?
在大豆的種植中，對雜草的管理有利于作物產(chǎn)量最大化。研究發(fā)現(xiàn)麥草畏可有效防除數(shù)種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標漂移或蒸氣漂移會嚴重危害易感作物，包括麥草畏不耐受性作物。因此評估麥草畏漂移對農(nóng)作物的損害對于有效控制雜草具有重要的意義。目前，作物損害主要是通過評估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來確定的。但是，這些評估需要耗費大量的勞動力。對于大尺度農(nóng)田的評估，則需要更快速且經(jīng)濟高效的方法。高光譜成像（HSI）可以快速掃描植物樣品且能獲得圖像中每個像素的完整反射光譜，已用于植物生理和生化特性的鑒定以及有毒金屬，鹽和病蟲害引起的植物脅迫的檢測。同時結(jié)合許多機器學習（ML）算法，例如貝葉斯決策，最大似然分類，K均值聚類，隨機森林，支持向量機和人工神經(jīng)網(wǎng)絡(luò)可以檢測，監(jiān)測和量化作物損害。
在這篇文章中，科學家們利用Resonon Pika Ⅱ VNIR高光譜成像系統(tǒng)進行了相關(guān)的研究，旨在：
（1）了解不同麥草畏噴霧比率下生理參數(shù)，產(chǎn)量和相應(yīng)光譜響應(yīng)的變化；
（2）確定適當?shù)墓庾V特征，以評估麥草畏比率對植物的影響；
（3）基于高光譜成像，使用機器學習算法建立模型，評估麥草畏比率。
?
1 研究區(qū)域
田間試驗于美國密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場的美國農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進行。試驗場布設(shè)如圖1所示。大豆于2014年5月7日播種。2014年3月下旬，在實驗區(qū)域的周圍種植了玉米用于建立緩沖區(qū)，最大程度地減少麥草畏向/從鄰近田間的噴灑漂移。
?
2?結(jié)果
2.1 麥草畏引起的光譜響應(yīng)和生理變化
比較不同麥草畏比率下大豆的平均光譜時，從1WAT和3WAT的結(jié)果中都可以清楚地觀察到有序變化模式（圖5（A，B））。隨著麥草畏比率的增加，綠色植被的一些典型光譜特征，如綠色峰值，紅色山谷和紅色邊緣逐漸變得模糊。與未處理的對照樣品相比，1WAT和3WAT上的光譜比曲線提供了清晰的光譜變化圖，在480-510 nm和640-690 nm處有兩個峰，在730 nm以上光譜比較低且變化平穩(wěn)（圖5（C，D ））。此外，可以看出，0.2X麥草畏比率是一個轉(zhuǎn)折點，接受較低劑量的植物將恢復(fù)，而接受較高劑量（包括0.2X）的植物將變得衰弱。在1WAT時可以觀察到0.05–0.1X樣品與0.2–1.0X樣品之間的光譜差異（圖5（A）），而在3WAT時則更加清晰（圖5（B））。
?
2.2 區(qū)分可恢復(fù)和不可恢復(fù)的情況
0.05–0.1X樣品和0.2–1.0X樣品之間的JM距離和t檢驗的P值曲線（圖6（A，B））顯示了波段對麥草畏處理后大豆植株可恢復(fù)性的敏感性。圖6（C）顯示了基于1WAT和3WAT合并數(shù)據(jù)的JM距離。從中確定了三個最佳敏感波段，分別位于495、679和752 nm處，它們對應(yīng)于JM距離曲線的光譜峰值。這些光譜值用于開發(fā)可恢復(fù)性指數(shù)。1和3WAT三個波段的t檢驗結(jié)果證實，0.05–0.1X樣本和0.2–1.0X樣本在統(tǒng)計學上具有顯著性差異。如圖6（C）所示，麥草畏處理的樣品在495和679 nm處的反射率趨于明顯增加，而在752nm處則降低。如圖7所示，HDRI（除草劑破壞比指數(shù)）的臨界值為2.89（1WAT）和2.58（3WAT），HDNI（除草劑破壞歸一化指數(shù)）的臨界值為2.15（1WAT）和2.82（3WAT）。根據(jù)驗證樣本，HDRI的可恢復(fù)和不可恢復(fù)樣品的OA達到0.91（1WAT）和0.95（3WAT），而HDNI分別達到0.92（1WAT）和0.97（3WAT）。因此通過HIS分析可以將大豆植物的可恢復(fù)性和不可恢復(fù)性區(qū)分開。
?
?
2.3 通過光譜特征量化麥草畏比率
圖8（A）顯示了可恢復(fù)情況下，基于1和3WAT合并數(shù)據(jù)的0.05X樣本和0.1X樣本之間的JM距離和t檢驗的P值。在JM距離曲線的峰值處識別出三個敏感波段，分別位于409、516、684 nm處。波段的P＜0.01，這樣可以確保差異的統(tǒng)計顯著性。對敏感性光譜特征進行以R2≤0.8為標準的互相關(guān)檢查，共保留了八個敏感性光譜特征作為模型的輸入變量：409和684nm，b，r，WID550-750，GI，TCARI和PSRI。
圖8（B）顯示了不可恢復(fù)情況下，Spearman相關(guān)系數(shù)的絕對值|R|以及相關(guān)分析的P值。在|R|曲線的峰值處確定了403、540和719 nm處的三個敏感波段。波段的P＜0.01，確保了波段選擇的有效性。同樣地，根據(jù)敏感性分析和互相關(guān)檢查，保留了七個敏感性光譜特征：403，719 nm，SDb，DEP550-750，WID550-750，PRI，MCARI。
?
基于可恢復(fù)和不可恢復(fù)情況下選擇的SFs，使用NB，GA-SVM和1WAT和3WAT上的RF建立了分類模型。除了僅基于SFs的模型外，還建立了同時包含SFs和植物Ht的綜合模型。表2總結(jié)了兩種模型在不同算法和特征組合下的OA和Kappa系數(shù)?？苫謴?fù)情況模型的準確性顯著高于不可恢復(fù)情況模型的準確性。與僅由SFs驅(qū)動的模型（以下稱為SFs模型）相比，由SFs和Ht驅(qū)動的模型（以下稱為SFs+Ht模型）顯示出更高的準確性。?對于這三種算法，NB或RF在不同變量組合下顯示出最高的準確性。
對于與可恢復(fù)情況相對應(yīng)的模型，SFs模型的OA和Kappa系數(shù)在1WAT時范圍分別為0.69–0.75和0.38–0.50，在3WAT時分別為0.56–0.69和0.13–0.38。SFs+Ht模型顯示出更高的準確性，因為在1WAT時OA和Kappa分別為0.88–0.94和0.75–0.88，且在3WAT時三種算法均達到0.94（OA）和0.88（Kappa）。除了在1WAT時的SFs模型（NB算法準確性最高），其余均表現(xiàn)為RF優(yōu)于其他兩種算法。
對于與不可恢復(fù)情況相對應(yīng)的模型，在1WAT時，SFs模型中OA和Kappa值從最高值分別降低到0.53和0.38，而在3WAT時，僅降低到0.38和0.17。SFs+Ht模型產(chǎn)生相對較高的準確性，在1WAT時，OA和Kappa值最高分別達到0.63和0.46，在3WAT時分別達到0.69和0.58。
?
3?結(jié)論
（1）HIS可以清楚地捕捉到麥草畏噴霧造成的大豆傷害的光譜響應(yīng)；
（2）通過除草劑可恢復(fù)性光譜指數(shù)—除草劑破壞比指數(shù)（HDRI）和除草劑破壞歸一化指數(shù)（HDNI）可以準確地區(qū)分噴灑除草劑引起的可恢復(fù)和不可恢復(fù)的損害，總體準確度（OA）高于90%；
（3）使用最佳光譜特征集，可以確定可恢復(fù)和不可恢復(fù)情況下的麥草畏噴霧比率。在可恢復(fù)的情況下，光譜特征加上植物高度可以產(chǎn)生相對較高的精度（OA=94%）。
高光譜成像系統(tǒng)在評估農(nóng)作物損害上的應(yīng)用.pdf