文章信息
- 胡祖庆, 亢菊侠, 罗晨, 胡想顺, 张改生, 赵惠燕. 2015.
- HU Zuqing, KANG Juxia, LUO Chen, HU Xiangshun, ZHANG Gaisheng, ZHAO Huiyan. 2015.
- 麦长管蚜胁迫下不同小麦品种冠层光谱特征及其预测模型
- Canopy hyperspectral characteristics and its predication model for the amount of grain aphid Sitobion avenae under different wheat cultivars
- 南京农业大学学报, 38(2): 267-272
- Journal of Nanjing Agricultural University, 38(2): 267-272.
- http://dx.doi.org/10.7685/j.issn.1000-2030.2015.02.014
-
文章历史
- 收稿日期：2014-06-11
2. 杨凌职业技术学院 药物工程分院, 陕西 杨凌 712100;
3. 西北农林科技大学农学院/国家杨凌农业生物技术育种中心/国家小麦改良中心 杨凌分中心/小麦育种教育部工程研究中心/陕西省作物杂种优势研究与利用重点实验室, 陕西 杨凌 712100
2. Yangling Vocational & Technical College, Yangling 712100, China;
3. College of Agronomy/ National Yangling Agricultural Biotechnology & Breeding Center/Yangling Branch of State Wheat Improvement Center/ Wheat Breeding Engineering Research Center, Ministry of Education/Key Laboratory of Crop Heterosis of Shaanxi Province, Northwest A&F University, Yangling 712100, China
麦长管蚜[Sitobion avenae(Fabricius)],属半翅目(Hemiptera),蚜科(Aphididae),是小麦生育期最重要的世界性害虫类群之一[1, 2]。在合适的气候条件下,麦长管蚜能够短时间内大面积发生,因此,做好早期监测预警工作,对于防治麦长管蚜工作具有重要意义。长期以来,我国对麦长管蚜的监测工作主要依靠人力进行田间调查,耗时耗力,效率低下。因此,发展一种快速、方便、准确且可以大面积监测的方法对于做好麦长管蚜的防治工作有着重大意义。高光谱遥感技术为这一需求的实现提供了可能。
高光谱遥感技术是目前国际上监测农作物受病虫危害程度最先进的手段之一,其依据是作物受到病虫危害时所引起的绿叶中细胞活性、含水量、叶绿素含量等发生生理变化后,表现为农作物反射光谱特征差异,特别是可见光区和短波红外区的光谱特性差异。因此可以通过受害植物某些特征波长的光谱特征与健康植物的光谱特征比较,来监测农作物病虫害发生程度。国内外相关文献已报道高光谱遥感技术监测马尾松毛虫[3]、松毛虫[4]、大豆蚜虫[5]、棉花蚜虫[6]、棉叶蝉[7]、稻纵卷叶螟[8]、芥菜蚜虫[9]、烟蚜[10]、辣椒茶黄螨[11]等重要害虫和稻叶瘟[12]、斑点葡萄孢[13]、小麦条锈病[14, 15]等重要病害的发生程度。在麦蚜方面,Kieckhefer等[16, 17, 18]和Krause等[19, 20]研究了蚜虫危害后产量损失以及作物叶绿素变化情况。Riedell[21]研究了干旱情况下蚜虫危害后作物的反应,以及蚜虫危害后作物的氮素管理和产量损失情况。
植被指数是遥感监测地面植物生长和分布的一种方法。植被指数的种类很多,目前应用最广泛的两种植被指数分别为比值植被指数(RVI)和归一化植被指数(NDVI)。何国金等[22]通过1995、1996和1998年的地面光谱测量,绘制出蚜量同小麦光谱的相关性曲线,证明了利用小麦的反射光谱植被指数值(RVI)监测麦蚜的可行性。乔红波等[23]对田间不同程度麦蚜危害初期的冬小麦品种‘郑州891’冠层反射光谱特征进行分析,结果表明麦蚜危害后小麦冠层的红边斜率在近红外波段发生剧烈的变化,且随着危害程度的加重其值逐步下降,并将归一化植被指数(NDVI)对小麦百株蚜量进行了回归分析。罗菊花等[24]测定 了田间冬小麦品种‘中麦175’灌浆期蚜虫危害的高光谱特征,建立了高光谱指数与蚜害等级的遥感反演模型。
近年来,应用多个品种混合种植来控制小麦病虫害的方法在国内外日益得到广泛应用,美国小麦混合种植面积已达到30%[25],我国学者也开展相关研究,并将其作为小麦病虫害综合治理的重要措施之一[14]。目前国内外相关蚜虫危害的高光谱特征研究多是针对某一个小麦品种进行研究,而不同品种对反射光谱影响较大,利用高光谱遥感数据构建适用于多个品种的蚜虫危害虫情监测模型还鲜有报道。为此,本研究采用高光谱技术研究麦长管蚜危害后3个小麦品种冠层反射光谱的变化规律,并选择同时适合3个小麦品种的特征波长点,分别构建适合3个小麦品种的百株蚜量预测方程。以期为多个小麦品种混合种植下麦长管蚜危害程度的快速评估提供理论依据,进而为生产上及时有效地防治麦长管蚜打下基础。 1 材料与方法 1.1 试验时间与地点
试验于2012年10月至2013年6月在西北农林科技大学植物保护学院试验田进行(34.31°N,108.07°E),试验小区长140 m,宽10 m。 1.2 试验材料
供试小麦品种为‘1376’‘Amigo’和‘小偃-22’。‘1376’为感蚜对照品种;‘Amigo’为美国20世纪70年代育成的抗蚜品种;‘小偃-22’是我国由小麦和偃麦草远源杂交育成的抗蚜品种,为目前陕西关中地区主栽品种。 1.3 试验方法
试验采用随机区组设计,将试验田划分为10 m×3 m的36个小区,每个品种12个小区,均于2012年10月3日播种,各品种播量相同,常规管理。在麦长管蚜发生的始盛期2013年4月7日,田间调查各品种小麦的百株蚜量为20至50头。每个品种分成4个处理:处理1小区喷24%抗蚜吡虫啉可湿性粉剂1 g,兑水2.5 kg;处理2不做任何处理;处理3小区接入实验室内饲养的麦长管蚜成蚜每百株50头;处理4小区接入成蚜每百株100头,从而获得4种不同的麦长管蚜危害程度,每个处理重复3个小区。整个小麦生长期间无其他病虫害发生。
小麦冠层光谱测量采用便携式野外光谱仪ASD FieldSpec HandHeld(325~1 075 nm),该光谱仪采样间隔为1.6 nm。在麦长管蚜危害盛期,选择晴朗无风天气于10:30—14:30进行光谱反射测定,测定时传感器探头垂直向下距小麦冠层顶80 cm,以形成直径约36 cm的视场,测量前均同步测量参考板反射和太阳辐射光谱用于标定,测定过程中用BaSO4白板进行校正。重复测定10次。为了消除小麦种植密度对光谱反射率的影响,每个小区随机选择种植密度相等的4个样点进行测量。数据获取时间为2013年5月2日,此时为3个小麦品种小麦的灌浆期,也是麦长管蚜的盛发期。
用钢丝弯成直径为36 cm圆环,每次测量完光谱后,以测量点为中心,将圆环放在小麦冠层上,调查圆环内小麦的株数和蚜虫数量,最后计算出百株小麦的蚜虫数量。调查发现,各品种处理1小区的百株蚜量范围为20~30头,归类为轻微危害;各品种处理2小区的百株蚜量范围为450~550头,归类为中等危害;各品种处理3小区的百株蚜量范围为1 200~1 300头,归类为中等偏重危害;而各品种处理4小区的百株蚜量范围为2 200~2 300头,归类为严重危害。这种归类方法与目前常规应用的麦长管蚜防治指标为每百株500头是一致的。
采用ASD Viewspec-pro软件读取源光谱数据,将原始光谱数据进行预处理,每10条光谱数据取其平均值作为该样方的光谱值,并转换为反射率数据。从测量数据看,325~400 nm和900~1 075 nm范围内的数据噪声较大,因此只处理了400~900 nm的光谱数据。利用400~900 nm波段光谱特征波长点的光谱反射率计算比值植被指数(RVI)和归一化植被指数(NDVI)[11],其公式为:
将这2个植被指数和特征波长点处的光谱反射率作为参数建模,同时采用SPSS 17.0软件对百株蚜量与400~900 nm范围内的光谱反射率进行相关和回归分析,用SigmaPlot 10.0软件作图。 2 结果与分析 2.1 麦长管蚜胁迫下不同小麦品种冠层光谱特征分析
由图 1可知:随着蚜虫危害程度的加重,在可见光波段(400~700 nm)及近红外波段(701~900 nm)范围内的光谱反射率变化规律基本一致,均逐渐下降,但下降的程度不同。在蚜虫轻微危害和中等危害时,‘1376’在可见光和近红外波段的光谱反射率均比‘Amigo’和‘小偃-22’高,而‘Amigo’仅在近红外波段反射率比‘小偃-22’高;在中等偏重危害程度时,3个小麦品种在400~900 nm波段下光谱反射率基本重合;在严重危害程度时,‘小偃-22’在近红外波段反射率比‘1376’和‘Amigo’要低。
 |
A:轻微危害(每百株20~30头蚜虫);B:中等危害(每百株450~550头蚜虫);C:中等偏重危害(每百株1 200~1 300头蚜虫);D:严重危害(每百株2 200~2 300头蚜虫) A:Slight damage level(20-30 aphids per one hundred plants);B:Moderate damage level(450-550 aphids per one hundred plants);C:Moderate and serious side damage level(1 200-1 300 aphids per one hundred plants);D:Serious damage level(2 200-2 300 aphids per one hundred plants) 图 1 不同数量麦长管蚜取食后3个小麦品种光谱反射率曲线 Fig. 1 Canopy hyperspectral curves of three wheat varieties under different damage levels of Sitobion avenae |
将不同小麦品种百株蚜量与冠层光谱数据进行相关分析(图 2),结果表明:400~900 nm波段范围内,3个品种百株蚜量均与光谱反射率呈负相关,但不同品种的相关性显著程度变化趋势各不相同。品种‘1376’在400~553、728~900 nm 2个波段内的相关性达到极显著水平(P < 0.01,n=36,r临界值为0.424),这2个波段可作为蚜虫危害识别的敏感波段区域;在可见光波段有一峰值,位于405 nm处,其相关系数为-0.721;在近红外波段也有一峰值,位于769 nm处,其相关系数为-0.711。‘Amigo’在可见光波段的峰值位于525 nm,近红外波段峰值位于835 nm。‘小偃-22’在可见光波段的峰值位于526 nm,近红外波段峰值位于897 nm。
 | 图 2 3个小麦品种麦长管蚜百株蚜量与光谱反射率的相关性 Fig. 2 The correlation between spectral reflectance and the amount of S.avenae per one hundred plants on three wheat varieties |
由图 2进一步分析可知:在可见光波段范围内405 nm处,3个小麦品种上冠层光波反射率和百株蚜量之间的相关系数分别为-0.721、-0.701和-0.692,均达到极显著水平,可作为蚜虫危害识别可见光波段范围内3个品种共同的特征波长点;在近红外波段范围内835 nm处,3个小麦品种的光波反射率和百株蚜量之间相关系数分别为-0.718、-0.695和-0.674,也均达到极显著水平,可作为蚜虫危害识别近红外波段范围内3个品种共同的特征波长点。
从图 2还可知:在红光(620~700 nm)波段范围内,没有一个特征波长点使得3个小麦品种冠层光波反射率和百株蚜量之间的相关系数都达到极显著水平。但在697 nm处,‘Amigo’和‘小偃-22’冠层光波反射率和百株蚜量之间的相关系数分别为-0.690和-0.714,均达到极显著水平(P<0.01,n=36,r临界值为0.424);而‘1376’在此波长点处,光波反射率和百株蚜量之间的相关系数为-0.364,达到显著水平(P=0.05,n=36,r临界值为0.329)。因此选择红光波段范围内的697 nm和近红外波段范围内的835 nm来构建RVI和NDVI。 2.3 麦长管蚜胁迫下不同小麦品种冠层高光谱预测
以2.2节确定的3个小麦品种共同冠层高光谱特征波长点(可见光波段范围内的405 nm及近红外波段范围内的835 nm)的光谱反射率,以及系统RVI和NDVI为自变量,百株蚜量为因变量,建立不同品种百株蚜量的预测模型(表 1)。
由表 1可见:‘1376’,根据F检验的显著水平,R405、R835、RVI、NDVI与百株蚜量进行回归时,R405、R835和RVI线性模型拟合的显著水平均达极显著水平,且R405和R835的显著水平最高(P=0.002),表明采用R405和R835参数建立的模型效果最好,RVI次之。‘Amigo’,R405参数建立的模型效果最好(P=0.004),R835次之。‘小偃-22’,R405参数建立的模型效果最好(P=0.005),R835次之。
| 小麦品种Variety | 入选波段及组合Wavelength andcombination | 自变量Independentvariable | 模拟方程Simulation equation | 决定系数(R2)Coefficient ofdetermination | F(1,34)值F-value | P值P-value |
| 1376 | 405 nm | R405 | y=-100 327.99x+2 189.09 | 0.520 | 10.97 | 0.002 |
| 835 nm | R835 | y=-23 948.37x+6 802.93 | 0.516 | 10.76 | 0.002 | |
| 697 nm,835 nm | RVI | y=35.57x-132.89 | 0.480 | 8.834 | 0.005 | |
| 697 nm,835 nm | NDVI | y=16 985.56x-14 508.67 | 0.222 | 5.269 | 0.028 | |
| Amigo | 405 nm | R405 | y=-18 185.44x+2 196.83 | 0.491 | 9.364 | 0.004 |
| 835 nm | R835 | y=-4 144.056x+2 052.329 | 0.483 | 8.966 | 0.005 | |
| 697 nm,835 nm | RVI | y=511.62x-1 502.44 | 0.248 | 5.670 | 0.023 | |
| 697 nm,835 nm | NDVI | y=5 788.16x-2 830.62 | 0.217 | 4.767 | 0.036 | |
| 小偃-22Xiaoyan-22 | 405 nm | R405 | y=-46 758.63x+3 047.74 | 0.479 | 9.012 | 0.005 |
| 835 nm | R835 | y=-6 986.26x+2 368.80 | 0.454 | 7.940 | 0.008 | |
| 697 nm,835 nm | RVI | y=167.74x-41.79 | 0.052 | 0.132 | 0.719 | |
| 697 nm,835 nm | NDVI | y=2 345.42x-757.26 | 0.038 | 0.071 | 0.792 |
综合3个品种来看,用可见光波段的405 nm与近红外波段的835 nm处的光谱反射率构建的回归方程拟合效果较好;而用植被指数RVI与NDVI构建的回归方程拟合效果较差。 3 讨论
本文系统分析了3个小麦品种‘1376’‘Amigo’和‘小偃-22’,冠层光谱反射率对百株蚜量的响应规律,确立了3个小麦品种共同的冠层光谱特征波长点,并以此构建了3个小麦品种百株蚜量监测预警方程。显示利用高光谱信息同时监测不同小麦品种百株蚜量是完全可行的。
当小麦受到麦长管蚜危害时,小麦细胞活性、含水量与叶绿素含量均下降,使小麦叶片出现颜色改变、结构变化或外观形态改变等病态,加上蚜虫分泌物对叶片的污染,导致冠层光谱发生变化。本研究结果表明,随着百株蚜量的增加,3个小麦品种可见光波点和近红外波段的光谱反射率均下降,且百株蚜量与光谱反射率呈现出较好的负相关性。这与何国金等[22]、乔红波等[23]、罗菊花等[24]、赵俊芳等[26]的研究结果一致。因此本试验进一步验证了可以通过小麦冠层光谱反射率的变化来预测麦长管蚜发生数量这一结论。同时,本试验在同一条件下测定了3个小麦品种的光谱反射率,发现可见光波段的405 nm与近红外波段的835 nm均是这3个品种的敏感波长,为生产上应用混合品种种植时预测调控麦长管蚜种群数量提供了理论基础。
何国金等[22]通过比较有蚜区和无蚜区RVI,认为可以通过该植被指数来监测麦长管蚜发生量。乔红波等[23]通过对NDVI和百株蚜量进行回归分析,发现存在显著相关,表明可以利用植被指数NDVI来监测麦长管蚜。本研究构建了3个小麦品种的上述两种植被指数和百株蚜量的相关关系,结果表明植被指数RVI、NDVI用来监测小麦品种‘Amigo’和‘小偃-22’的百株蚜量是不可行的。与上述两人的研究结果不太一致。这可能是由于研究的小麦品种不同所造成的。聂克艳等[11]构建了辣椒冠层上述两种植被指数与辣椒茶黄螨危害等级之间回归模型的回归系数也未达到显著水平。因此植被指数RVI和NDVI用来监测农作物病虫害发生量的可行性还要通过进一步的研究来证明。
以往虽有麦长管蚜胁迫下小麦冠层高光谱研究,但多以单一小麦品种作为研究对象。随着混种模式在小麦上的广泛应用,该种植模式对麦长管蚜的遥感监测技术工作提出了新的要求。本研究根据生产实际的需要,对3个小麦品种冠层光谱分析,找到了适合3个小麦品种的共同特征波长点,并构建了监测预警方程。研究结果对小麦单种以及混种情况下麦长管蚜的遥感监测技术具有重要意义,但模型准确性还需要多年试验数据的有效检验。
| [1] | 杨益众, 林冠伦, 胡长富. 麦长管蚜为害后对小麦品质影响的研究[J]. 昆虫知识, 1991, 28(2):70-72 [Yang Y Z, Lin G L, Hu C F. Study on the influence on the quality of wheat aphid damage[J]. Chinese Bulletin of Entomology, 1991, 28(2):70-72(in Chinese)] |
| [2] | 曹雅忠, 尹姣, 李克斌, 等. 小麦蚜虫不断猖獗原因及控制对策的探讨[J]. 植物保护, 2006, 32(5):72-75 [Cao Y Z, Yin J, Li K B, et al. Discussion on wheat aphids continuously rampant reasons and control countermeasures[J]. Plant Protection, 2006, 32(5):72-75(in Chinese)] |
| [3] | 武红敢, 黄建文, 乔彦友, 等. 松毛虫早期灾害点遥感监测研究初报[J]. 林业科学, 1995, 31(4):379-384 [Wu H G, Huang J W, Qiao Y Y, et al. A preliminary study on remote sensing detection of damage by Pine caterpillar[J]. Scientia Silvae Sinicae, 1995, 31(4):379-384(in Chinese with English abstract)] |
| [4] | 吴继友, 倪建. 松毛虫为害的光谱特征与虫害早期探测模式[J]. 环境遥感, 1995, 10(4):250-258 [Wu J Y, Ni J. Spectral characteristics of the pine leaves damaged by pine moth and a model for detecting the damage early[J]. Remote Sensing of Environment China, 1995, 10(4):250-258(in Chinese with English abstract)] |
| [5] | 王囡囡, 于忠和, 贾会彬, 等. 蚜虫胁迫下两种栽培模式大豆生理指标及光谱特征分析[J]. 中国油料作物学报, 2011, 33(1):48-51 [Wang N N, Yu Z H, Jia H B, et al. Physiological and hyperspectral characteristics analysis of soybean damage by aphids in two cultivating modes[J]. Chinese Journal of Oil Crop Sciences, 2011, 33(1):48-51(in Chinese with English abstract)] |
| [6] | 陈兵, 王克如, 李少昆, 等. 蚜虫胁迫下棉叶光谱特征及其遥感估测[J]. 光谱学与光谱分析, 2010, 30(11):3093-3097 [Chen B, Wang K R, Li S K, et al. Study on spectrum characteristics of cotton leaf and its estimating with remote sensing under aphid stress[J]. Spectroscopy and Spectral Analysis, 2010, 30(11):3093-3097(in Chinese with English abstract)] |
| [7] | Prabhakar M, Prasad Y G, Thirupathi M, et al. Use of ground based hyperspectral remote sensing for detection of stress in cotton caused by leafhopper(Hemiptera:Cicadellidae)[J]. Computers and Electronics in Agriculture, 2011, 79:189-198 |
| [8] | Huang J R, Liao H J, Zhu Y B, et al. Hyperspectral detection of rice damaged by rice leaf folder(Cnaphalocrocis medinalis)[J]. Computers and Electronics in Agriculture, 2012, 82:100-107 |
| [9] | Kumar J, Vashisth A, Sehgal V K, et al. Identification of aphid infestation in mustard by hyperspectral remote sensing[J]. Journal of Agricultural Physics, 2010, 10:53-60 |
| [10] | 乔红波, 蒋金, 程登发, 等. 烟蚜为害特征的高光谱比较[J]. 昆虫知识, 2007, 44(1):57-61 [Qiao H B, Jiang J, Cheng D F, et al. Comparison of hyperspectral characteristics in tobacco aphid damage[J]. Chinese Bulletin of Entomology, 2007, 44(1):57-61(in Chinese with English abstract)] |
| [11] | 聂克艳, 岳延滨, 孙长青, 等. 辣椒茶黄螨危害的冠层光谱特性与危害级别反演[J]. 西南农业学报, 2012, 25(5):1689-1693 [Nie K Y, Yue Y B, Sun C Q, et al. Canopy spectral characteristics and hazard rating inversion of Polyphagotarsonemus latus on hot pepper[J]. Southwest China Journal of Agricultural Sciences, 2012, 25(5):1689-1693(in Chinese with English abstract)] |
| [12] | 吴曙雯, 王人潮, 陈晓斌, 等. 稻叶瘟对水稻光谱特性的影响研究[J]. 上海交通大学学报:农业科学版, 2001, 20(3):73-76 [Wu S W, Wang R C, Chen X B, et al. Effects of rice leaf blast on spectrum reflectance of rice[J]. Journal of Shanghai Jiaotong University:Agricultural Science Edition, 2001, 20(3):73-76(in Chinese with English abstract)] |
| [13] | Mathus T J, Maderia A C. High resolution spectroradiometry:spectral reflectance of field bean leaves infected by Botrytis fabae[J]. Remote Sensing of Environment, 1993, 45:107-116 |
| [14] | 郭洁滨, 黄冲, 王海光, 等. 基于高光谱遥感技术的不同小麦品种条锈病病情指数的反演[J]. 光谱学与光谱分析, 2009, 29(12):3353-3357 [Guo J B, Huang C, Wang H G, et al. Disease index inversion of wheat stripe rust on different wheat varieties with hyper spectral remote sensing[J]. Spectroscopy and Spectral Analysis, 2009, 29(12):3353-3357(in Chinese with English abstract)] |
| [15] | 蒋金豹, 陈云浩, 黄文江, 等. 冬小麦条锈病严重度高光谱遥感反演模型研究[J]. 南京农业大学学报, 2007, 30(3):63-67. doi:10.7685/j.issn.1000-2030.2007.03.012 [Jiang J B, Chen Y H, Huang W J, et al. Study on hyperspectral remote sensing retroviral models about winter wheat stripe rust severity[J]. Journal of Nanjing Agricultural University, 2007, 30(3):63-67(in Chinese with English abstract)] |
| [16] | Kieckhefer R W, Kantaek B H. Losses in yield in spring wheat in South Dakota caused by cereal aphids[J]. Journal of Economic Entomology, 1980, 73:582-585 |
| [17] | Kieckhefer R W, Kantaek B H. Yield losses in winter grains caused by cereal aphids in South Dakota[J]. Journal of Economic Entomology, 1988, 81:317-321 |
| [18] | Kieckhefer R W, Gellner J L, Riedell W E. Evaluation of aphid-day standard as a predictor of yield loss caused by cereal aphids[J]. Agronomy Journal, 1995, 87:785-788 |
| [19] | Krause G H, Weis E. Chlorophyll fluorescence as a tool in plant physiology[J]. Photosynthesis Research, 1984, 5(2):139-157 |
| [20] | Krause G H, Weis E. Chlorophyll fluorescence and photosynthesis:the basics[J]. Annual Review of Plant Physiology and Plant Molecular Biology, 1991, 42:313-349 |
| [21] | Riedell W E. Effects of Russian wheat aphid infestation on barley plant response to drought stress[J]. Plant Physiology, 1989, 77:587-592 |
| [22] | 何国金, 胡德永, 金小华, 等. 北京麦蚜虫害的光谱测量与分析[J]. 遥感技术与应用, 2002, 17(3):120-124 [He G J, Hu D Y, Jing X H, et al. The spectral measurement and analysis of wheat aphid disaster in Beijing[J]. Remote Sensing Technology and Application, 2002, 17(3):120-124(in Chinese with English abstract)] |
| [23] | 乔红波, 程登发, 孙京瑞, 等. 麦蚜对小麦冠层光谱特性的影响研究[J]. 植物保护, 2005, 31(2):21-25 [Qiao H B, Cheng D F, Sun J R, et al. Effects of wheat aphid on spectrum reflectance of the wheat canopy[J]. Plant Protection, 2005, 31(2):21-25(in Chinese with English abstract)] |
| [24] | 罗菊花, 黄木易, 赵晋陵, 等. 冬小麦灌浆期蚜虫危害高光谱特征研究[J]. 农业工程学报, 2011, 27(7):205-219 [Luo J H, Huang M Y, Zhao J L, et al. Spectrum characteristics of winter wheat infected by aphid in filling stage[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(7):205-219(in Chinese with English abstract)] |
| [25] | Chen X M. Epidemiology and control of stripe rust(Puccinia striiformis f.sp.tritici)on wheat[J]. Canadian Journal of Plant Pathology, 2005, 27(3):314-337 |
| [26] | 赵俊芳, 房世波, 郭建平. 受蚜虫危害与干旱胁迫的冬小麦高光谱判别[J]. 国土资源遥感, 2013, 25(3):153-158 [Zhao J F, Fang S B, Guo J P. Hyperspectral identification of winter wheat under the conditions of aphid harm and drought threat[J]. Remote Sensing for Land and Resources, 2013, 25(3):153-158(in Chinese with English abstract)] |