陕西省略阳县小麦条锈病发生原因及防治对策

根据陕西省略阳县的特殊地理位置、气候特点,分析了该县2010—2015年小麦条锈病的发生情况,总结了病害的发生特点及原因,有针对性地提出了6项防治措施,对小麦条锈病的有效预防具有重要意义。      

小麦条锈病的危害与防治

小麦条锈病是气传性病害，在小麦生产中流行范围广、发病传播快、危害面积大。一旦发病，会对小麦的产量和品质造成很大的影响，因此在小麦生产中要重点防范。介绍了小麦条锈病的发病特征、为害特点及防治方法。     

眉县无人机防治小麦条锈病存在的问题及对策

“后疫情”时代,世界粮食发展与安全格局发生新变化。稳定发展粮食生产,解决好吃饭问题,成为治国理政的头等大事。小麦是我国重要粮食作物之一,小麦条锈病是影响小麦安全生产的严重生物灾害,一般流行年份可使小麦减产10%～20%,特大流行年份减产可达60%以上,甚至绝收。2020年和2021年,陕西省眉县小麦产区条锈病偏重流行,眉县在利用无人机飞防作业防病治病方面作了有益的探索,发现在飞防时间、飞防技术、作业监管和障碍区处置等方面存在的问题,并研究出解决对策,对利用无人机开展小麦条锈病飞防作业有一定的指导意义。     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

新龙县春小麦条锈病发生规律及综合防治措施

小麦条锈病是小麦的主要病害之一,对小麦的危害大,减产高达15%～40%,甚至绝收,给农业生产造成严重影响。新龙县是四川省小麦条锈病菌源的重要越夏区,也是菌源监测的重点县。为有效控制小麦条锈病的危害,减少对内地冬麦区的初侵染循环,本文对新龙县小麦条锈病菌源监测地进行了田间试验和大田调查,研究了小麦条锈病发生规律、危害特点,初步掌握了新龙县春小麦的综合防治措施。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

小麦条锈病菌夏孢子显微图像远程采集系统设计与试验

利用孢子捕捉器捕捉小麦田间空气中的条锈病菌夏孢子已成为当前小麦条锈病预测预报的重要手段。针对现有的孢子捕捉设备效率低、费时费力、需人工定时换取载玻片或捕捉带等问题,基于ARK-1123C型嵌入式工控机和显微镜CCD数字摄像头,提出了一种高放大倍数、高分辨率的小麦条锈病菌夏孢子显微图像远程采集系统的设计方案。设计了系统的硬、软件结构,实现了自动取载玻片、涂脂、空中孢子捕捉、孢子显微图像采集、载玻片回收等一系列功能,且可根据用户需求远程设置孢子捕捉和显微图像采集参数,采集的图像通过无线网络传输到远程服务器中。为了验证系统的性能,在小麦田间进行了40d的系统综合试验测试。测试结果表明,系统可长时间稳定工作,能够远程实时采集放大400倍的4096像素×3288像素的夏孢子显微图像。该系统能够实时采集和远程传输小麦条锈病菌夏孢子显微图像,可满足野外小麦田间空气中夏孢子监测的需求,为农田空气中小麦条锈病菌夏孢子的自动计数及条锈病的预测预报提供重要技术支持。     

基于CC-MPA特征优选算法的小麦条锈病遥感监测

为了弥补一次性建模分析的缺陷,提高小麦条锈病遥感监测模型的运行效率和精度,根据模型集群分析（Model population analysis,MPA）算法的特点,综合利用光谱区间选择算法和光谱点选择算法的优势,提出了一种联合相关系数（Correlation coefficient,CC）与MPA的特征变量优选算法。在利用CC算法对全波段光谱进行特征变量选择的基础上,分别利用基于MPA思想开发的竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）和变量组合集群分析法（Variable combination population analysis,VCPA）进一步优选对小麦条锈病敏感的特征变量,并利用偏最小二乘回归（Partial least squares regression,PLSR）算法构建了小麦条锈病遥感监测的CC-CARS和CC-VCPA模型。结果表明：联合CC-MPA算法优选的特征变量构建的CC-CARS和CC-VCPA模型精度均高于CC、CARS和VCPA算法。3组验证集样本中,CC-CARS模型预测病情指数（Disease index,DI）与实测DI间的R2V较CC模型和CARS模型至少分别提高了6.78%和6.66%,RMSEV至少分别降低了15.31%和10.98%,RPD至少分别提高了18.08%和12.34%。CC-VCPA模型预测DI与实测DI间的R2V较CC模型和VCPA模型至少分别提高了9.58%和0.73%,RMSEV至少分别降低了20.78%和3.86%,RPD至少分别提高了26.22%和4.02%。基于CC-MPA的光谱特征优选算法是一种有效的特征选择方法,尤其是利用CC-VCPA方法选择的特征变量数更少,模型预测效果更好,研究结果对光谱特征优选及提高作物病害遥感监测精度具有重要的参考价值。     

3FLD和反射率荧光指数估测小麦条锈病病情严重度的对比分析

为研究小麦条锈病病情严重度和日光诱导叶绿素荧光强度的关系,确定适合于探测小麦条锈病病情严重度的叶绿素荧光因子。本文分别利用3FLD(three bands Fraunhofer Line Discrimination)和反射率指数2种方法提取了日光诱导叶绿素荧光强度,对比分析了这2种方法估测的日光诱导叶绿素荧光强度在小麦条锈病病情严重度遥感探测中的应用潜力。利用3FLD方法计算的O2-A和O2-B波段叶绿素荧光强度与小麦条锈病病情严重度均达到了极显著相关,复相关系数分别为0.677 2和0.492 4。基于反射率指数估测日光诱导叶绿素荧光时,叶绿素荧光反射率比值指数R_(740)/R_(720)、R_(440)/R_(690)、R_(740)/R_(800)以及叶绿素荧光一阶导数光谱指数D_(705)/D_(722)、D_(730)/D_(706)与小麦条锈病病情严重度均达到了极显著相关,尤其是比值指数R_(440)/R_(690)与小麦条锈病病情指数的相关性最高,复相关系数达到了0.718 7。基于辐亮度的3FLD算法和基于反射率的叶绿素荧光比值指数2种方法提取的叶绿素荧光强度均能够实现小麦条锈病病情严重度的遥感探测,但利用反射率方法提取的日光诱导叶绿素荧光强度构建的小麦条锈病病情严重度估测模型优于3FLD算法,更适合小麦条锈病病情严重度的遥感探测。论文的研究结果为基于卫星平台的叶绿素荧光遥感探测小麦条锈病提供了重要的理论依据。     

全国农技中心组织专家赴内蒙古开展小麦条锈病越夏调查和技术培训

病菌越夏是小麦条锈病侵染循环的重要环节，掌握病菌越夏情况对做好条锈病综合治理具有重要意义。2011年8月16日－20日，全国农技中心组织来自山西、重庆、贵州等地10余名专家赴内蒙古进行小麦条锈病越夏调查和技术培训活动。     

基于SIF-PLS模型的冬小麦条锈病早期光谱探测

为实现冬小麦条锈病早期探测、提高冬小麦产量和品质,研究了日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)对冬小麦条锈病早期探测的可行性。基于3波段夫琅和费暗线(3-band Fraunhofer line discrimination,3FLD)和反射率荧光指数2种方法提取了冠层SIF数据,计算了对小麦条锈病敏感的光谱指数(Spectral index,SI),通过相关性分析优选了遥感探测小麦条锈病早期的特征参量,利用偏最小二乘(Partial least squares,PLS)算法构建冬小麦条锈病早期光谱探测模型。研究结果表明:O2-A波段的荧光强度(SIF-A)以及反射率荧光指数ρ440/ρ690、ρ675ρ690/ρ2683、ρ690/ρ655、ρ690/ρ600、DλP/D744、D705/D722均与小麦条锈病早期病情指数(Disease index,DI)达到了极显著相关,相关系数分别为-0.793、-0.523、-0.539、-0.497、0.541、0.446、0.490,可作为冬小麦条锈病早期光谱探测的荧光特征参量;基于3组SIF数据构建的PLS-SIF检验模型的决定系数分别为0.801、0.772、0.807,均方根误差分别为3.3%、3.1%、3.2%,较反射率光谱指数构建的SI-PLS模型决定系数至少提高了27%,均方根误差至少减少了24%。因此,冠层SIF数据更适于冬小麦条锈病的早期探测。本研究结果对及时进行冬小麦条锈病防控具有重要应用价值,可为利用卫星荧光遥感数据对小麦条锈病早期大面积、无损探测提供参考依据。     

基于高光谱成像技术的小麦条锈病病害程度分级方法

为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像技术的小麦条锈病病害程度分级方法。首先利用Hyper SIS高光谱成像系统采集受条锈菌侵染后不同发病程度的小麦叶片高光谱图像,通过分析叶片区域与背景的光谱特征,对555 nm波长的特征图像进行阈值分割获得掩膜图像,并用掩膜图像对高光谱图像进行掩膜处理,提取仅含叶片的高光谱图像;然后用主成分分析法(Principal component analysis,PCA)得到利于条锈病病斑和健康区域分割的第2主成分(The second principal component,PC2)图像,采用最大类间方差法(Otsu)分割出条锈病病斑区域;最后根据条锈病病斑区域面积占叶片面积的比例对小麦条锈病病害程度进行分级。试验结果表明:测试的270个不同小麦条锈病病害等级的叶片样本中,265个样本可被正确分级,分级正确率为98.15%。该研究为田间小麦条锈病害程度评估提供了基础,也为小麦条锈病抗性鉴定方法提供了新思路。     

基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。     

基于红光波段冠层SIF降尺度的小麦条锈病遥感监测

为减弱冠层几何结构等因素对传感器探测到的冠层日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence,SIF）的影响,探讨了条锈病胁迫下红光波段荧光（Red SIF,RSIF）的响应特性,并以RSIF为自变量构建了小麦条锈病遥感监测的线性回归（Simple linear regression,SLR）及非线性回归（Non-linear regression,NLR）模型。结果表明：叶片尺度RSIF在小麦条锈病遥感监测中具有较大优势,其与小麦条锈病病情严重度（Severity level,SL）间相关系数较远红光波段SIF（Far-red SIF,FRSIF）提高132%,以叶片尺度RSIF为自变量构建的SLR及NLR模型预测DSL与实测DSL之间R2较FRSIF分别增加9.8%、38.9%,RMSE分别降低23.1%、36.4%。此外,降尺度处理能够提高RSIF监测小麦条锈病的精度,叶片尺度RSIF与DSL之间R2较冠层尺度增加126.3%,以叶片尺度RSIF为自变量构建的SLR和NLR模型预测DSL与实测DSL间R2较冠层尺度分别提高114.3%和233.3%,RMSE分别降低16.7%、15.4%。本文提出方法可提高小麦条锈病遥感监测精度,同时对其它胁迫的遥感监测具有一定的参考价值。     

山东省冬小麦单产监测与预报方法研究

针对传统农业估产方法效率低、成本高的现状,以山东省为研究区,基于山东省10年表面反射率8 d合成产品MOD09A1、全球陆地蒸发蒸腾8 d合成产品MOD16A2数据和历史产量数据,以增强型植被指数(EVI)、作物水分胁迫指数(CWSI)和经过历史产量分解得到的技术产量为输入,利用最小二乘法构建了山东省级和市级尺度的冬小麦单产估算模型,并在监测和预报两种模式下进行了模型的应用和精度验证。结果表明,在监测模式下,省级估产精度为96.91%,各市监测精度均不小于89.41%,其中菏泽市监测精度最高,为99.31%,济宁市监测精度最低,为89.64%;在预报模式下,返青期结束(第89天)、拔节期结束(第121天)和乳熟期结束(第145天)时的省级小麦预报精度均不低于96.44%,各市预报精度均不小于89.41%,其中青岛市预报精度最高,3次预报的平均精度为99.07%,济宁市预报精度最低,3次预报的平均精度为89.81%。本文建立的估产模型对市级和省级作物单产估算均有较高的适用性,可以实现动态产量预报。本研究对及时了解冬小麦的生长状况、制定科学有效的农业生产决策具有参考价值。     

小麦病害图像识别处理及形状特征提取研究

以小麦条锈病为例,研究小麦病害部位的图像获取、处理和特征提取。通过图像灰度映射和反映射变换、非线性直方图均衡处理等方法进行病害图像噪声去除和图像优化;采用迭代阀值分割和微分边缘检测提取小麦病斑部位的形状特征,为农业作物病害诊断信息特征数据库的建立提供基础数据。