意義棉花作為世界上最重要的經(jīng)濟(jì)作物之一，在全球農(nóng)業(yè)和紡織產(chǎn)業(yè)中占據(jù)著舉足輕重的地位。中國作為最大的棉花生產(chǎn)國家、消費(fèi)國家和進(jìn)口國家，也是重要的棉紡織品出口國家，紡織品占棉花產(chǎn)量的95%。2019年，我國棉花種植面積達(dá)到333.92萬公頃，總產(chǎn)量達(dá)588.9萬噸，其中新疆是我國棉花主產(chǎn)區(qū)，棉花種植面積達(dá)到254.05萬公頃，總產(chǎn)量502萬噸。棉花產(chǎn)業(yè)不僅關(guān)系到眾多棉農(nóng)的生計(jì)，還對(duì)紡織、服裝等下游產(chǎn)業(yè)的穩(wěn)定發(fā)展起著關(guān)鍵支撐作用，是國民經(jīng)濟(jì)中不可或缺的一環(huán)。然而，棉花生產(chǎn)面臨著諸多挑戰(zhàn)，其中棉花黃萎病是最為嚴(yán)重的威脅之一。棉花黃萎病被稱為棉花的“癌癥”，是由棉花黃萎病病原菌（黑白輪枝菌和大麗輪枝菌，在中國只存在大麗輪枝菌）引起的一種真菌病害，主要為害棉花的莖、枝、葉。其傳播途徑廣泛，棉籽、病株殘?bào)w、土壤、肥水、農(nóng)具等多種媒介都可傳播。該病害在世界各主要產(chǎn)棉國均有分布，在中國主要植棉區(qū)也普遍發(fā)生，且北方棉區(qū)重于長江流域棉區(qū)。棉花黃萎病對(duì)棉花的危害極其嚴(yán)重。輕者會(huì)導(dǎo)致葉片失綠變黃，蕾鈴脫落嚴(yán)重，從而造成減產(chǎn)；重者則會(huì)使整株成片死亡，導(dǎo)致絕產(chǎn)絕收。一般情況下，棉花黃萎病會(huì)使棉花減產(chǎn)10-30%左右，嚴(yán)重時(shí)減產(chǎn)可達(dá)80%以上。例如，1993-2003年間，我國因黃萎病每年損失皮棉高達(dá)8-10萬噸。新疆作為優(yōu)質(zhì)棉花的主要生產(chǎn)基地，棉花黃萎病的發(fā)生情況也較為嚴(yán)重。根據(jù)新疆植保站調(diào)查數(shù)據(jù)顯示，2008-2018年，新疆阿克蘇植棉區(qū)棉花黃萎病發(fā)病呈現(xiàn)出早、重、快的特點(diǎn)。2018年，新疆主要植棉區(qū)棉花黃萎病普查顯示，新疆棉田的50%會(huì)出現(xiàn)黃萎病，給當(dāng)?shù)剞r(nóng)民造成了巨大的經(jīng)濟(jì)損失。2019年，新疆棉花病害發(fā)生面積達(dá)到26.9萬公頃，其中棉花黃萎病發(fā)生面積高達(dá)9.3萬公頃。傳統(tǒng)的棉花黃萎病監(jiān)測方法主要依靠人工巡視和采樣實(shí)驗(yàn)室檢測。人工巡視需要耗費(fèi)大量的人力和時(shí)間，效率低下，且容易受到人為因素的影響，如檢測人員的經(jīng)驗(yàn)和專業(yè)水平等，導(dǎo)致檢測結(jié)果的準(zhǔn)確性和可靠性難以保證。采樣實(shí)驗(yàn)室檢測雖然能夠提供較為準(zhǔn)確的檢測結(jié)果，但采樣過程繁瑣，檢測周期長，無法及時(shí)反映棉花黃萎病的發(fā)生和發(fā)展情況，難以滿足廣大棉農(nóng)和企業(yè)及時(shí)防治病害的需求。此外，傳統(tǒng)監(jiān)測方法還存在監(jiān)測范圍有限的問題，難以對(duì)大面積的棉田進(jìn)行全面、及時(shí)的監(jiān)測。隨著遙感技術(shù)的快速發(fā)展，其在農(nóng)作物病蟲害監(jiān)測方面展現(xiàn)出了巨大的潛力。遙感技術(shù)具有快速、宏觀、動(dòng)態(tài)、準(zhǔn)確等優(yōu)點(diǎn)，能夠?qū)崿F(xiàn)對(duì)大面積棉田的實(shí)時(shí)監(jiān)測，及時(shí)獲取棉花的生長狀況和病害信息，為棉花黃萎病的防治提供科學(xué)依據(jù)。通過分析棉花在不同波段的光譜反射特征，可以識(shí)別出受黃萎病侵染的棉花植株，并進(jìn)一步估測病害的嚴(yán)重程度。利用高分辨率的遙感影像，還可以對(duì)棉田的病害分布情況進(jìn)行詳細(xì)的制圖，為精準(zhǔn)防治提供支持。本研究旨在利用遙感技術(shù)構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型，具有重要的現(xiàn)實(shí)意義。對(duì)于棉花生產(chǎn)而言，及時(shí)準(zhǔn)確地掌握棉花黃萎病的病害嚴(yán)重度，能夠幫助棉農(nóng)制定科學(xué)合理的防治策略，精準(zhǔn)投放農(nóng)藥和其他防治資源，避免盲目用藥，減少生產(chǎn)成本和環(huán)境污染。同時(shí)，提前預(yù)測病害的發(fā)展趨勢，還可以為棉農(nóng)爭取更多的防治時(shí)間，降低病害造成的損失，保障棉花的產(chǎn)量和質(zhì)量，維護(hù)棉農(nóng)的經(jīng)濟(jì)利益。從農(nóng)業(yè)發(fā)展的角度來看，該研究有助于推動(dòng)遙感技術(shù)在農(nóng)業(yè)病蟲害監(jiān)測領(lǐng)域的應(yīng)用和發(fā)展，豐富和完善農(nóng)業(yè)遙感監(jiān)測體系。通過建立有效的病害嚴(yán)重度估測模型，為其他農(nóng)作物病蟲害的監(jiān)測和防治提供借鑒和參考，促進(jìn)農(nóng)業(yè)的智能化、精準(zhǔn)化發(fā)展，提高農(nóng)業(yè)生產(chǎn)的效率和可持續(xù)性，為保障國家糧食安全和農(nóng)產(chǎn)品質(zhì)量安全做出貢獻(xiàn)。1.2國內(nèi)外研究現(xiàn)狀在棉花黃萎病監(jiān)測領(lǐng)域，遙感技術(shù)的應(yīng)用研究不斷深入。國外方面，美國、澳大利亞等棉花種植大國在早期就開始關(guān)注利用遙感技術(shù)監(jiān)測棉花病蟲害。美國通過對(duì)不同棉花品種在黃萎病脅迫下的光譜特征研究，發(fā)現(xiàn)感染黃萎病的棉花在近紅外波段的反射率明顯降低，這一發(fā)現(xiàn)為后續(xù)利用光譜特征監(jiān)測病害提供了重要依據(jù)。澳大利亞利用高分辨率衛(wèi)星影像對(duì)大面積棉田進(jìn)行監(jiān)測，分析棉花生長過程中的光譜變化，嘗試建立棉花黃萎病的早期預(yù)警模型，取得了一定的成果。國內(nèi)對(duì)于棉花黃萎病的遙感監(jiān)測研究起步相對(duì)較晚，但發(fā)展迅速。眾多科研機(jī)構(gòu)和高校積極開展相關(guān)研究，在棉花黃萎病的光譜特征分析、監(jiān)測模型構(gòu)建等方面取得了一系列成果。在光譜特征分析上，研究人員通過大量的田間試驗(yàn)和室內(nèi)光譜測定，詳細(xì)分析了棉花黃萎病在不同發(fā)病階段的光譜反射特征。研究發(fā)現(xiàn)，在可見光波段，隨著病害嚴(yán)重度的增加，棉花冠層光譜反射率呈上升趨勢；在近紅外波段，光譜反射率則呈下降趨勢。通過對(duì)不同處理棉花植株的光譜測定，明確了350-700nm以及760-1350nm波段區(qū)間是與病害嚴(yán)重度極顯著相關(guān)的光譜敏感波段，為后續(xù)監(jiān)測模型的構(gòu)建提供了關(guān)鍵的光譜數(shù)據(jù)支持。在監(jiān)測模型構(gòu)建方面，國內(nèi)研究人員嘗試運(yùn)用多種方法。一些研究采用傳統(tǒng)的統(tǒng)計(jì)分析方法，如相關(guān)性分析、逐步回歸分析等，建立棉花黃萎病病情指數(shù)與光譜特征參數(shù)之間的關(guān)系模型，實(shí)現(xiàn)對(duì)病害嚴(yán)重度的初步估測。也有研究引入機(jī)器學(xué)習(xí)算法，如支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等，利用其強(qiáng)大的非線性擬合能力，提高病害嚴(yán)重度估測的精度。有研究利用無人機(jī)獲取的多光譜影像，提取植被指數(shù)、顏色指數(shù)和紋理特征，結(jié)合灰狼優(yōu)化極限學(xué)習(xí)機(jī)和粒子群優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)模型，對(duì)棉花黃萎病病情程度進(jìn)行估測，取得了較好的效果，驗(yàn)證集的R2在花期為0.65（RRMSE=42.96），在花鈴期為0.66（RRMSE=20.00），在鈴期為0.88（RRMSE=10.53）。盡管國內(nèi)外在棉花黃萎病的遙感監(jiān)測研究方面取得了一定的成果，但仍存在一些不足之處。現(xiàn)有的監(jiān)測模型大多是基于特定的試驗(yàn)條件和區(qū)域建立的，缺乏廣泛的通用性和適應(yīng)性。不同地區(qū)的棉花品種、種植環(huán)境、氣候條件等存在差異，使得同一模型在不同地區(qū)的應(yīng)用效果可能不理想。對(duì)棉花黃萎病的早期監(jiān)測能力還有待提高。目前的研究往往在病害癥狀較為明顯時(shí)才能準(zhǔn)確監(jiān)測，而在病害初期，由于光譜變化不顯著，難以實(shí)現(xiàn)及時(shí)有效的監(jiān)測。此外，多源遙感數(shù)據(jù)的融合利用還不夠充分，如何將衛(wèi)星遙感、無人機(jī)遙感以及地面光譜數(shù)據(jù)等進(jìn)行有效融合，提高監(jiān)測的準(zhǔn)確性和時(shí)效性，也是亟待解決的問題。1.3研究目標(biāo)與內(nèi)容1.3.1研究目標(biāo)本研究旨在利用遙感技術(shù)，深入分析棉花黃萎病的光譜特征，提取與病害嚴(yán)重度密切相關(guān)的敏感波段，構(gòu)建高精度、高可靠性且具有廣泛適用性的棉花黃萎病病害嚴(yán)重度估測模型。通過該模型，能夠?qū)崿F(xiàn)對(duì)棉花黃萎病病害嚴(yán)重度的快速、準(zhǔn)確估測，為棉花黃萎病的早期預(yù)警和精準(zhǔn)防治提供科學(xué)有效的技術(shù)支持，從而降低病害對(duì)棉花生產(chǎn)的危害，保障棉花的產(chǎn)量和質(zhì)量，提高棉農(nóng)的經(jīng)濟(jì)效益，促進(jìn)棉花產(chǎn)業(yè)的可持續(xù)發(fā)展。1.3.2研究內(nèi)容棉花黃萎病光譜特征分析：通過室內(nèi)盆栽試驗(yàn)和田間實(shí)地觀測，運(yùn)用地物光譜儀等專業(yè)設(shè)備，對(duì)不同發(fā)病程度的棉花植株進(jìn)行光譜數(shù)據(jù)采集。詳細(xì)分析棉花在可見光、近紅外、短波紅外等多個(gè)波段的光譜反射特征，研究病害嚴(yán)重度與光譜特征之間的內(nèi)在關(guān)系。對(duì)比健康棉花與染病棉花的光譜曲線，明確在不同波段上光譜反射率的差異變化規(guī)律，以及這些變化如何隨著病害嚴(yán)重度的增加而呈現(xiàn)出特定的趨勢，為后續(xù)敏感波段的提取和模型構(gòu)建奠定基礎(chǔ)。敏感波段提?。簩?duì)采集到的原始光譜數(shù)據(jù)進(jìn)行多種數(shù)學(xué)變換處理，如一階微分、二階微分、去包絡(luò)線等，增強(qiáng)光譜特征與病害嚴(yán)重度之間的相關(guān)性。通過相關(guān)性分析、逐步回歸分析等統(tǒng)計(jì)方法，篩選出與棉花黃萎病病害嚴(yán)重度相關(guān)性最強(qiáng)的光譜波段，確定敏感波段。結(jié)合前人研究成果和實(shí)際數(shù)據(jù)特點(diǎn)，綜合考慮不同波段對(duì)病害信息的敏感度、穩(wěn)定性以及在實(shí)際應(yīng)用中的可操作性，確保提取出的敏感波段能夠準(zhǔn)確、有效地反映棉花黃萎病的發(fā)生和發(fā)展情況。棉花黃萎病病害嚴(yán)重度估測模型構(gòu)建：基于提取的敏感波段，運(yùn)用多元線性回歸、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等多種建模方法，構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型。針對(duì)不同建模方法的特點(diǎn)和適用范圍，對(duì)模型的參數(shù)進(jìn)行優(yōu)化調(diào)整，提高模型的擬合能力和預(yù)測精度。利用訓(xùn)練數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，使模型能夠?qū)W習(xí)到光譜特征與病害嚴(yán)重度之間的復(fù)雜關(guān)系，通過交叉驗(yàn)證等方法不斷優(yōu)化模型性能，確保模型的可靠性和穩(wěn)定性。模型驗(yàn)證與精度評(píng)估：使用獨(dú)立的測試數(shù)據(jù)集對(duì)構(gòu)建好的模型進(jìn)行驗(yàn)證，評(píng)估模型的預(yù)測準(zhǔn)確性和可靠性。采用多種評(píng)價(jià)指標(biāo)，如決定系數(shù)（R2）、均方根誤差（RMSE）、相對(duì)均方根誤差（RRMSE）等，全面衡量模型的性能。將模型的預(yù)測結(jié)果與實(shí)際觀測的病害嚴(yán)重度進(jìn)行對(duì)比分析，分析模型的誤差來源和不確定性因素。根據(jù)驗(yàn)證結(jié)果，對(duì)模型進(jìn)行進(jìn)一步的改進(jìn)和優(yōu)化，提高模型的精度和泛化能力，使其能夠更好地應(yīng)用于實(shí)際生產(chǎn)中的棉花黃萎病監(jiān)測和防治工作。1.4研究方法與技術(shù)路線1.4.1研究方法高光譜數(shù)據(jù)采集：在棉花生長的關(guān)鍵時(shí)期，包括苗期、蕾期、花鈴期和吐絮期，利用地物光譜儀對(duì)不同發(fā)病程度的棉花植株進(jìn)行光譜數(shù)據(jù)采集。為確保數(shù)據(jù)的準(zhǔn)確性和代表性，每個(gè)處理設(shè)置多個(gè)重復(fù)，每個(gè)重復(fù)測量多次，取平均值作為該樣本的光譜數(shù)據(jù)。同時(shí)，記錄測量時(shí)的環(huán)境參數(shù)，如光照強(qiáng)度、溫度、濕度等，以便后續(xù)對(duì)數(shù)據(jù)進(jìn)行校正和分析。在室內(nèi)盆栽試驗(yàn)中，將棉花種子播種在裝有相同土壤的花盆中，待棉花生長到一定階段后，進(jìn)行人工接種黃萎病菌，設(shè)置不同的接種濃度來模擬不同的發(fā)病程度。在田間試驗(yàn)中，選擇具有代表性的棉田，劃分不同的試驗(yàn)區(qū)，分別設(shè)置健康對(duì)照區(qū)和不同發(fā)病程度的感染區(qū)，利用地物光譜儀對(duì)各個(gè)區(qū)域的棉花植株進(jìn)行光譜測量。數(shù)據(jù)處理：運(yùn)用ENVI、MATLAB等專業(yè)軟件對(duì)采集到的原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，包括去除噪聲、平滑處理、基線校正等，以提高數(shù)據(jù)的質(zhì)量和穩(wěn)定性。對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行多種數(shù)學(xué)變換，如一階微分、二階微分、去包絡(luò)線等，增強(qiáng)光譜特征與病害嚴(yán)重度之間的相關(guān)性，為敏感波段的提取提供更有效的數(shù)據(jù)支持。利用統(tǒng)計(jì)分析方法，如相關(guān)性分析、逐步回歸分析等，對(duì)變換后的光譜數(shù)據(jù)與棉花黃萎病病害嚴(yán)重度進(jìn)行相關(guān)性分析，篩選出與病害嚴(yán)重度相關(guān)性最強(qiáng)的光譜波段，確定敏感波段。模型構(gòu)建：基于提取的敏感波段，運(yùn)用多元線性回歸、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等多種建模方法構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型。對(duì)于多元線性回歸模型，通過最小二乘法確定模型的系數(shù)，建立光譜特征與病害嚴(yán)重度之間的線性關(guān)系。支持向量機(jī)模型則通過尋找最優(yōu)分類超平面，實(shí)現(xiàn)對(duì)病害嚴(yán)重度的準(zhǔn)確分類和預(yù)測。人工神經(jīng)網(wǎng)絡(luò)模型采用多層感知器結(jié)構(gòu)，通過訓(xùn)練學(xué)習(xí)光譜特征與病害嚴(yán)重度之間的復(fù)雜非線性關(guān)系。針對(duì)不同建模方法的特點(diǎn)和適用范圍，利用交叉驗(yàn)證、網(wǎng)格搜索等方法對(duì)模型的參數(shù)進(jìn)行優(yōu)化調(diào)整，提高模型的擬合能力和預(yù)測精度。模型驗(yàn)證與精度評(píng)估：使用獨(dú)立的測試數(shù)據(jù)集對(duì)構(gòu)建好的模型進(jìn)行驗(yàn)證，將模型的預(yù)測結(jié)果與實(shí)際觀測的病害嚴(yán)重度進(jìn)行對(duì)比分析。采用決定系數(shù)（R2）、均方根誤差（RMSE）、相對(duì)均方根誤差（RRMSE）等多種評(píng)價(jià)指標(biāo)，全面衡量模型的性能。R2越接近1，表明模型的擬合效果越好；RMSE和RRMSE越小，說明模型的預(yù)測誤差越小，預(yù)測精度越高。根據(jù)驗(yàn)證結(jié)果，分析模型的誤差來源和不確定性因素，對(duì)模型進(jìn)行進(jìn)一步的改進(jìn)和優(yōu)化，提高模型的精度和泛化能力。1.4.2技術(shù)路線本研究的技術(shù)路線如圖1所示。首先，開展室內(nèi)盆栽試驗(yàn)和田間實(shí)地觀測，利用地物光譜儀采集不同發(fā)病程度棉花植株的高光譜數(shù)據(jù)，并記錄相關(guān)的環(huán)境參數(shù)和棉花生長信息。然后，對(duì)采集到的原始光譜數(shù)據(jù)進(jìn)行預(yù)處理和數(shù)學(xué)變換，通過相關(guān)性分析和逐步回歸分析等方法提取敏感波段。接著，基于敏感波段，運(yùn)用多元線性回歸、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等建模方法構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型，并對(duì)模型參數(shù)進(jìn)行優(yōu)化。最后，使用獨(dú)立的測試數(shù)據(jù)集對(duì)模型進(jìn)行驗(yàn)證和精度評(píng)估，根據(jù)評(píng)估結(jié)果對(duì)模型進(jìn)行改進(jìn)和完善，將最終優(yōu)化后的模型應(yīng)用于實(shí)際棉花黃萎病的監(jiān)測和防治中，為棉花生產(chǎn)提供科學(xué)依據(jù)。[此處插入技術(shù)路線圖，圖1標(biāo)題為“研究技術(shù)路線圖”，圖中清晰展示從數(shù)據(jù)采集到模型應(yīng)用的完整流程，包括數(shù)據(jù)采集、數(shù)據(jù)處理、敏感波段提取、模型構(gòu)建、模型驗(yàn)證與評(píng)估以及模型應(yīng)用等環(huán)節(jié)，各環(huán)節(jié)之間用箭頭清晰連接，注明每個(gè)環(huán)節(jié)的主要操作和使用的方法]二、棉花黃萎病與遙感監(jiān)測基礎(chǔ)2.1棉花黃萎病概述棉花黃萎病是一種極具危害性的真菌病害，對(duì)棉花的生長發(fā)育和產(chǎn)量品質(zhì)產(chǎn)生著嚴(yán)重的負(fù)面影響。其病原菌為大麗輪枝菌（VerticilliumdahliaeKleb.），屬于半知菌類、絲孢綱、輪枝孢屬。該病原菌具有較強(qiáng)的生存能力和傳播能力，在土壤中可存活多年，一旦條件適宜，便會(huì)對(duì)棉花植株發(fā)起侵染。大麗輪枝菌主要通過棉花的根系侵入植株體內(nèi)，然后沿著維管束系統(tǒng)向上蔓延，在維管束內(nèi)大量繁殖并產(chǎn)生毒素，堵塞導(dǎo)管，阻礙水分和養(yǎng)分的正常運(yùn)輸，從而導(dǎo)致棉花植株出現(xiàn)一系列病變癥狀。在適宜的環(huán)境條件下，病原菌從侵入到發(fā)病的時(shí)間相對(duì)較短，這使得病害的防治工作面臨著較大的挑戰(zhàn)。棉花黃萎病的癥狀表現(xiàn)較為復(fù)雜，且隨著發(fā)病時(shí)期和病菌致病力的不同而有所差異。在苗期，棉花黃萎病癥狀通常不明顯，部分病株可能僅表現(xiàn)出葉片邊緣退綠發(fā)軟，呈失水狀，葉脈間出現(xiàn)不規(guī)則淡黃色病斑，病斑逐漸擴(kuò)大，變褐色干枯，維管束明顯變色。而有些病株在苗期外觀正常，但切開棉花橫截面，可發(fā)現(xiàn)部分木質(zhì)部和維管束已變成暗褐色。進(jìn)入成株期，尤其是現(xiàn)蕾后，棉花黃萎病的癥狀逐漸顯現(xiàn)并加重。常見的癥狀包括：葉片從下部開始，葉脈間產(chǎn)生不規(guī)則的淡黃色斑塊，隨著病情發(fā)展，病斑逐漸擴(kuò)大，葉色失綠變淺，主脈及其四周仍保持綠色，形成明顯的掌狀斑駁，葉肉變厚，葉緣向下卷曲，葉片逐漸脫落，最終僅剩頂部少數(shù)小葉。有時(shí)葉片葉脈間還會(huì)出現(xiàn)紫紅色失水萎蔫不規(guī)則的病斑，病斑逐漸擴(kuò)大，變成褐色枯斑甚至整個(gè)葉片枯焦，脫落成光稈。在生長中后期，發(fā)病嚴(yán)重的棉株，蕾鈴稀少，棉鈴提前開裂。縱剖病莖，可看到木質(zhì)部上產(chǎn)生淺褐色變色條紋。根據(jù)病菌致病力的強(qiáng)弱，棉花黃萎病癥狀可分為不同類型。致病力強(qiáng)的菌系可導(dǎo)致落葉型癥狀，病株葉片葉脈間或葉緣處突然出現(xiàn)褪綠萎蔫狀，病葉由淺黃色迅速變?yōu)辄S褐色，主莖頂梢側(cè)枝頂端變褐枯死，病鈴、苞葉變褐干枯，蕾、花、鈴大量脫落，短短10天左右病株就會(huì)成為光稈，縱剖病莖維管束變成黃褐色，嚴(yán)重的延續(xù)到植株頂部。中等致病力菌系引發(fā)枯斑型癥狀，葉片表現(xiàn)為局部枯斑或掌狀枯斑，枯死后脫落。病菌致病力較弱時(shí)，會(huì)出現(xiàn)黃斑型癥狀，葉片出現(xiàn)黃色斑塊，后擴(kuò)展為掌狀黃條斑，但葉片不脫落。在久旱高溫之后，若遇暴雨或大水漫灌，葉部尚未出現(xiàn)明顯癥狀，植株就可能突然萎蔫，葉片迅速脫落，棉株成為光稈，剖開病莖可見維管束變成淡褐色，這是黃萎病的急性型癥狀。棉花黃萎病的發(fā)病規(guī)律與多種因素密切相關(guān)。種子帶菌是造成病區(qū)迅速擴(kuò)展的主要原因之一，棉花種子內(nèi)部和外部均可攜帶病原菌，這對(duì)病區(qū)的擴(kuò)展和遠(yuǎn)距離傳播起著重要作用。莖稈還田如果處理不當(dāng)，會(huì)導(dǎo)致病菌在土壤中大量累積，從而加重病情傳播。氣候條件對(duì)棉花黃萎病的發(fā)生發(fā)展影響顯著，苗期土溫在20℃左右時(shí)，棉田可能出現(xiàn)病苗；25℃左右，棉花現(xiàn)蕾期時(shí)，會(huì)達(dá)到第一個(gè)發(fā)病高峰，甚至出現(xiàn)死苗現(xiàn)象。6月下旬至7月下旬高溫期，病情可能停止發(fā)展，出現(xiàn)癥狀減輕或“高溫隱癥”。秋季土溫下降到25℃左右時(shí)，病情又會(huì)回升，出現(xiàn)第二個(gè)發(fā)病高峰。一般來說，田間持水量在50%-60%時(shí)，最適于病原菌的生長和發(fā)育；當(dāng)田間持水量超過70%或低于40%，則菌絲生長會(huì)受到抑制。20℃-30℃是黃萎病發(fā)生的適宜溫度范圍，30℃以上時(shí)病情通常會(huì)停止發(fā)展。棉花黃萎病對(duì)棉花的產(chǎn)量和質(zhì)量有著嚴(yán)重的影響。從產(chǎn)量方面來看，輕者會(huì)導(dǎo)致葉片失綠變黃，蕾鈴脫落嚴(yán)重，造成減產(chǎn)；重者則整株成片死亡，導(dǎo)致絕產(chǎn)絕收。據(jù)統(tǒng)計(jì)，一般情況下，棉花黃萎病會(huì)使棉花減產(chǎn)10-30%左右，嚴(yán)重時(shí)減產(chǎn)可達(dá)80%以上。在質(zhì)量方面，受黃萎病侵害的棉花纖維長度、強(qiáng)度等品質(zhì)指標(biāo)會(huì)下降，影響棉花的紡織性能和市場價(jià)值。例如，1993-2003年間，我國因黃萎病每年損失皮棉高達(dá)8-10萬噸。2018年，新疆主要植棉區(qū)棉花黃萎病普查顯示，新疆棉田的50%會(huì)出現(xiàn)黃萎病，給當(dāng)?shù)剞r(nóng)民造成了巨大的經(jīng)濟(jì)損失。這些數(shù)據(jù)充分說明了棉花黃萎病對(duì)棉花產(chǎn)業(yè)的巨大威脅，也凸顯了開展棉花黃萎病監(jiān)測和防治研究的緊迫性和重要性。2.2遙感技術(shù)原理與應(yīng)用遙感技術(shù)是一種基于電磁波理論的探測技術(shù)，它通過搭載在衛(wèi)星、飛機(jī)、無人機(jī)等平臺(tái)上的傳感器，遠(yuǎn)距離獲取目標(biāo)物體反射、發(fā)射或散射的電磁波信息，從而實(shí)現(xiàn)對(duì)目標(biāo)物體的性質(zhì)、狀態(tài)和變化的監(jiān)測與分析。其基本原理是基于不同地物在電磁波譜的不同波段上具有獨(dú)特的反射、發(fā)射和吸收特性。在電磁波譜中，不同波段對(duì)應(yīng)著不同的地物信息。可見光波段（0.4-0.7μm）主要反映地物的顏色和紋理特征，例如，綠色植被在該波段具有明顯的綠色反射峰，這是由于葉綠素對(duì)綠光的反射較強(qiáng)。近紅外波段（0.7-1.1μm）則對(duì)植被的生長狀況和健康程度非常敏感，健康植被在近紅外波段具有較高的反射率，這是因?yàn)橹参锶~片內(nèi)部的細(xì)胞結(jié)構(gòu)對(duì)近紅外光具有較強(qiáng)的散射作用。短波紅外波段（1.1-2.5μm）可以探測地物的水分含量、礦物質(zhì)成分等信息，不同的礦物質(zhì)在短波紅外波段具有特定的吸收特征。熱紅外波段（8-14μm）主要反映地物的熱輻射特性，通過測量地物的熱輻射強(qiáng)度，可以獲取地物的溫度信息，進(jìn)而了解地物的熱狀態(tài)。傳感器接收來自目標(biāo)物體的電磁波信號(hào)后，將其轉(zhuǎn)換為電信號(hào)或數(shù)字信號(hào)，并記錄下來。這些數(shù)據(jù)經(jīng)過傳輸、處理和分析，最終可以生成各種類型的遙感圖像，如可見光圖像、多光譜圖像、高光譜圖像等。多光譜圖像通常包含幾個(gè)到幾十個(gè)波段，每個(gè)波段對(duì)應(yīng)著特定的光譜范圍，能夠提供地物的基本信息。高光譜圖像則具有更高的光譜分辨率，通常包含數(shù)百個(gè)連續(xù)的波段，能夠獲取地物更精細(xì)的光譜特征，從而實(shí)現(xiàn)對(duì)不同地物的更準(zhǔn)確識(shí)別和分類。遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用日益廣泛，為農(nóng)業(yè)生產(chǎn)提供了重要的技術(shù)支持。在農(nóng)作物病蟲害監(jiān)測方面，遙感技術(shù)具有諸多優(yōu)勢和潛力。農(nóng)作物在受到病蟲害侵害時(shí)，其生理狀態(tài)和外部形態(tài)會(huì)發(fā)生變化，這些變化會(huì)導(dǎo)致農(nóng)作物在電磁波譜上的反射、發(fā)射和吸收特性發(fā)生改變。通過對(duì)這些光譜特征變化的監(jiān)測和分析，就可以及時(shí)發(fā)現(xiàn)病蟲害的發(fā)生，并評(píng)估其危害程度。在棉花黃萎病監(jiān)測中，遙感技術(shù)能夠發(fā)揮重要作用。當(dāng)棉花感染黃萎病后，其葉片的葉綠素含量會(huì)下降，導(dǎo)致葉片在可見光波段的反射率發(fā)生變化，尤其是在綠光和紅光波段，反射率會(huì)升高。同時(shí)，葉片的水分含量和細(xì)胞結(jié)構(gòu)也會(huì)受到影響，使得棉花在近紅外波段的反射率降低。這些光譜特征的變化可以通過遙感技術(shù)準(zhǔn)確地捕捉到，從而實(shí)現(xiàn)對(duì)棉花黃萎病的早期監(jiān)測和病情評(píng)估。利用高分辨率的衛(wèi)星遙感影像，可以對(duì)大面積的棉田進(jìn)行宏觀監(jiān)測，及時(shí)發(fā)現(xiàn)棉花黃萎病的發(fā)生區(qū)域和范圍。無人機(jī)遙感則具有更高的靈活性和分辨率，能夠?qū)植棵尢镞M(jìn)行詳細(xì)的監(jiān)測，獲取更準(zhǔn)確的病害信息。通過將衛(wèi)星遙感和無人機(jī)遙感相結(jié)合，可以實(shí)現(xiàn)對(duì)棉花黃萎病的全方位、多層次監(jiān)測。此外，遙感技術(shù)還可以與地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）等技術(shù)相結(jié)合，實(shí)現(xiàn)對(duì)棉花黃萎病監(jiān)測數(shù)據(jù)的空間分析和管理。利用GIS技術(shù)，可以將遙感獲取的棉花黃萎病信息與地形、土壤、氣象等環(huán)境數(shù)據(jù)進(jìn)行整合和分析，研究病蟲害的發(fā)生與環(huán)境因素之間的關(guān)系，為制定科學(xué)的防治策略提供依據(jù)。GPS技術(shù)則可以準(zhǔn)確記錄監(jiān)測點(diǎn)的位置信息，提高監(jiān)測數(shù)據(jù)的準(zhǔn)確性和可靠性。在實(shí)際應(yīng)用中，一些研究利用遙感植被指數(shù)來監(jiān)測棉花黃萎病。歸一化植被指數(shù)（NDVI）是一種常用的植被指數(shù)，它通過近紅外波段和紅光波段的反射率計(jì)算得到，能夠反映植被的生長狀況和健康程度。當(dāng)棉花感染黃萎病后，NDVI值會(huì)下降，通過監(jiān)測NDVI值的變化，可以初步判斷棉花是否受到黃萎病的侵害。此外，還有一些其他的植被指數(shù)，如增強(qiáng)型植被指數(shù)（EVI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）等，也被用于棉花黃萎病的監(jiān)測研究，這些植被指數(shù)在不同的環(huán)境條件下可能具有更好的監(jiān)測效果。隨著遙感技術(shù)的不斷發(fā)展，其在農(nóng)作物病蟲害監(jiān)測方面的應(yīng)用前景將更加廣闊。未來，高光譜遙感、雷達(dá)遙感等新技術(shù)將不斷涌現(xiàn)和完善，為農(nóng)作物病蟲害監(jiān)測提供更豐富、更準(zhǔn)確的信息。同時(shí)，人工智能、大數(shù)據(jù)等技術(shù)的應(yīng)用也將進(jìn)一步提高遙感監(jiān)測的效率和精度，實(shí)現(xiàn)對(duì)農(nóng)作物病蟲害的智能化監(jiān)測和預(yù)警。2.3高光譜遙感在作物病害監(jiān)測中的應(yīng)用高光譜遙感是指在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內(nèi)，獲取許多非常窄的光譜連續(xù)的影像數(shù)據(jù)的技術(shù)。與傳統(tǒng)的多光譜遙感相比，高光譜遙感具有光譜分辨率高、波段多且連續(xù)、圖譜合一等顯著特點(diǎn)。其光譜分辨率通常達(dá)到納米級(jí)，能獲取數(shù)十到數(shù)百個(gè)波段的信息，使得對(duì)目標(biāo)地物的光譜特征探測更加精細(xì)。高光譜遙感在獲取作物精細(xì)光譜信息方面具有獨(dú)特優(yōu)勢。農(nóng)作物在生長過程中，其光譜特征會(huì)隨著自身生理狀態(tài)和外部環(huán)境的變化而發(fā)生改變。高光譜遙感能夠捕捉到這些細(xì)微的變化，通過分析作物在不同波段的光譜反射率、吸收率等特征，獲取作物的生長狀況、健康程度、營養(yǎng)狀況等信息。在監(jiān)測作物氮素含量時(shí)，高光譜遙感可以利用特定波段對(duì)作物葉片中氮素的敏感特性，準(zhǔn)確估算氮素含量，為合理施肥提供依據(jù)。在識(shí)別作物病害方面，高光譜遙感同樣發(fā)揮著重要作用。當(dāng)作物受到病害侵襲時(shí)，其葉片的組織結(jié)構(gòu)、色素含量、水分含量等會(huì)發(fā)生變化，這些變化會(huì)導(dǎo)致作物光譜特征的改變。高光譜遙感能夠敏銳地捕捉到這些光譜變化，從而實(shí)現(xiàn)對(duì)作物病害的早期識(shí)別和診斷。在監(jiān)測小麥條銹病時(shí)，研究發(fā)現(xiàn)感染條銹病的小麥在可見光波段（如470nm、550nm、635nm、680nm）和近紅外波段（如800nm）的反射率與健康小麥存在明顯差異，通過分析這些波段的光譜特征，可以準(zhǔn)確判斷小麥?zhǔn)欠窀腥緱l銹病以及病害的嚴(yán)重程度。國內(nèi)外眾多研究都展示了高光譜遙感在作物病害監(jiān)測中的成功應(yīng)用。國外研究中，利用高光譜成像技術(shù)對(duì)葡萄白粉病進(jìn)行監(jiān)測，通過分析葡萄葉片在不同波段的光譜特征，建立了基于支持向量機(jī)的病害識(shí)別模型，能夠準(zhǔn)確識(shí)別出感染白粉病的葉片，準(zhǔn)確率達(dá)到了90%以上。國內(nèi)研究中，運(yùn)用高光譜遙感對(duì)水稻稻瘟病進(jìn)行監(jiān)測，通過提取與稻瘟病相關(guān)的光譜特征參數(shù)，如紅邊參數(shù)、植被指數(shù)等，建立了稻瘟病病情指數(shù)與光譜特征參數(shù)之間的回歸模型，實(shí)現(xiàn)了對(duì)稻瘟病病情的定量評(píng)估。在棉花黃萎病監(jiān)測領(lǐng)域，高光譜遙感也展現(xiàn)出了巨大的潛力。棉花感染黃萎病后，其葉片的葉綠素含量下降，水分含量和細(xì)胞結(jié)構(gòu)發(fā)生改變，這些變化會(huì)導(dǎo)致棉花在可見光和近紅外波段的光譜反射率發(fā)生顯著變化。通過高光譜遙感獲取棉花的光譜信息，分析這些光譜變化與黃萎病病害嚴(yán)重度之間的關(guān)系，有望實(shí)現(xiàn)對(duì)棉花黃萎病病害嚴(yán)重度的準(zhǔn)確估測。有研究利用高光譜數(shù)據(jù)，提取棉花冠層的光譜特征參數(shù)，如歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）等，發(fā)現(xiàn)這些參數(shù)與棉花黃萎病病情指數(shù)之間存在顯著的相關(guān)性，為棉花黃萎病的監(jiān)測提供了重要的依據(jù)。三、棉花黃萎病光譜特征分析3.1實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集本研究分別開展了室內(nèi)盆栽試驗(yàn)和田間試驗(yàn)，以全面獲取棉花黃萎病相關(guān)數(shù)據(jù)。室內(nèi)盆栽試驗(yàn)在[具體地點(diǎn)]的溫室中進(jìn)行。選用當(dāng)?shù)貜V泛種植且對(duì)黃萎病具有不同抗性的棉花品種，如中棉所49、新陸中37號(hào)等，這些品種在當(dāng)?shù)氐姆N植面積較大，且對(duì)黃萎病的反應(yīng)具有代表性。每個(gè)品種設(shè)置3個(gè)重復(fù)，每個(gè)重復(fù)種植10盆棉花。將棉花種子播種在裝有相同土壤的花盆中，土壤為經(jīng)過消毒處理的砂壤土，其有機(jī)質(zhì)含量為[X]%，全氮含量為[X]g/kg，有效磷含量為[X]mg/kg，速效鉀含量為[X]mg/kg，以確保土壤條件的一致性。待棉花生長至三葉一心期時(shí)，進(jìn)行人工接種黃萎病菌。采用灌根接種法，將濃度為[X]cfu/mL的大麗輪枝菌孢子懸浮液緩慢倒入花盆中，每盆接種量為[X]mL，以保證病菌能夠充分接觸棉花根系。對(duì)照組則澆灌等量的無菌水。在整個(gè)生長周期內(nèi)，對(duì)棉花植株進(jìn)行精心管理。保持溫室溫度在25-30℃之間，相對(duì)濕度控制在60-70%。根據(jù)棉花的生長需求，定期進(jìn)行澆水和施肥，澆水采用滴灌方式，確保每盆棉花得到均勻的水分供應(yīng)，施肥則按照棉花生長的不同階段，施用適量的氮、磷、鉀復(fù)合肥，以維持棉花的正常生長。田間試驗(yàn)選擇在[具體地點(diǎn)]的試驗(yàn)田進(jìn)行，該試驗(yàn)田地勢平坦，土壤肥力均勻，前茬作物為棉花，且無棉花黃萎病歷史。試驗(yàn)田面積為[X]畝，劃分為多個(gè)小區(qū)，每個(gè)小區(qū)面積為[X]平方米。同樣選用中棉所49、新陸中37號(hào)等棉花品種，設(shè)置3個(gè)重復(fù)，每個(gè)重復(fù)包含不同的處理小區(qū)，分別為健康對(duì)照區(qū)、輕度發(fā)病區(qū)、中度發(fā)病區(qū)和重度發(fā)病區(qū)。在棉花播種前，對(duì)試驗(yàn)田進(jìn)行深耕、耙平，并施足基肥，基肥為腐熟的農(nóng)家肥，每畝施用量為[X]kg，同時(shí)配合施用氮、磷、鉀復(fù)合肥，每畝施用量為[X]kg。在棉花生長至現(xiàn)蕾期，采用噴霧接種法對(duì)發(fā)病區(qū)進(jìn)行黃萎病菌接種。將濃度為[X]cfu/mL的大麗輪枝菌孢子懸浮液加入適量的粘著劑，用背負(fù)式噴霧器均勻噴施在棉花植株上，確保葉片和莖稈充分接觸病菌。對(duì)照組噴施等量的清水。接種后，根據(jù)天氣情況和棉花生長狀況，及時(shí)進(jìn)行灌溉和病蟲害防治，灌溉采用噴灌方式，保證田間土壤濕度適宜，病蟲害防治則選用高效、低毒的農(nóng)藥，按照規(guī)定的劑量和方法進(jìn)行噴施，以避免其他病蟲害對(duì)棉花生長的干擾。光譜數(shù)據(jù)采集時(shí)間分別為棉花的苗期、蕾期、花鈴期和吐絮期。在每個(gè)生長時(shí)期，選擇晴朗、無云的天氣，于上午10:00-12:00進(jìn)行光譜數(shù)據(jù)采集，此時(shí)太陽高度角適中，光照穩(wěn)定，能夠減少環(huán)境因素對(duì)光譜數(shù)據(jù)的影響。室內(nèi)盆栽棉花光譜數(shù)據(jù)采集使用美國ASD公司生產(chǎn)的FieldSpec4Hi-Res地物光譜儀，該光譜儀的波長范圍為350-2500nm，光譜分辨率在350-1000nm范圍內(nèi)為3nm，在1000-2500nm范圍內(nèi)為10nm，能夠滿足對(duì)棉花光譜特征的精細(xì)探測需求。將光譜儀的探頭垂直向下，距離棉花冠層頂部約50cm，以保證采集到的光譜數(shù)據(jù)能夠代表棉花冠層的整體特征。每個(gè)樣本重復(fù)測量10次，取平均值作為該樣本的光譜數(shù)據(jù)。測量過程中，每隔20分鐘對(duì)光譜儀進(jìn)行一次白板校準(zhǔn)，以確保數(shù)據(jù)的準(zhǔn)確性。田間棉花光譜數(shù)據(jù)采集則采用搭載多光譜相機(jī)的無人機(jī)。無人機(jī)型號(hào)為[具體型號(hào)]，飛行高度設(shè)置為50m，飛行速度為5m/s，以保證獲取的影像具有較高的分辨率和覆蓋范圍。多光譜相機(jī)具有[X]個(gè)波段，分別為藍(lán)光（450-520nm）、綠光（520-600nm）、紅光（630-690nm）、近紅外（760-900nm）等，這些波段能夠敏感地反映棉花的生長狀況和病害信息。在飛行前，對(duì)無人機(jī)和多光譜相機(jī)進(jìn)行校準(zhǔn)和調(diào)試，確保其正常工作。飛行過程中，按照預(yù)定的航線進(jìn)行拍攝，保證影像之間有足夠的重疊度，以便后續(xù)的影像拼接和處理。病害嚴(yán)重度的調(diào)查采用分級(jí)調(diào)查法。參考相關(guān)標(biāo)準(zhǔn)和前人研究成果，將棉花黃萎病的病害嚴(yán)重度分為5級(jí)：0級(jí)為無病株，植株生長正常，葉片無任何病斑；1級(jí)為輕度發(fā)病，病株葉片出現(xiàn)少量淡黃色病斑，病斑面積占葉片總面積的10%以下；2級(jí)為中度發(fā)病，病株葉片病斑面積占葉片總面積的10-30%，葉片出現(xiàn)部分卷曲、脫落現(xiàn)象；3級(jí)為重度發(fā)病，病株葉片病斑面積占葉片總面積的30-50%，葉片大量卷曲、脫落，植株生長受到明顯抑制；4級(jí)為極重度發(fā)病，病株葉片病斑面積占葉片總面積的50%以上，植株嚴(yán)重矮化，甚至死亡。在每個(gè)生長時(shí)期，對(duì)室內(nèi)盆栽和田間試驗(yàn)的棉花植株進(jìn)行病害嚴(yán)重度調(diào)查。對(duì)于室內(nèi)盆栽棉花，逐盆進(jìn)行調(diào)查，記錄每盆棉花的病害等級(jí)；對(duì)于田間試驗(yàn)棉花，采用五點(diǎn)取樣法，在每個(gè)小區(qū)的五個(gè)不同位置選取10株棉花進(jìn)行調(diào)查，統(tǒng)計(jì)不同病害等級(jí)的棉花株數(shù)，計(jì)算發(fā)病率和病情指數(shù)。發(fā)病率計(jì)算公式為：發(fā)病率（%）=（發(fā)病株數(shù)/調(diào)查總株數(shù)）×100；病情指數(shù)計(jì)算公式為：病情指數(shù)=[∑（各級(jí)病株數(shù)×各級(jí)代表值）/（調(diào)查總株數(shù)×最高級(jí)代表值）]×100，其中0級(jí)代表值為0，1級(jí)代表值為1，2級(jí)代表值為2，3級(jí)代表值為3，4級(jí)代表值為4。通過這種方法，能夠準(zhǔn)確地獲取棉花黃萎病的病害嚴(yán)重度信息，為后續(xù)的光譜特征分析和模型構(gòu)建提供可靠的數(shù)據(jù)支持。3.2室內(nèi)盆栽棉花黃萎病光譜特征本研究通過室內(nèi)盆栽試驗(yàn)，深入探究了棉花黃萎病在不同發(fā)病階段的光譜特征。在試驗(yàn)過程中，對(duì)未接菌與接菌后的棉花冠層進(jìn)行了細(xì)致的光譜數(shù)據(jù)分析，旨在揭示其在可見光和近紅外波段的光譜反射率差異。通過對(duì)比未接菌與接菌后棉花冠層的光譜數(shù)據(jù)，發(fā)現(xiàn)二者在光譜反射特征上存在明顯差異。在可見光波段（380-780nm），未接菌棉花的光譜反射率均低于接菌棉花。這是由于棉花感染黃萎病后，葉片中的葉綠素含量下降，導(dǎo)致對(duì)可見光的吸收能力減弱，反射率相應(yīng)升高。葉綠素是植物進(jìn)行光合作用的重要色素，其含量的變化直接影響著植物對(duì)光的吸收和利用。當(dāng)棉花受到黃萎病菌侵染時(shí)，病菌分泌的毒素會(huì)破壞葉片的細(xì)胞結(jié)構(gòu)，影響葉綠素的合成和穩(wěn)定性，從而使葉綠素含量降低，使得棉花在可見光波段的反射率上升。在近紅外波段（780-1100nm），情況則相反，未接菌棉花的光譜反射率高于接菌棉花。這是因?yàn)榻】得藁ㄈ~片內(nèi)部的細(xì)胞結(jié)構(gòu)完整，對(duì)近紅外光具有較強(qiáng)的散射作用，從而表現(xiàn)出較高的反射率。而感染黃萎病的棉花，葉片細(xì)胞受到破壞，細(xì)胞間隙增大，導(dǎo)致近紅外光在葉片內(nèi)部的散射減少，反射率降低。為了進(jìn)一步研究不同嚴(yán)重度黃萎病棉花冠層光譜反射特征隨病情的變化規(guī)律，從2020年5月19號(hào)至7月8號(hào)，每10天對(duì)接菌處理過的棉花植株進(jìn)行光譜測定，共進(jìn)行了5次光譜測定。其中第一次測定為未接種黃萎病菌的棉花冠層光譜，接菌一周后進(jìn)行第二次光譜測定。隨著病情加重，在可見光波段，光譜反射率呈上升趨勢，但差別并不顯著。這是因?yàn)樵诓『Πl(fā)展初期，雖然葉綠素含量有所下降，但變化幅度相對(duì)較小，對(duì)可見光反射率的影響不夠明顯。隨著病情的逐漸加重，葉綠素含量持續(xù)降低，可見光反射率也隨之上升，但由于其他因素的干擾，這種上升趨勢并不十分顯著。在近紅外區(qū)，隨著病情加重，光譜反射率呈下降趨勢，且變化較為顯著。未接菌棉花的冠層近紅外光譜反射率最高，輕度染病棉花冠層次之，最嚴(yán)重的棉花冠層光譜反射率最低。這是因?yàn)殡S著病害的發(fā)展，棉花葉片的細(xì)胞結(jié)構(gòu)遭到嚴(yán)重破壞，細(xì)胞間隙進(jìn)一步增大，近紅外光在葉片內(nèi)部的散射作用大幅減弱，導(dǎo)致反射率明顯下降。而且，病情越嚴(yán)重，細(xì)胞結(jié)構(gòu)的破壞程度越大，近紅外反射率的下降幅度也就越大。通過對(duì)室內(nèi)盆栽棉花黃萎病光譜特征的研究，初步斷定利用棉花冠層的光譜特征可以識(shí)別不同病害嚴(yán)重度的黃萎病棉花。這為后續(xù)利用遙感技術(shù)監(jiān)測棉花黃萎病提供了重要的理論依據(jù)。在實(shí)際應(yīng)用中，可以通過分析棉花冠層在可見光和近紅外波段的光譜反射率變化，來判斷棉花是否感染黃萎病以及病害的嚴(yán)重程度，從而實(shí)現(xiàn)對(duì)棉花黃萎病的早期監(jiān)測和預(yù)警，為棉花的安全生產(chǎn)提供有力保障。3.3田間棉花黃萎病光譜特征為進(jìn)一步探究棉花黃萎病在田間環(huán)境下的光譜特性，本研究于2019年9月初及2020年9月初，選取相同品種處于吐絮期的棉花進(jìn)行光譜測定，共進(jìn)行了2次測定。通過對(duì)大田接菌棉花與未接菌棉花的光譜分析，發(fā)現(xiàn)其呈現(xiàn)出與室內(nèi)棉花光譜相似的變化特征。在可見光波段（380-780nm），大田接菌棉花的光譜反射率高于未接菌棉花。這一現(xiàn)象與室內(nèi)盆栽試驗(yàn)結(jié)果一致，主要原因是棉花感染黃萎病后，葉片中的葉綠素含量下降，對(duì)可見光的吸收能力減弱，進(jìn)而導(dǎo)致反射率升高。葉綠素在光合作用中起著關(guān)鍵作用，黃萎病菌的侵染破壞了葉片的細(xì)胞結(jié)構(gòu)，干擾了葉綠素的合成與穩(wěn)定性，使得葉綠素含量降低，從而在可見光波段表現(xiàn)出反射率上升的趨勢。在近紅外波段（780-1100nm），大田未接菌棉花的光譜反射率高于接菌棉花。這同樣與室內(nèi)試驗(yàn)結(jié)果相符，健康棉花葉片內(nèi)部細(xì)胞結(jié)構(gòu)完整，對(duì)近紅外光具有較強(qiáng)的散射作用，因此反射率較高。而感染黃萎病的棉花，其葉片細(xì)胞受到破壞，細(xì)胞間隙增大，近紅外光在葉片內(nèi)部的散射減少，反射率隨之降低。與室內(nèi)盆栽棉花光譜特征相比，田間棉花光譜特征在整體趨勢上具有相似性，但也存在一些差異。在室內(nèi)環(huán)境中，各項(xiàng)條件相對(duì)穩(wěn)定且易于控制，如光照、溫度、濕度等，這使得棉花的生長環(huán)境較為一致，光譜特征的變化相對(duì)較為規(guī)律。而在田間環(huán)境中，雖然整體的光譜變化趨勢與室內(nèi)相似，但由于受到多種環(huán)境因素的綜合影響，如自然光照的不均勻性、土壤肥力的差異、田間小氣候的變化等，導(dǎo)致光譜特征的波動(dòng)相對(duì)較大。田間土壤背景的復(fù)雜性也會(huì)對(duì)棉花光譜產(chǎn)生影響。不同的土壤類型、土壤濕度以及土壤表面的覆蓋物等，都會(huì)反射和散射不同波長的電磁波，從而干擾棉花光譜的獲取。在一些土壤肥力較高的區(qū)域，土壤中的有機(jī)質(zhì)和礦物質(zhì)含量豐富，其光譜反射特征可能會(huì)與棉花光譜相互疊加，使得棉花光譜的特征提取變得更加困難。盡管存在這些差異，但大田接菌棉花與未接菌棉花光譜在可見光和近紅外波段的變化趨勢與室內(nèi)棉花光譜基本一致，這表明利用棉花冠層光譜特征識(shí)別不同病害嚴(yán)重度的黃萎病棉花在田間環(huán)境下同樣具有可行性。通過對(duì)田間棉花光譜特征的深入研究，可以為基于遙感技術(shù)的棉花黃萎病大面積監(jiān)測提供更可靠的依據(jù)，有助于實(shí)現(xiàn)對(duì)棉花黃萎病的早期發(fā)現(xiàn)和精準(zhǔn)防治，為棉花的安全生產(chǎn)提供有力保障。3.4棉花黃萎病病害嚴(yán)重度敏感波段提取為了精準(zhǔn)篩選出與棉花黃萎病病害嚴(yán)重度密切相關(guān)的敏感波段，本研究在多個(gè)特定光譜波段范圍內(nèi)展開細(xì)致分析。選擇350-700nm、700-760nm、760-1350nm、1350-1700nm、1700-2500nm等光譜波段范圍，旨在全面涵蓋棉花在不同生理狀態(tài)下可能表現(xiàn)出敏感響應(yīng)的光譜區(qū)域。在對(duì)光譜數(shù)據(jù)進(jìn)行深入分析之前，首先對(duì)測得的原始光譜數(shù)據(jù)進(jìn)行了多種數(shù)學(xué)變換處理，包括一階微分、二階微分和去包絡(luò)線等操作。這些數(shù)學(xué)變換能夠有效增強(qiáng)光譜特征與病害嚴(yán)重度之間的潛在相關(guān)性，使原本可能隱藏在原始數(shù)據(jù)中的敏感信息得以凸顯。通過將原始光譜數(shù)據(jù)及其經(jīng)3種數(shù)學(xué)變換處理后的光譜與各級(jí)病害嚴(yán)重度之間進(jìn)行相關(guān)性分析，結(jié)果如圖[具體圖號(hào)]所示。在350-700nm以及760-1350nm波段區(qū)間，冠層原始光譜反射率與病害嚴(yán)重度間達(dá)到極顯著相關(guān)，這兩個(gè)波段區(qū)間能夠作為病害光譜敏感波段區(qū)間。其中，在380-515nm、600-695nm光譜波段與病害嚴(yán)重度呈極顯著相關(guān)，相關(guān)系數(shù)達(dá)到0.5。在730-980nm、1000-1330nm光譜波段與病害嚴(yán)重度呈極顯著負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.5。這些波段對(duì)棉花黃萎病病害嚴(yán)重度的變化具有高度敏感性，能夠準(zhǔn)確反映病害的發(fā)生和發(fā)展情況。對(duì)光譜數(shù)據(jù)進(jìn)行一階微分處理后，發(fā)現(xiàn)700-740nm、1480-1590nm波段的一階微分光譜與棉花黃萎病嚴(yán)重度呈極顯著負(fù)相關(guān)，相關(guān)系數(shù)可達(dá)-0.548。這意味著隨著黃萎病的病情加重，其一階微分冠層光譜反射率隨之減小。在1300-1400nm處，棉花黃萎病嚴(yán)重度與一階微分光譜反射率呈顯著正相關(guān)，即隨著黃萎病的病情加重，其冠層光譜反射率隨之增大。因此，在一階微分光譜波段中，700-740nm、1480-1590nm、1300-1400nm為病害光譜敏感波段。二階微分光譜與去包絡(luò)線光譜數(shù)據(jù)與病害嚴(yán)重度之間的相關(guān)性相對(duì)較低。這可能是由于二階微分在增強(qiáng)某些高頻信息的同時(shí)，也放大了噪聲和干擾信號(hào)，導(dǎo)致與病害嚴(yán)重度的相關(guān)性不夠明顯。去包絡(luò)線處理雖然能夠突出光譜的吸收特征，但對(duì)于棉花黃萎病這種復(fù)雜的生理病害，其與病害嚴(yán)重度之間的內(nèi)在聯(lián)系在去包絡(luò)線光譜中未能得到有效體現(xiàn)。綜合分析可知，原始光譜數(shù)據(jù)、一階微分光譜與病害嚴(yán)重度具有較好的相關(guān)關(guān)系。這些敏感波段的確定，為后續(xù)建立棉花黃萎病病害嚴(yán)重度估測模型提供了關(guān)鍵的數(shù)據(jù)支持。在實(shí)際應(yīng)用中，可以利用這些敏感波段的光譜信息，更加準(zhǔn)確地監(jiān)測棉花黃萎病的發(fā)生和發(fā)展，為棉花的安全生產(chǎn)提供有力保障。四、棉花黃萎病病害嚴(yán)重度估測模型構(gòu)建4.1模型構(gòu)建方法選擇在構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型時(shí)，有多種方法可供選擇，每種方法都有其獨(dú)特的優(yōu)缺點(diǎn)和適用場景。基于統(tǒng)計(jì)分析的回歸模型是一種經(jīng)典的建模方法，其中多元線性回歸模型是較為常用的一種。多元線性回歸通過尋找自變量（如光譜特征參數(shù)）與因變量（病害嚴(yán)重度）之間的線性關(guān)系，建立回歸方程來進(jìn)行預(yù)測。其優(yōu)點(diǎn)在于原理簡單，易于理解和解釋，計(jì)算效率高，能夠直觀地展示自變量對(duì)因變量的影響程度。在數(shù)據(jù)量較小、變量之間的關(guān)系近似線性時(shí)，多元線性回歸模型能夠取得較好的效果。在棉花黃萎病的研究中，如果光譜特征與病害嚴(yán)重度之間存在明顯的線性相關(guān)關(guān)系，多元線性回歸模型可以快速有效地建立起二者之間的聯(lián)系，為病害嚴(yán)重度的估測提供基礎(chǔ)。但多元線性回歸模型也存在一定的局限性。它要求自變量之間不存在多重共線性，且數(shù)據(jù)需滿足正態(tài)分布等假設(shè)條件。在實(shí)際的棉花黃萎病光譜數(shù)據(jù)中，這些條件往往難以完全滿足。不同的光譜波段之間可能存在一定的相關(guān)性，這會(huì)影響多元線性回歸模型的穩(wěn)定性和準(zhǔn)確性。而且，當(dāng)數(shù)據(jù)中存在異常值時(shí)，多元線性回歸模型的魯棒性較差，容易受到干擾，導(dǎo)致預(yù)測結(jié)果出現(xiàn)偏差。機(jī)器學(xué)習(xí)算法在近年來的遙感監(jiān)測研究中得到了廣泛應(yīng)用，為棉花黃萎病病害嚴(yán)重度估測模型的構(gòu)建提供了新的思路和方法。支持向量機(jī)（SVM）是一種常用的機(jī)器學(xué)習(xí)算法，它通過尋找一個(gè)最優(yōu)分類超平面，將不同類別的樣本分開，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)的分類和回歸。在棉花黃萎病病害嚴(yán)重度估測中，SVM可以將不同病害嚴(yán)重度的棉花樣本進(jìn)行分類，或者直接對(duì)病害嚴(yán)重度進(jìn)行回歸預(yù)測。SVM的優(yōu)點(diǎn)在于能夠有效地處理高維數(shù)據(jù)，對(duì)小樣本數(shù)據(jù)也具有較好的學(xué)習(xí)能力，能夠避免過擬合問題。在棉花黃萎病的光譜數(shù)據(jù)中，包含了大量的光譜波段信息，屬于高維數(shù)據(jù)，SVM能夠充分利用這些信息，準(zhǔn)確地建立光譜特征與病害嚴(yán)重度之間的關(guān)系。然而，SVM的性能對(duì)核函數(shù)的選擇和參數(shù)的設(shè)置較為敏感。不同的核函數(shù)會(huì)導(dǎo)致不同的分類和回歸效果，需要根據(jù)具體的數(shù)據(jù)特點(diǎn)和問題進(jìn)行選擇。而且，SVM的計(jì)算復(fù)雜度較高，在處理大規(guī)模數(shù)據(jù)時(shí)，計(jì)算時(shí)間和內(nèi)存消耗較大，這在一定程度上限制了其應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種模擬人類大腦神經(jīng)元結(jié)構(gòu)和功能的機(jī)器學(xué)習(xí)算法，它由多個(gè)神經(jīng)元組成，通過神經(jīng)元之間的連接和權(quán)重來學(xué)習(xí)數(shù)據(jù)中的模式和規(guī)律。在棉花黃萎病病害嚴(yán)重度估測中，常用的是多層感知器（MLP）結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)。ANN具有強(qiáng)大的非線性擬合能力，能夠?qū)W習(xí)到光譜特征與病害嚴(yán)重度之間復(fù)雜的非線性關(guān)系，對(duì)于復(fù)雜的棉花黃萎病光譜數(shù)據(jù)具有較好的適應(yīng)性。它還具有較好的泛化能力，能夠在不同的數(shù)據(jù)集上保持較好的預(yù)測性能。但是，ANN的訓(xùn)練過程需要大量的樣本數(shù)據(jù)，且訓(xùn)練時(shí)間較長，容易陷入局部最優(yōu)解。在構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型時(shí)，需要收集足夠多的不同發(fā)病程度的棉花光譜數(shù)據(jù)，以保證ANN能夠?qū)W習(xí)到全面的模式和規(guī)律。而且，ANN的模型結(jié)構(gòu)和參數(shù)較多，如隱藏層的層數(shù)、神經(jīng)元的個(gè)數(shù)等，這些參數(shù)的選擇往往需要通過大量的試驗(yàn)來確定，增加了模型構(gòu)建的難度。除了上述方法外，還有一些其他的機(jī)器學(xué)習(xí)算法，如隨機(jī)森林、決策樹等，也在遙感監(jiān)測領(lǐng)域有一定的應(yīng)用。隨機(jī)森林是由多個(gè)決策樹組成的集成學(xué)習(xí)算法，它通過對(duì)多個(gè)決策樹的預(yù)測結(jié)果進(jìn)行綜合，提高了模型的穩(wěn)定性和準(zhǔn)確性。決策樹則以樹形結(jié)構(gòu)表示決策過程，易于理解和解釋。在棉花黃萎病病害嚴(yán)重度估測中，這些算法也可以根據(jù)具體的數(shù)據(jù)特點(diǎn)和研究需求進(jìn)行選擇和應(yīng)用。在構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型時(shí)，需要綜合考慮數(shù)據(jù)特點(diǎn)、研究目的以及各種建模方法的優(yōu)缺點(diǎn)，選擇最適合的方法。在數(shù)據(jù)量較小、光譜特征與病害嚴(yán)重度之間線性關(guān)系明顯時(shí)，可以優(yōu)先考慮多元線性回歸模型。當(dāng)數(shù)據(jù)具有高維、小樣本等特點(diǎn)，且需要處理復(fù)雜的非線性關(guān)系時(shí)，支持向量機(jī)或人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法可能更為合適。還可以嘗試將多種建模方法進(jìn)行結(jié)合，發(fā)揮各自的優(yōu)勢，提高模型的性能。4.2基于原始光譜的估測模型構(gòu)建利用前文確定的原始光譜敏感波段數(shù)據(jù)，運(yùn)用多元線性回歸方法構(gòu)建棉花黃萎病病害嚴(yán)重度估測模型。多元線性回歸是一種經(jīng)典的統(tǒng)計(jì)建模方法，它假設(shè)因變量（病害嚴(yán)重度）與多個(gè)自變量（敏感波段的光譜反射率）之間存在線性關(guān)系，通過最小二乘法來確定模型的系數(shù)，使得預(yù)測值與實(shí)際值之間的誤差平方和最小。設(shè)病害嚴(yán)重度為y，選取的n個(gè)敏感波段的光譜反射率分別為x_1,x_2,\cdots,x_n，則多元線性回歸模型的一般形式為：y=\beta_0+\beta_1x_1+\beta_2x_2+\cdots+\beta_nx_n+\epsilon其中，\beta_0為截距，\beta_1,\beta_2,\cdots,\beta_n為回歸系數(shù)，\epsilon為隨機(jī)誤差項(xiàng)，服從均值為0、方差為\sigma^2的正態(tài)分布。在構(gòu)建模型時(shí)，將采集到的棉花光譜數(shù)據(jù)按照70%和30%的比例劃分為訓(xùn)練集和測試集。訓(xùn)練集用于模型的訓(xùn)練，通過最小二乘法求解回歸系數(shù)，使得模型能夠?qū)W習(xí)到光譜反射率與病害嚴(yán)重度之間的關(guān)系。測試集則用于評(píng)估模型的性能，檢驗(yàn)?zāi)Ｐ偷姆夯芰?。利用?xùn)練集數(shù)據(jù)對(duì)多元線性回歸模型進(jìn)行訓(xùn)練，得到模型的參數(shù)估計(jì)值。以380-515nm、600-695nm、730-980nm、1000-1330nm等與病害嚴(yán)重度呈極顯著相關(guān)的敏感波段為例，經(jīng)過訓(xùn)練得到的模型參數(shù)如下：\beta_0=[具體值1]，\beta_1=[具體值2]，\beta_2=[具體值3]，\cdots，\beta_n=[具體值n]。將測試集數(shù)據(jù)代入訓(xùn)練好的模型中，得到病害嚴(yán)重度的預(yù)測值。為了評(píng)估模型的性能，采用決定系數(shù)（R^2）、均方根誤差（RMSE）和相對(duì)均方根誤差（RRMSE）等指標(biāo)進(jìn)行評(píng)價(jià)。R^2用于衡量模型對(duì)數(shù)據(jù)的擬合優(yōu)度，其取值范圍在0到1之間，越接近1表示模型的擬合效果越好；RMSE反映了預(yù)測值與實(shí)際值之間的平均誤差程度，RMSE越小，說明模型的預(yù)測精度越高；RRMSE則是將RMSE標(biāo)準(zhǔn)化，消除了數(shù)據(jù)量綱的影響，更便于比較不同模型的性能。經(jīng)計(jì)算，該多元線性回歸模型在測試集上的R^2為[具體值]，RMSE為[具體值]，RRMSE為[具體值]。從R^2的值可以看出，模型對(duì)測試集數(shù)據(jù)具有一定的擬合能力，但[具體值]表明模型的擬合效果還有提升的空間。RMSE和RRMSE的值也反映出模型在預(yù)測病害嚴(yán)重度時(shí)存在一定的誤差，預(yù)測精度有待提高。對(duì)模型的殘差進(jìn)行分析，殘差是指實(shí)際值與預(yù)測值之間的差值。通過繪制殘差圖，可以直觀地觀察殘差的分布情況。如果殘差呈現(xiàn)出隨機(jī)分布，且圍繞0上下波動(dòng)，說明模型的假設(shè)和擬合是合理的；如果殘差存在明顯的趨勢或規(guī)律，如呈現(xiàn)出線性趨勢或周期性變化，則說明模型可能存在問題，需要進(jìn)一步改進(jìn)。在本研究中，殘差圖顯示[描述殘差圖的特征，如殘差存在一定的聚集性或趨勢性等]，這表明模型可能沒有完全捕捉到光譜反射率與病害嚴(yán)重度之間的復(fù)雜關(guān)系，需要考慮其他建模方法或?qū)δＰ瓦M(jìn)行優(yōu)化。4.3基于一階微分光譜的估測模型構(gòu)建對(duì)光譜數(shù)據(jù)進(jìn)行一階微分處理，能夠有效突出光譜的變化特征，增強(qiáng)光譜與病害嚴(yán)重度之間的相關(guān)性。在棉花黃萎病光譜分析中，一階微分光譜展現(xiàn)出獨(dú)特的價(jià)值。一階微分光譜的計(jì)算是基于原始光譜數(shù)據(jù)，通過特定的數(shù)學(xué)公式來實(shí)現(xiàn)。常用的計(jì)算方法是采用中心差分法，對(duì)于離散的光譜數(shù)據(jù)，設(shè)原始光譜反射率為R(\lambda)，其中\(zhòng)lambda為波長，那么在波長\lambda_i處的一階微分光譜R'(\lambda_i)可通過以下公式計(jì)算：R'(\lambda_i)=\frac{R(\lambda_{i+1})-R(\lambda_{i-1})}{\lambda_{i+1}-\lambda_{i-1}}這種計(jì)算方法能夠反映出光譜反射率在相鄰波長處的變化率，從而突出光譜的細(xì)微變化。利用前文確定的一階微分光譜敏感波段數(shù)據(jù)，如700-740nm、1480-1590nm、1300-1400nm等波段，運(yùn)用多元線性回歸方法構(gòu)建基于一階微分光譜的棉花黃萎病病害嚴(yán)重度估測模型。同樣將采集到的棉花光譜數(shù)據(jù)按照70%和30%的比例劃分為訓(xùn)練集和測試集。設(shè)病害嚴(yán)重度為y，選取的m個(gè)一階微分光譜敏感波段的光譜反射率分別為x_1',x_2',\cdots,x_m'，則基于一階微分光譜的多元線性回歸模型為：y=\beta_0'+\beta_1'x_1'+\beta_2'x_2'+\cdots+\beta_m'x_m'+\epsilon'其中，\beta_0'為截距，\beta_1',\beta_2',\cdots,\beta_m'為回歸系數(shù)，\epsilon'為隨機(jī)誤差項(xiàng)，服從均值為0、方差為\sigma'^2的正態(tài)分布。利用訓(xùn)練集數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練，通過最小二乘法求解回歸系數(shù)，得到模型的參數(shù)估計(jì)值。以700-740nm、1480-1590nm、1300-1400nm等敏感波段為例，經(jīng)過訓(xùn)練得到的模型參數(shù)如下：\beta_0'=[具體值1']，\beta_1'=[具體值2']，\beta_2'=[具體值3']，\cdots，\beta_m'=[具體值m']。將測試集數(shù)據(jù)代入訓(xùn)練好的模型中，得到病害嚴(yán)重度的預(yù)測值。采用與基于原始光譜模型相同的評(píng)價(jià)指標(biāo)，即決定系數(shù)（R^2）、均方根誤差（RMSE）和相對(duì)均方根誤差（RRMSE）來評(píng)估模型的性能。經(jīng)計(jì)算，基于一階微分光譜的多元線性回歸模型在測試集上的R^2為[具體值']，RMSE為[具體值']，RRMSE為[具體值']。對(duì)比基于原始光譜的模型，若基于一階微分光譜模型的R^2更接近1，RMSE和RRMSE更小，則說明該模型在擬合效果和預(yù)測精度上更優(yōu)。從實(shí)際計(jì)算結(jié)果來看，[具體對(duì)比分析基于一階微分光譜模型與基于原始光譜模型的性能差異，如基于一階微分光譜模型的R^2比基于原始光譜模型提高了[X]%，RMSE降低了[X]，RRMSE降低了[X]%，表明基于一階微分光譜的模型在擬合效果和預(yù)測精度上有明顯提升]。這是因?yàn)橐浑A微分處理增強(qiáng)了光譜與病害嚴(yán)重度之間的相關(guān)性，使得模型能夠更好地捕捉到病害嚴(yán)重度的變化信息。通過對(duì)殘差的分析，發(fā)現(xiàn)基于一階微分光譜模型的殘差分布更接近隨機(jī)分布，且圍繞0上下波動(dòng)的程度更小，說明該模型對(duì)數(shù)據(jù)的擬合更為合理，能夠更準(zhǔn)確地反映光譜特征與病害嚴(yán)重度之間的關(guān)系。4.4模型驗(yàn)證與精度評(píng)估為了全面評(píng)估所構(gòu)建模型的性能，本研究采用了交叉驗(yàn)證和獨(dú)立樣本驗(yàn)證等多種方法，利用決定系數(shù)（R^2）、均方根誤差（RMSE）、平均絕對(duì)誤差（MAE）等指標(biāo)對(duì)模型的精度和可靠性進(jìn)行量化評(píng)估。交叉驗(yàn)證是一種常用的模型評(píng)估方法，它將數(shù)據(jù)集劃分為多個(gè)子集，在不同的子集上進(jìn)行訓(xùn)練和驗(yàn)證，從而更全面地評(píng)估模型的性能。本研究采用了十折交叉驗(yàn)證法，將數(shù)據(jù)集隨機(jī)劃分為十個(gè)大小相等的子集，每次選取其中九個(gè)子集作為訓(xùn)練集，剩下的一個(gè)子集作為驗(yàn)證集，重復(fù)十次，使得每個(gè)子集都有機(jī)會(huì)作為驗(yàn)證集。通過十折交叉驗(yàn)證，可以得到十個(gè)不同的模型和相應(yīng)的驗(yàn)證結(jié)果，然后對(duì)這些結(jié)果進(jìn)行平均，得到模型的平均性能指標(biāo)。在基于原始光譜的多元線性回歸模型中，經(jīng)過十折交叉驗(yàn)證，得到的平均決定系數(shù)（R^2）為[具體值1]，平均均方根誤差（RMSE）為[具體值2]，平均平均絕對(duì)誤差（MAE）為[具體值3]。R^2值越接近1，表示模型對(duì)數(shù)據(jù)的擬合效果越好；RMSE和MAE的值越小，說明模型的預(yù)測誤差越小，預(yù)測精度越高。從這些指標(biāo)來看，該模型在一定程度上能夠擬合光譜數(shù)據(jù)與病害嚴(yán)重度之間的關(guān)系，但仍存在一定的誤差，需要進(jìn)一步優(yōu)化。對(duì)于基于一階微分光譜的多元線性回歸模型，同樣進(jìn)行十折交叉驗(yàn)證。得到的平均R^2為[具體值4]，平均RMSE為[具體值5]，平均MAE為[具體值6]。對(duì)比基于原始光譜的模型，基于一階微分光譜的模型在R^2上有所提高，RMSE和MAE有所降低，這表明一階微分處理后的光譜數(shù)據(jù)能夠更好地反映病害嚴(yán)重度的變化，基于此構(gòu)建的模型在擬合效果和預(yù)測精度上有一定的提升。除了交叉驗(yàn)證，本研究還采用了獨(dú)立樣本驗(yàn)證的方法。將一部分未參與模型訓(xùn)練的數(shù)據(jù)作為獨(dú)立樣本，輸入到訓(xùn)練好的模型中進(jìn)行預(yù)測，然后將預(yù)測結(jié)果與實(shí)際值進(jìn)行對(duì)比，評(píng)估模型的泛化能力。從獨(dú)立樣本驗(yàn)證的結(jié)果來看，基于原始光譜的模型在獨(dú)立樣本上的R^2為[具體值7]，RMSE為[具體值8]，MAE為[具體值9]。基于一階微分光譜的模型在獨(dú)立樣本上的R^2為[具體值10]，RMSE為[具體值11]，MAE為[具體值12]。同樣，基于一階微分光譜的模型在獨(dú)立樣本上的表現(xiàn)優(yōu)于基于原始光譜的模型，進(jìn)一步驗(yàn)證了一階微分光譜在提高模型性能方面的有效性。通過對(duì)模型的驗(yàn)證與精度評(píng)估，發(fā)現(xiàn)雖然基于一階微分光譜的模型在性能上優(yōu)于基于原始光譜的模型，但兩個(gè)模型都存在一定的局限性。模型的預(yù)測精度仍有待進(jìn)一步提高，在實(shí)際應(yīng)用中可能會(huì)出現(xiàn)一定的誤差。模型的泛化能力也需要進(jìn)一步增強(qiáng)，以適應(yīng)不同地區(qū)、不同種植條件下的棉花黃萎病監(jiān)測需求。為了進(jìn)一步提高模型的性能，后續(xù)研究可以考慮以下幾個(gè)方面：一是進(jìn)一步優(yōu)化模型的參數(shù)和結(jié)構(gòu)，嘗試不同的建模方法和算法，如深度學(xué)習(xí)算法，以提高模型的擬合能力和預(yù)測精度；二是增加樣本數(shù)量和多樣性，收集更多不同地區(qū)、不同品種、不同發(fā)病程度的棉花光譜數(shù)據(jù)，豐富數(shù)據(jù)集，提高模型的泛化能力；三是結(jié)合其他輔助信息，如氣象數(shù)據(jù)、土壤數(shù)據(jù)等，綜合分析影響棉花黃萎病發(fā)生發(fā)展的因素，構(gòu)建更加全面、準(zhǔn)確的病害嚴(yán)重度估測模型。五、模型應(yīng)用與結(jié)果分析5.1模型在實(shí)際棉田中的應(yīng)用在對(duì)基于一階微分光譜的棉花黃萎病病害嚴(yán)重度估測模型進(jìn)行全面驗(yàn)證，并確認(rèn)其具備良好的精度和可靠性后，將該模型應(yīng)用于實(shí)際棉田的遙感數(shù)據(jù)處理，旨在獲取棉花黃萎病病害嚴(yán)重度的空間分布信息，為棉花種植的精準(zhǔn)管理和病害防治提供科學(xué)依據(jù)。本研究選取了位于[具體地點(diǎn)]的實(shí)際棉田作為研究區(qū)域，該棉田面積為[X]公頃，種植的棉花品種為[具體品種]，是當(dāng)?shù)氐闹饕N植品種之一。在棉花生長的關(guān)鍵時(shí)期，利用搭載多光譜相機(jī)的無人機(jī)對(duì)棉田進(jìn)行了遙感數(shù)據(jù)采集。無人機(jī)飛行高度設(shè)定為[X]米，飛行速度為[X]米/秒，確保獲取的影像具有較高的分辨率和覆蓋范圍。多光譜相機(jī)具有[X]個(gè)波段，涵蓋了與棉花黃萎病相關(guān)的敏感波段，如藍(lán)光、綠光、紅光、近紅外等，能夠準(zhǔn)確捕捉棉花的光譜信息。將采集到的遙感影像數(shù)據(jù)導(dǎo)入到ENVI、MATLAB等專業(yè)軟件中進(jìn)行預(yù)處理，包括輻射定標(biāo)、大氣校正、幾何校正等操作，以提高數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。運(yùn)用ENVI軟件中的波段運(yùn)算工具，根據(jù)一階微分光譜敏感波段的范圍，提取出相應(yīng)的波段數(shù)據(jù)。利用MATLAB軟件編寫程序，將提取的敏感波段數(shù)據(jù)代入到訓(xùn)練好的基于一階微分光譜的病害嚴(yán)重度估測模型中，進(jìn)行病害嚴(yán)重度的計(jì)算。經(jīng)過模型運(yùn)算，得到了該棉田棉花黃萎病病害嚴(yán)重度的預(yù)測值。為了更直觀地展示病害嚴(yán)重度的空間分布情況，利用ArcGIS軟件繪制了病害嚴(yán)重度分布圖。在ArcGIS軟件中，將預(yù)測得到的病害嚴(yán)重度數(shù)據(jù)與遙感影像進(jìn)行關(guān)聯(lián)，通過空間分析工具，如克里金插值法，將離散的病害嚴(yán)重度數(shù)據(jù)插值為連續(xù)的表面數(shù)據(jù)，從而生成病害嚴(yán)重度分布圖。在圖中，根據(jù)病害嚴(yán)重度的不同程度，采用不同的顏色進(jìn)行標(biāo)注，如綠色表示健康區(qū)域，黃色表示輕度發(fā)病區(qū)域，橙色表示中度發(fā)病區(qū)域，紅色表示重度發(fā)病區(qū)域。從繪制的病害嚴(yán)重度分布圖中可以清晰地看出，該棉田的病害分布呈現(xiàn)出一定的空間特征。在棉田的西北部區(qū)域，病害嚴(yán)重度較高，大部分區(qū)域?yàn)橹卸群椭囟劝l(fā)病區(qū)域，這可能與該區(qū)域的土壤條件、灌溉情況或病蟲害傳播途徑有關(guān)。而在棉田的東南部區(qū)域，病害相對(duì)較輕，主要為輕度發(fā)病區(qū)域和健康區(qū)域。通過對(duì)病害嚴(yán)重度分布圖的分析，能夠快速定位病害嚴(yán)重的區(qū)域，為棉農(nóng)采取針對(duì)性的防治措施提供了重要的參考依據(jù)。5.2結(jié)果分析與討論通過將基于一階微分光譜的棉花黃萎病病害嚴(yán)重度估測模型應(yīng)用于實(shí)際棉田，得到了該棉田棉花黃萎病病害嚴(yán)重度的空間分布信息。從病害嚴(yán)重度分布圖可以看出，模型能夠較好地反映棉田內(nèi)病害的分布情況，為棉花黃萎病的防治提供了有價(jià)值的參考。在模型的準(zhǔn)確性方面，從驗(yàn)證結(jié)果來看，基于一階微分光譜的模型在決定系數(shù)（R^2）、均方根誤差（RMSE）和平均絕對(duì)誤差（MAE）等指標(biāo)上表現(xiàn)較好，說明該模型具有一定的準(zhǔn)確性。在交叉驗(yàn)證中，平均R^2達(dá)到了[具體值4]，這表明模型對(duì)數(shù)據(jù)的擬合效果較好，能夠解釋病害嚴(yán)重度與光譜特征之間的大部分關(guān)系。RMSE和MAE的值相對(duì)較低，分別為[具體值5]和[具體值6]，說明模型的預(yù)測誤差在可接受范圍內(nèi)，能夠較為準(zhǔn)確地預(yù)測病害嚴(yán)重度。然而，模型的準(zhǔn)確性仍有提升空間。雖然模型在整體上能夠較好地預(yù)測病害嚴(yán)重度，但在一些局部區(qū)域，預(yù)測值與實(shí)際值之間仍存在一定的偏差。在病害嚴(yán)重度較高的區(qū)域，模型的預(yù)測值可能會(huì)略低于實(shí)際值；而在病害較輕的區(qū)域，預(yù)測值可能會(huì)略高于實(shí)際值。這可能是由于實(shí)際棉田中的環(huán)境因素較為復(fù)雜，如土壤肥力、水分含量、地形地貌等，這些因素會(huì)對(duì)棉花的生長和病害發(fā)生發(fā)展產(chǎn)生影響，而模型在構(gòu)建過程中未能充分考慮這些因素，導(dǎo)致在某些情況下預(yù)測結(jié)果不夠準(zhǔn)確。在適用性方面，本模型是基于特定地區(qū)的棉田數(shù)據(jù)構(gòu)建的，對(duì)于該地區(qū)的棉花黃萎病監(jiān)測具有較好的適用性。在實(shí)際應(yīng)用中，若將模型推廣到其他地區(qū)，可能會(huì)受到不同地區(qū)棉花品種、種植方式、氣候條件等差異的影響，導(dǎo)致模型的適用性下降。不同地區(qū)的棉花品種對(duì)黃萎病的抗性不同，其光譜特征也會(huì)有所差異；氣候條件的變化，如光照強(qiáng)度、溫度、降水等，也會(huì)影響棉花的生長和光譜特征，從而影響模型的預(yù)測效果。為了提高模型的適用性，需要進(jìn)一步收集不同地區(qū)的棉花光譜數(shù)據(jù)和病害信息，對(duì)模型進(jìn)行優(yōu)化和校準(zhǔn)，使其能夠適應(yīng)不同地區(qū)的棉花黃萎病監(jiān)測需求。模型還存在一些局限性。模型僅考慮了棉花的光譜特征與病害嚴(yán)重度之間的關(guān)系，而忽略了其他一些可能影響病害發(fā)生發(fā)展的因素，如病蟲害的交互作用、農(nóng)業(yè)管理措施等。病蟲害的交互作用可能會(huì)導(dǎo)致病害的發(fā)生和發(fā)展更加復(fù)雜，而農(nóng)業(yè)管理措施，如施肥、灌溉、病蟲害防治等，也會(huì)對(duì)棉花的生長和病害情況產(chǎn)生重要影響。這些因素的缺失可能會(huì)影響模型的預(yù)測精度和可靠性。數(shù)據(jù)質(zhì)量也是影響模型精度的重要因素之一。在數(shù)據(jù)采集過程中，可能會(huì)受到環(huán)境噪聲、儀器誤差等因素的干擾，導(dǎo)致采集到的光譜數(shù)據(jù)存在一定的誤差。在數(shù)據(jù)處理過程中，如輻射定標(biāo)、大氣校正等操作的準(zhǔn)確性也會(huì)影響數(shù)據(jù)質(zhì)量。若數(shù)據(jù)質(zhì)量不高，會(huì)使模型在學(xué)習(xí)光譜特征與病害嚴(yán)重度之間的關(guān)系時(shí)出現(xiàn)偏差，從而降低模型的精度。環(huán)境因素對(duì)模型精度的影響也不容忽視。不同的環(huán)境條件，如光照、溫度、濕度等，會(huì)導(dǎo)致棉花的光譜特征發(fā)生變化。在不同的光照強(qiáng)度下，棉花的反射率會(huì)有所不同；溫度和濕度的變化也會(huì)影響棉花的生理狀態(tài)，進(jìn)而影響其光譜特征。這些環(huán)境因素的變化可能會(huì)使模型在不同的環(huán)境條件下表現(xiàn)出不同的精度，增加了模型應(yīng)用的不確定性。棉花品種差異也是影響模型精度的一個(gè)因素。不同的棉花品種對(duì)黃萎病的抗性不同，其在受到病害侵染后的光譜特征變化也可能存在差異。若模型構(gòu)建時(shí)所使用的棉花品種與實(shí)際應(yīng)用中的品種不一致，可能會(huì)導(dǎo)致模型對(duì)不同品種棉花黃萎病的預(yù)測精度下降。為了進(jìn)一步提高模型的精度和可靠性，未來的研究可以從以下幾個(gè)方面展開：一是進(jìn)一步完善模型，考慮更多影響棉花黃萎病發(fā)生發(fā)展的因素，如病蟲害交互作用、農(nóng)業(yè)管理措施等，將這些因素納入模型中，構(gòu)建更加全面、準(zhǔn)確的病害嚴(yán)重度估測模型；二是加強(qiáng)數(shù)據(jù)質(zhì)量控制，優(yōu)化數(shù)據(jù)采集和處理方法，提高光譜數(shù)據(jù)的準(zhǔn)確性和可靠性，為模型的構(gòu)建和應(yīng)用提供更好的數(shù)據(jù)支持；三是開展多地區(qū)、多品種的試驗(yàn)研究，收集更多不同環(huán)境條件下的棉花光譜數(shù)據(jù)和病害信息，對(duì)模型進(jìn)行驗(yàn)證和優(yōu)化，提高模型的泛化能力和適用性；四是結(jié)合其他先進(jìn)技術(shù)，如深度學(xué)習(xí)、大數(shù)據(jù)分析等，進(jìn)一步挖掘光譜數(shù)據(jù)中的潛在信息，提高模型的性能和精度。5.3與傳統(tǒng)監(jiān)測方法的對(duì)比將基于遙感的棉花黃萎病病害嚴(yán)重度估測模型的監(jiān)測結(jié)果與傳統(tǒng)監(jiān)測方法進(jìn)行對(duì)比，能夠清晰地展現(xiàn)出遙感監(jiān)測方法在棉花黃萎病監(jiān)測中的優(yōu)勢與不足。傳統(tǒng)的棉花黃萎病監(jiān)測方法主要包括人工巡視和采樣實(shí)驗(yàn)室檢測。人工巡視需要專業(yè)人員深入棉田，逐株觀察棉花植株的生長狀況和病害癥狀，這種方法耗費(fèi)大量的人力和時(shí)間。對(duì)于大面積的棉田，人工巡視需要投入眾多的人力，且工作效率極低。在一個(gè)面積為100公頃的棉田，若采用人工巡視的方式，以每人每天能夠巡視1公頃棉田計(jì)算，至少需要100人次才能完成一次全面巡視，這還不包括人員的休息和往返時(shí)間。而且，人工巡視的準(zhǔn)確性很大程度上依賴于檢測人員的經(jīng)驗(yàn)和專業(yè)水平，不同的檢測人員對(duì)病害癥狀的判斷可能存在差異，導(dǎo)致檢測結(jié)果的準(zhǔn)確性和可靠性難以保證。采樣實(shí)驗(yàn)室檢測則需要從棉田中采集棉花樣本，帶回實(shí)驗(yàn)室進(jìn)行專業(yè)的檢測分析。采樣過程需要嚴(yán)格按照標(biāo)準(zhǔn)進(jìn)行，以確保樣本的代表性，但這一過程繁瑣且耗時(shí)。在采集樣本時(shí)，需要在棉田的不同區(qū)域進(jìn)行多點(diǎn)采樣，每個(gè)采樣點(diǎn)還需要采集多個(gè)樣本，然后將這些樣本進(jìn)行混合、處理，才能進(jìn)行后續(xù)的檢測分析。檢測周期長是采樣實(shí)驗(yàn)室檢測的一個(gè)顯著問題，從樣本采集到最終得到檢測結(jié)果，通常需要數(shù)天甚至數(shù)周的時(shí)間，這使得檢測結(jié)果無法及時(shí)反映棉花黃萎病的發(fā)生和發(fā)展情況，難以滿足廣大棉農(nóng)和企業(yè)及時(shí)防治病害的需求。相比之下，基于遙感的監(jiān)測方法具有明顯的優(yōu)勢。在效率方面，遙感技術(shù)能夠快速獲取大面積棉田的信息。利用搭載多光譜相機(jī)的無人機(jī)，一次飛行即可覆蓋數(shù)平方公里的棉田，在短時(shí)間內(nèi)獲取大量的棉花光譜數(shù)據(jù)。通過對(duì)這些數(shù)據(jù)的快速處理和分析，能夠迅速確定棉花黃萎病的發(fā)生區(qū)域和病害嚴(yán)重度分布情況，大大提高了監(jiān)測效率。在準(zhǔn)確性方面，遙感技術(shù)能夠通過對(duì)棉花光譜特征的精確分析，識(shí)別出受黃萎病侵染的棉花植株，并準(zhǔn)確估測病害的嚴(yán)重程度。而且，遙感監(jiān)測不受人為因素的影響，其結(jié)果更加客觀、準(zhǔn)確。成本方面，雖然購買和維護(hù)遙感設(shè)備（如無人機(jī)、光譜儀等）以及數(shù)據(jù)處理軟件需要一定的前期投入，但從長期來看，隨著技術(shù)的發(fā)展和設(shè)備成本的降低，遙感監(jiān)測的成本優(yōu)勢將逐漸顯現(xiàn)。在大面積棉田的監(jiān)測中，遙感監(jiān)測可以減少大量的人力投入，從而降低監(jiān)測成本?；谶b感的監(jiān)測方法也存在一些不足之處。對(duì)于一些地形復(fù)雜、植被覆蓋度高的區(qū)域，遙感數(shù)據(jù)的獲取和分析可能會(huì)受到影響，導(dǎo)致監(jiān)測精度下降。在山區(qū)的棉田，由于地形起伏較大，可能會(huì)出現(xiàn)陰影遮擋，影響棉花光譜的準(zhǔn)確獲取。云層、霧霾等天氣條件也會(huì)對(duì)遙感數(shù)據(jù)的質(zhì)量產(chǎn)生影響，降低監(jiān)測的準(zhǔn)確性。遙感技術(shù)對(duì)一些早期病害的癥狀識(shí)別能力相對(duì)較弱，在病害初期，由于棉花光譜特征的變化不明顯，可能難以準(zhǔn)確檢測到病害的發(fā)生。通過與傳統(tǒng)監(jiān)測方法的對(duì)比可知，基于遙感的棉花黃萎病病害嚴(yán)重度估測模型在效率、準(zhǔn)確性和成本等方面具有明顯的優(yōu)勢，但也存在一些需要改進(jìn)和完善的地方。在實(shí)際應(yīng)用中，應(yīng)充分發(fā)揮遙感監(jiān)測的優(yōu)勢，結(jié)合傳統(tǒng)監(jiān)測方法的優(yōu)點(diǎn)，形成一種綜合的監(jiān)測體系，以提高棉花黃萎病監(jiān)測的效果和水平。六、結(jié)論與展望6.1研究主要結(jié)論本研究通過室內(nèi)盆栽試驗(yàn)和田間試驗(yàn)，系統(tǒng)地分析了棉花黃萎病的光譜特征，并成功構(gòu)建了基于遙感的棉花黃萎病病害嚴(yán)重度估測模型，取得了以下主要結(jié)論：棉花黃萎病光譜特征分析：通過對(duì)室內(nèi)盆栽和田間棉花的光譜數(shù)據(jù)采集與分析，明確了棉花黃萎病在不同發(fā)病階段的光譜特征。在可見光波段（380-780nm），接菌棉花的光譜反射率高于未接菌棉花，這是由于感染黃萎病后棉花葉片葉綠素含量下降，對(duì)可見光的吸收能力減弱，導(dǎo)致反射率升高。在近紅外波段（780-1100nm），未接菌棉花的光譜反射率高于接菌棉花，這是因?yàn)榻】得藁ㄈ~片內(nèi)部細(xì)胞結(jié)構(gòu)完整，對(duì)近紅外光的散射作用強(qiáng)，而感染黃萎病的棉花葉片細(xì)胞結(jié)構(gòu)遭到破壞，散射作用減弱，反射率降低。隨著病情加重，在可見光波段光譜反射率呈上升趨勢，但差別不顯著；在近紅外區(qū)光譜反射率呈下降趨勢，且變化較為顯著，未接菌棉花的冠層近紅外光譜反射率最高，輕度染病棉花冠層次之，最嚴(yán)重的棉花冠層光譜反射率最低。敏感波段提?。涸?/p>