一种滴灌棉田棉蚜数量快速监测模型的构建方法

技术领域

本发明属于植物保护领域，具体涉及一种滴灌棉田棉蚜数量快速监测模型的构建方法。

背景技术

棉花作为我国重要的经济作物，是我国乡村振兴基础性支撑产业，关乎着我国的国计民生。

棉田害虫一直困扰着棉花生产，制约着我国棉花产业全面振兴。棉花虫情诊断的指标中，虫口基数常被用于判断虫害发生等级。如何在害虫危害作物时进行快速有效的监测对农业的可持续发展极其重要。

目前有以下代表性的专利涉及到棉蚜数量监测，(1)一种棉花苗期棉蚜数量监测方法及系统(申请号：ZL2020106281818)。

本发明涉及一种棉花苗期棉蚜数量监测方法及系统。该方法包括：获取棉花品种；所述棉花品种包括新陆早45和鲁棉研24；根据所述棉花品种，获取棉花苗期棉蚜监测模型；根据所述棉花品种，获取最佳监测叶位的棉蚜数量；新陆早45的最佳监测叶位为第三叶位，鲁棉研24的最佳监测叶位为第五叶位；根据所述最佳监测叶位的棉蚜数量和所述棉花苗期棉蚜监测模型，确定整株棉花的棉蚜数量。本发明可以提高棉花苗期棉蚜数量监测的效率。

(2)棉花蕾期蚜害棉花冠层光谱特征提取及等级估测方法(申请号：201911087521.4)。

本发明公开了棉花蕾期蚜害棉花冠层光谱特征提取及等级估测方法，包括以下步骤：一、以低空无人机搭载成像高光谱仪获取棉花蕾期蚜害棉花冠层高光谱影像；二、分析不同受蚜害等级胁迫棉花的冠层光谱响应差异；三、根据棉花蕾期蚜害棉花冠层高光谱影像，利用比值导数法筛选出棉花蕾期蚜害棉花冠层敏感光谱波段；四、构建基于敏感光谱比值导数光谱值的偏最小二乘法的蚜害等级估测模型；五、将该模型应用于成像高光谱影像，获取田块尺度的蚜害等级分布图；本发明棉花蕾期蚜害棉花冠层光谱特征提取及等级估测方法，用于田块尺度蚜害等级分布快速监测，便于棉花蚜害施药与监测，可以辅助精准定量施药，减少环境污染，对实际生产有着十分重要的意义。

经过分析后的发现，上述方法均有缺陷，对于(1)来说，基于不同棉花品种苗期采集的单叶棉蚜数量数据，通过相关性分析筛选出最佳监测叶位，建立一元线性模型，可以快速实现棉花蚜虫数量的监测。但是棉花整个生育期都受棉蚜的危害，同时由于棉蚜中的有翅蚜具有迁飞性，随着棉花植株生育进程的推进及环境条件的适宜，棉蚜迅速繁殖扩散整个调查区域，该模型不能涉及棉花整个生育期棉蚜数量的监测。同时，棉蚜存在于棉花各个生育进程中，仅对盆栽环境下棉花苗期早期蚜害进行监测，而生产中大田环境复杂，该调查和取样方式不利于生产上棉田棉蚜数量实际情况的监测，所以构建的模型实用性不适用于滴灌棉田棉蚜数量的快速监测。

对于(2)来说，棉花蕾期是棉花的重要生育时期，通过无人机获取低空尺度下的成像光谱信息，基于偏最小二乘法建立的模型比较单一，同时，棉蚜是群居害虫，且具有迁飞性，对棉花生长后期蕾花铃期进行蚜害监测，其监测模型不利于棉花整个生育期棉蚜虫情数量信息的获取和监测。

可见，上述现有技术中的监测方法均有缺陷，特别是不适合滴灌棉田棉蚜数量的快速监测。

发明内容

针对目前存在的技术问题，本发明提供了一种滴灌棉田棉蚜数量快速监测模型的构建方法，基于棉花全生育期不同叶位棉蚜数量的变化情况，通过相关性分析，得到最佳监测层/监测叶位，然后采用线性回归模型构建棉蚜数量的监测模型，最后通过对模型进行评价，得到最佳监测模型，实现准确、快速获取滴灌棉田棉蚜数量的虫情信息。

本发明包括以下技术方案：

一种滴灌棉田棉蚜数量快速监测模型的构建方法，包括以下步骤：

1)划分棉株叶位和分层：

棉株进行分叶位和分层处理，按株高分为上层(C1)、中层(C2)、下层(C3)三部分；将每株的主茎叶(L0)取下，底部第一片主茎叶片为倒一叶，从下至上以此类推标记剩余主茎叶；

2)统计各主茎叶和分层部位棉蚜数量数据：

统计每片主茎叶上的蚜虫总数，以及剩余部分分别统计上层叶片(L1)、中层叶片(L2)、下层叶片(L3)和上层茎秆(S1)、中层茎秆(S2)、下层茎秆(S3)的蚜虫总数；

3)分析棉花植株上棉蚜数量的变化特征；

4)分析不同叶位/分层与棉蚜数量的相关性；

5)构建棉蚜数量监测模型与模型验证。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述棉田中种植的棉花为新陆中81号或塔河2号。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤3)中，新陆中81号株型松散，通风透光，温度较高时蚜虫附着在棉株上部，随着气温下降，蚜虫也逐步向中下层移动；且茎秆有绒毛，棉蚜较易附着。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤3)中，塔河2号株型为塔型，果枝较密，茎秆无绒毛，棉蚜分布较为均衡，温度变化对棉蚜分布影响较小。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤4)中，通过各叶位主茎叶片棉蚜数量与整株棉蚜数量(E0)进行相关性分析。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤4)中，新陆中81号各叶位棉蚜数量与整株棉蚜数量的关系较为密切，均呈正相关，其中倒3叶、倒4叶、倒7叶、倒10叶相关性较为密切，R

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤5)中，新陆中81号选择与整株棉蚜数量有显著性相关的5个变量L0、L1、L2、S1、S2构建一元线性回归模型(SLR)。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤4)中，塔河2号各叶位棉蚜数量与整株棉蚜数量均呈正相关，其中倒3叶～倒6叶棉蚜数量与整株棉蚜数量的关系较为密切，R

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述步骤5)中，塔河2号选择与整株棉蚜数量有显著性相关的6个变量L0、L2、L3、S1、S2，S3构建一元线性回归模型(SLR)。

进一步的，上述一种滴灌棉田棉蚜数量快速监测模型的构建方法，所述陆中81号的最佳监测叶为倒3叶，塔河2号的最佳监测叶为倒6叶。

进一步的，本发明公开了上述滴灌棉田棉蚜数量快速监测模型的构建方法构成的监测模型。

进一步的，本发明公开了上述滴灌棉田棉蚜数量快速监测模型的构建方法在棉花种植领域的应用，在陆中81号的种植中，监测其倒3叶；在塔河2号的种植中，监测其倒6叶。

本发明具有如下有益效果:

目前，在棉花的生产过程中，对棉蚜防控的依据还主要是传统的人工调查，该方法具有一定的准确性，但是由于调查样点需要选取调查样株上、中、下三片棉叶，然后换算成百株蚜量，最后分析出棉蚜危害等级，该过程需要耗费大量的人力和时间。所以，明晰棉花叶片棉蚜数量的分布规律及特点，建立一个精准的监测模型，可以大大减少工作量，并提升虫情信息获取的效率。

本发明公开了一种滴灌棉田棉蚜数量快速监测模型的构建方法，使用大田采样的方式，人工对棉花植株上每个主茎叶片和整株进行棉蚜数量信息采集，明晰不同叶位棉蚜数量的变化特征；通过相关性分析和一元线性回归进行棉花整株棉蚜数量监测模型的构建，确定最佳监测叶位和最佳监测模型，来实现基于棉田蚜虫数量的快速监测。通过明晰叶片的棉蚜数量的变化规律，利用不同叶位蚜虫数量来准确、快速获取蚜害情况，不仅可以降低人工调查的人力与时间的投入，为作物虫害的快速监测提供科学依据。

附图说明

图1棉株划分示意图；

图2棉蚜在棉株上的垂直分布特征，其中A：棉蚜随时间在棉株上的分布比率(％)，B：各部位蚜虫占整株蚜虫的比率(％)，C：棉蚜在棉株上的分布比率(％)；

图3不同叶位与整株棉蚜量的相关性。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。

实施例

一种滴灌棉田棉蚜数量快速监测模型的构建方法，包括以下步骤：

第一步，划分棉株叶位和分层。

棉株进行分叶位和分层处理，按株高分为上层(C1)、中层(C2)、下层(C3)三部分；将每株的主茎叶(L0)取下，底部第一片主茎叶片为倒一叶，从下至上以此类推标记剩余主茎叶，

第二步，统计各主茎叶和分层部位棉蚜数量数据。

统计每片主茎叶上的蚜虫总数，以及剩余部分分别统计上层叶片(L1)、中层叶片(L2)、下层叶片(L3)和上层茎秆(S1)、中层茎秆(S2)、下层茎秆(S3)的蚜虫总数。

第三步，分析棉花植株上棉蚜数量的变化特征。

棉蚜喜欢聚集在叶片上，主要是上层叶片以及主茎叶上，新陆中81号株型松散，通风透光，温度较高时蚜虫附着在棉株上部，随着气温下降，蚜虫也逐步向中下层移动；且茎秆有绒毛，棉蚜较易附着。塔河2号株型为塔型，果枝较密，茎秆无绒毛，棉蚜分布较为均衡，温度变化对棉蚜分布影响较小。如图2所示。

第四步，分析不同叶位与棉蚜数量的相关性。

通过各叶位主茎叶片棉蚜数量与整株棉蚜数量(E0)进行相关性分析，由结果如图3所示，发现新陆中81号各叶位棉蚜数量与整株棉蚜数量的关系较为密切，均呈正相关。其中倒3叶、倒4叶、倒7叶、倒10叶相关性较为密切，R

第五步，构建棉蚜数量监测模型与模型验证。

通过相关性分析，新陆中81号选择与整株棉蚜数量有显著性相关的5个变量，构建一元线性回归模型(SLR)。如表1所示，在采用单个变量监测整株棉蚜数的SLR模型中，建模对象为L0和S1时模型的精度最高，R

表1不同部位棉蚜数的整株棉蚜发生量一元线性回归(SLR)模型(新陆中81号)

表2不同部位棉蚜数的整株棉蚜发生量一元线性回归(SLR)模型(塔河2号)

由以上实施例可知，本发明采用植株分叶位、分层技术，采集棉花不同叶片与分层的棉蚜数量，分析单叶叶片和分层的棉蚜数量规律，通过相关性和一元线性回归模型进行监测模型构建，最后通过3种评价指标对模型进行评价，筛选出最佳监测模型，所述陆中81号的最佳监测叶为倒3叶，塔河2号的最佳监测叶为倒6叶，通过确定最佳监测叶位和最佳监测模型，来实现基于棉田蚜虫数量的快速监测。

最后所应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明专利的保护范围之内。