稻縱卷葉螟[CnaphalocrocismedinalisGüenée（C.medinalis）]是分布于中國各稻區的主要害蟲之一，其幼蟲將植株葉片卷起呈筒狀并棲居于內啃食葉片，導致葉片無法正常進行光合作用，降低水稻干物質的累積速率，給水稻產量帶來嚴重損失。在一般發生年份稻縱卷葉螟的為害會導致水稻出現10%～20%減產，在大發生年份水稻減產60%以上。

在一定的危害程度下，稻縱卷葉螟會影響水稻的生長發育乃至其后續的穗粒形成和生長，嚴重的稻縱卷葉螟蟲害會導致水稻成熟時形成大量的空癟粒，給產量造成極大的損失。Singh等發現稻縱卷葉螟為害會降低水稻的總產量和稻谷品質。朱友理等研究表明，水稻結實率、千粒重和理論產量與拔節孕穗期水稻功能葉的卷葉率呈顯著負相關。杜正朕在研究受不同稻縱卷葉螟蟲量等級為害的水稻生長情況時發現，蟲害處理等級的提高會導致穗長、分蘗、結實率和產量等指標均出現不同程度的下降。Chhavi等在對比分析不同基因型的水稻產量數據時發現，無論是哪種基因型，受到稻縱卷葉螟侵害的水稻產量均低于未受到侵害的水稻。因此，監測稻縱卷葉螟蟲害對水稻產量的預測和防治具有重要意義。

高光譜遙感影像能夠獲取作物的空間、輻射和光譜維信息，捕捉由病蟲害引起的作物植被的細微變化，被廣泛應用于作物病蟲害的監測。目前，國內外許多學者應用高光譜遙感技術獲取并分析了不同作物的原始光譜和導數光譜信息，均發現作物受到惡劣環境或病蟲侵害的光譜特征變化與未受害的存在明顯差異，特定波段能夠反映出作物的受害情況。近年來，使用葉片光譜分析作物病蟲害的研究越來越多，與冠層光譜相比，葉片光譜能更準確地反映作物葉片的受害情況。黃建榮等研究水稻受蟲害葉片的光譜時發現近紅外和綠光波段的反射率隨蟲害等級的增加而降低，紅光波段則相反。孫啟花等在研究中發現，當水稻受到稻縱卷葉螟危害時，冠層光譜和葉片光譜的紅邊幅度和紅邊面積均具有顯著的變化。Yuan等分別研究白粉病、黃銹病和蚜蟲對冬小麥葉片水平上的光譜響應差異時發現，三種病蟲害在近紅外波段的光譜有著不同的變化規律，證明了使用葉片光譜區分三種病蟲害的可行性。Jones等在分析番茄的葉片光譜時發現感染了葉斑病的葉片與健康葉片在633-635nm和750-760nm位置的反射率有明顯差異。因此，研究稻縱卷葉螟危害下水稻葉片反射光譜的變化，對探究水稻受稻縱卷葉螟危害后產量的變化，構建稻縱卷葉螟為害的水稻產量估測模型，實現對稻縱卷葉螟危害的監測、發生趨勢預警以及防控決策具有重要意義。

以往的稻縱卷葉螟蟲害高光譜特征研究都是在控制小區內進行試驗，稻縱卷葉螟均為人為投放并封閉在小區內部，而在實際生產過程中，稻縱卷葉螟的個體或種群是自由進出稻區的，其建立的監測模型較難擬合或反映自然農田里稻縱卷葉螟蟲害的實際發生情況，且以往的研究更多關于受稻縱卷葉螟危害的水稻光譜與生理生態參數之間的關系，關于不同蟲害程度下葉片光譜與產量的相關性研究則鮮見報道，為了能夠更好地將稻縱卷葉螟監測與水稻生產實際相結合，本研究設置純自然大田實驗，獲取并分析不同生育期不同樣點稻縱卷葉螟實際蟲害發生程度下的水稻葉片高光譜數據和產量數據，篩選對水稻產量變化響應敏感的波段和植被指數，構建各生育期水稻產量的估測模型，以期實現對不同程度稻縱卷葉螟危害下水稻受害特征的準確判葉螟蟲害的精準預警和防控以及受害后水稻產量損失的有效評估提供科學依據和技術支持。

1       材料與方法

1.1   試驗區概況  

大田試驗于2020年6-10月在南京市浦口區橋林街道北梗(31.48°N，118.30°E)的農田內進行。試驗區均處于長江中下游的沿江稻區，地處亞熱帶濕潤季風氣候區內，是稻縱卷葉螟遷入和危害的重發區和常發區。

當地水稻生育期內的日平均氣溫和相對濕度較適宜，非常有利于稻縱卷葉螟的遷入、取食和繁殖。水稻生育期為6-10月，分蘗-成熟期與稻縱卷葉螟發生代次交替相一致，為稻縱卷葉螟遷入種群提供了豐富的取食條件。

1.2   試驗設計

供試水稻品種為南粳46。試驗田分為防治田和非防治田，防治田（長×寬為260m×60m）與非防治田（長×寬為100m×70m）相距約1km。防治田在水稻移栽后放置太陽能頻振式殺蟲燈來誘殺稻縱卷葉螟，并定期噴灑農藥進行防蟲，以確保其不形成蟲害。而非防治田則不進行稻縱卷葉螟的防治，田中稻縱卷葉螟自然發生。除稻縱卷葉螟發生情況不一致外，其他處理（施肥、灌溉等）均保持一致。試驗觀測于7-9月進行，由于7月中上旬江淮地區連日陰雨，無法進行數據采集，所以從7月23日（水稻分蘗末期拔節前期）開始，每個生育期進行1～2次調查和測量，待水稻成熟后（11月初）將水稻帶回實驗室進行產量計算。非防治試驗田均勻劃分成16個區域，每個區域按照5點取樣法選取5個樣點

每個樣點面積為7m×7m），總共80個樣點，每個采樣點調查5株水稻，并插上標記桿以便后續再觀測和再采樣，根據受害葉片數量占整株水稻所有葉片總數的比例將水稻受害情況劃分等級，以此作為該樣點稻縱卷葉螟的發生狀況（即以樣點來定級），具體劃分標準及各等級的樣點個數如表1所示。防治試驗田也均勻選出16個小區，每個小區（樣點）面積與非防治試驗小區相同，每個小區隨機、均勻選取6個采樣點（每個點7m×7m）。

1.3項目觀測

1.3.1葉片高光譜獲取

每個樣點隨機選取5株水稻，剪取稻株上部至中部的水稻葉片，每個樣點的健康葉片和受害葉片各剪3片（若是健康水稻則隨機剪下6片水稻葉片），裝入密封袋中隔冰水保存，迅速帶回室內進行高光譜測定。分別將3片健康葉片或3片受害葉片相連平鋪放置于黑色消光布上，利用SOC710VP便攜式高光譜成像儀（光譜范圍400-1000nm，光譜分辨率為1.3nm，像素為1392×1040，通道數為128）分別測定健康水稻葉片和受害水稻葉片的成像光譜反射率，將3片葉片反射率的平均值作為該處理的光譜反射率，最后取健康葉片和受害葉片反射率的平均值，以此作為該樣點的水稻葉片成像光譜的反射率。

1.3.2產量獲取

待水稻成熟后將每個樣點的水稻植株地面以上部分剪下并適當曬干，調查每株水稻分蘗數和穗長，采用常規方法測定每株水稻的有效穗數和空癟飽粒數，并計算結實率（結實率=飽粒數/總粒數）。將各樣點水稻的穗取下并分開稱重，得到產量和千粒重。

1.4數據處理

利用SRAnal軟件對葉片成像光譜進行預處理，利用ENVI4.7進行平均反射率的提取，得到原始光譜反射率，利用MATLAB對原始光譜反射率進行一階求導得到一階導數光譜反射率。

利用SPSS24.0軟件，對水稻的紅邊參數和產量進行方差分析，采用Pearson相關分析法分別比較水稻葉片原始光譜和一階導數光譜反射率與產量的相關性，建立植被指數與產量的曲線擬合模型，利用R²對模型的擬合效果進行比較。

將能夠靈敏反映作物葉片生長情況的近紅外波段和可見光波段進行不同形式的組合，建立的植被指數能夠表征作物的葉綠素含量、植被覆蓋度、含水性以及被害程度等生長狀態，基于此并結合前人經驗，選取歸一化植被指數NDVI、增強型植被指數EVI、差值植被指數DVI等9個植被指數進行分析。具體見表2。

2結果與分析

2.1水稻主要生育期不同蟲害等級葉片光譜反射率特征

2.1.1原始光譜分析

由圖1可見，在各主要生育期內，水稻葉片受蟲侵害的程度越嚴重，近紅外波段和部分紅光波段（720-760nm）的反射率越低，且在近紅外波段降低的幅度較大，但在620?710nm這一波段范圍內，反射率總體上均隨著受蟲害程度的加重而升高，不同蟲害等級間的差異在孕穗期和灌漿期最為明顯，到了成熟期，各蟲害等級間的光譜反射率則相對接近。由此可以看出，葉片光譜的反射率可以表征水稻受稻縱卷葉螟危害的程度，且不同波段的反射率對受蟲害的水稻會有不同的反應。

隨著水稻的生長發育，近紅外波段的反射率呈現先增后減的趨勢，在水稻孕穗?灌漿階段，植株自身的生長發育程度達到了頂峰，葉片近紅外波段的反射率也達到了最大，最高接近0.8，之后水稻開始黃熟，近紅外波段的反射率逐漸降低，到水稻成熟期時已降至0.6左右，被稻縱卷葉螟啃食過的葉片的光譜反射率與未受害葉片的曲線逐漸接近，各光譜特征開始趨于模糊，不再明顯。而受害與未受害葉片的可見光波段反射率差異在整個生育期并不明顯。

可見，不同蟲害水平的葉片在近紅外波段的光譜特征差異能夠反映出水稻受蟲害后隨著生育進程而變化。

2.1.2 一階導數光譜分析

如圖 2 所示，不同受害等級的葉片一階導數光譜的變化趨勢相對一致，均出現“雙峰”現象，主峰和次峰分別出現在 730nm 和 540nm 附近。隨著生育期的推移，主峰也呈現“低?高?低”的變化走勢，從拔節期起逐步升高，在孕穗期達到最大，水稻成熟后，主峰出現降低。導數光譜雙峰的峰值基本上均隨著蟲害等級的增加而降低，而在黃橙光區域的谷值則相反，在多數情況下，葉片受蟲啃食越嚴重，微分值越高。說明一階導數的光譜反射率在可見光波段對受稻縱卷葉螟危害的水稻生長狀況更敏感。

2.1.3 紅邊參數分析

由圖 3 可以看出，在整個生育期內，水稻的紅邊位置均處于 720-728nm，各蟲害等級的紅邊位置在多數情況下均出現不同程度的“藍移”，且蟲害等級越高， “藍移”現象越嚴重。紅邊面積和紅邊幅值呈現出相似的變化規律，均隨著水稻受蟲害程度的加重而降低。可見，三種紅邊參數能夠體現水稻受稻縱卷葉螟的危害程度。

在水稻整個生長發育過程中，各蟲害程度的紅邊參數在不同生育期也呈現不同的變化趨勢， 在水稻生長發育旺盛時期，各等級的紅邊位置“紅移”，即不斷向長波方向移動，灌漿期后，除健康水稻，各等級的紅邊位置均出現大幅度的“藍移”。 紅邊面積與紅邊幅值的變化趨勢一致，均隨著水稻的生長發育逐漸增加，在孕穗期達到峰值，之后又不斷降低，出現“藍移”現象，前期各蟲害等級間的差異較大，到灌漿期差異減小，在成熟期， 水稻葉片黃熟，紅邊參數達到最小。由此可見，紅邊位置、紅邊幅值和紅邊面積在一定程度上能夠反映水稻的長勢。

2.2 不同蟲害等級樣點產量

從表 3 可以看出，水稻的有效穗數和千粒重在總體上均隨著蟲害等級的升高而減小，健康水稻的有效穗數和千粒重高于受害水稻，但 2 級受害的有效穗數略高于 1 級， 2 級和 3 級受害水稻的千粒重則顯著高于 1 級， 增幅分別為 3.78%和 0.81%。 整體上水稻受蟲害越嚴重，結實率越小，1級受害水稻的結實率略高于健康水稻，但差異不顯著。說明水稻自身對程度較輕的蟲害存在一定的補償機制。表3中產量和減產率的變化表明稻縱卷葉螟蟲害對水稻產量有直接影響，產量與減產率和蟲害等級分別為負相關和正相關，蟲害等級為4的水稻減產率超過20%，遠低于健康水稻的產量。

2.3水稻產量?植被指數估測模型

2.3.1產量與高光譜植被指數的相關性

分別找出產量與葉片光譜的相關系數絕對值最大值對應的光譜波段，將其代入表2的公式中計算對應的植被指數，并將其與產量進行相關分析，結果如表4所示。由表可以看出，植被指數與產量的相關性在拔節期和成熟期較高，大多數植被指數均達顯著相關水平，而在孕穗期和灌漿期的相關性較低。水稻產量與各生育期的植被指數DVI、RVI和CARI的相關性多數達到顯著水平，最高相關系數為0.960，其中產量與RVI在各生育期均達到顯著或極顯著相關，相關系數皆達0.85以上。因此，可以選取DVI、RVI和CARI三種植被指數建立估算模型，由此對水稻產量進行評估。

2.3.2水稻產量?植被指數估測模型

將篩選出來的DVI、RVI和CARI三種植被指數作為自變量，水稻產量作為因變量，分別建立水稻產量的曲線擬合模型，結果如表5。由于模型過多，表中僅列出各植被指數的最佳估算模型。由表5可以看出，各植被指數對產量的最佳估測模型絕大多數為二次多項式函數。各生育期的模型里RVI對產量的模擬效果均較好，其決定系數R2均為同生育期中的最高值，最高達到0.893，標準誤差也較小。可見，RVI對受稻縱卷葉螟危害的水稻產量的估測效果最佳，相對于其他植被指數，RVI更適合估測受稻縱卷葉螟危害后的水稻產量。

3結論與討論

3.1討論

水稻生產經常遭受稻縱卷葉螟的危害，應用高光譜技術可高效率、低成本地監測稻縱卷葉螟蟲害。本研究以水稻品種南粳46作為研究對象，對不同生育期的健康和受害水稻葉片的原始光譜特征進行分析比較后發現，在同一生育期內，水稻葉片受稻縱卷葉螟危害的程度越重，近紅外波段和紅邊波段的反射率則越低，而紅光波段反射率隨著受蟲害程度的加重而升高，田明璐等[29]研究也認為，水稻冠層對紅邊和近紅外波段的反射率隨著水稻病情的加重而降低，而在紅光波段正常水稻的反射率則低于蟲害水稻。這是因為稻縱卷葉螟在幼蟲時期藏于水稻葉片中啃食葉肉，最后只留下白色葉片表皮，葉片中的葉綠素數量以及葉片的形態和結構均發生了改變，導致葉片對紅光波段光線的反射能力增強，對紅邊、近紅外波段的反射能力減弱。因此，水稻葉片成像光譜紅邊?近紅外波段的光譜特征在一定程度上可以反映不同蟲害等級稻縱卷葉螟的為害情況。

本研究進一步對健康與受害水稻的一階導數光譜和紅邊參數數據進行分析比較后發現，同一生育期內，一階導數光譜的峰值在多數情況下均隨著稻縱卷葉螟危害程度的加重而降低，而黃橙光波段的谷值則升高。唐倩在研究稻縱卷葉螟危害下水稻冠層光譜變化特征時也發現，孕穗期和成熟期水稻受稻縱卷葉螟危害越嚴重，一階導數的主峰值和次峰值越小，這與本研究的結論相似。可以看出，水稻一階導數光譜的峰值特征與稻縱卷葉螟蟲害的程度緊密相關。本研究還發現，當水稻受到稻縱卷葉螟危害時，其紅邊幅度和紅邊面積均出現減少，紅邊位置出現“藍移”現象，且蟲害等級越高，紅邊幅度和面積越小，紅邊位置的“藍移”現象也越嚴重。周曉等則發現稻縱卷葉螟為害下的水稻光譜的三邊參數都能反映出水稻的受害狀況，其中紅邊參數的效果優于藍邊和黃邊參數。不僅是稻縱卷葉螟危害，水稻在其他類型的脅迫下光譜的紅邊參數也出現過類似的變化趨勢，朱懷衛等[32]發現UV-B增強會導致水稻光譜的紅邊位置發生“藍移”，施硅會導致紅邊位置“紅移”。有學者[33]發現，作物生長旺盛時，紅邊紅移；生長衰敗時，紅邊藍移。當作物受到稻縱卷葉螟危害時，其長勢必定受到影響，導致其紅邊參數會發生不同程度的改變，說明水稻的紅邊參數可以通過水稻長勢來反映水稻受稻縱卷葉螟為害的情況。

水稻的有效穗數、千粒重、結實率以及產量整體上隨著蟲害等級的升高而降低，但蟲害等級較低時，水稻的有效穗數、千粒重以及結實率均出現輕微的“回升”現象，這與多位學者的觀點相似，可能是因為水稻自身對危害程度較輕的蟲害存在一定的補償機制，稻縱卷葉螟在一定程度上取食植物后，在形態上（株高、分蘗、千粒重等）和生理上（根系生長和根系活力）反而還會對水稻都具有補償作用，但補償是有限的，當蟲害程度過重時抑制水稻自身生長發育，最終結果仍然是癟粒數增多、產量下降。

本研究篩選出與產量相關性較高的波段計算相關植被指數，將其與水稻產量進行相關分析，并由此構建出水稻產量估測模型。結果顯示產量與各生育期DVI、RVI和CARI的相關性均較好，其中與RVI的相關性最好，且利用各生育期RVI構建的估產模型的精度也高于其他兩種植被指數，這可能是因為DVI與作物的土壤背景相關性更高，當植被覆蓋度較低時使用DVI進行監測效果更好，而本研究為葉片成像光譜，不存在裸土影響因素，RVI與葉面積指數（LAI）和葉綠素含量的相關性高，更適合用于監測作物的長勢，對稻縱卷葉螟蟲害情況也更敏感，因此與產量的相關性更高。田明璐等[29]也發現利用RVI植被指數構建的模型能夠準確識別出水稻葉片上的蟲害區域。由此可以看出，RVI對稻縱卷葉螟蟲害的反應最敏感，利用RVI建立稻縱卷葉螟為害下水稻估產模型的方法可行。

由于各種客觀或人為因素的影響，本研究僅從葉片尺度對水稻的光譜特征進行了提取和分析，研究角度比較單一，未來將開展水稻冠層遙感、無人機遙感和衛星遙感等多尺度數據的觀測和綜合比較研究，進一步提高受稻縱卷葉螟危害的水稻產量估算模型的精準度，為科學防控病蟲害和保障糧食生產安全提供科技支撐。

3.2結論

（1）同一生育期內，水稻葉片受蟲害的程度越重，近紅外波段和紅邊波段的反射率越低，而紅光波段反射率越高。

（2）同一生育期內，蟲害等級越高，一階導數光譜的峰值、紅邊幅度和紅邊面積越低，紅邊位置的“藍移”現象也越嚴重。

（3）水稻的有效穗數、千粒重、結實率以及產量整體上隨著蟲害等級的升高而降低，但等級較低的有效穗數、千粒重以及結實率均出現“回升”現象。

（4）利用相關性較好的植被指數構建的產量估測模型中，RVI的二項式模型效果最好。

摘自：黃璐,包云軒,郭銘淇,等.稻縱卷葉螟危害下水稻葉片光譜特征及產量估測[J].中國農業氣象,2023,44(2):154-164