论文部分内容阅读
油菜菌核病是一种位居油菜三大病害之首的真菌性病害,严重影响油菜的产量和品质,从苗期至收获期均可发生。感染核盘菌的花瓣被认为是主要传染源,染菌花瓣可迅速引起油菜茎、叶组织的发病;坏死的茎秆又可造成整株的倒伏,造成的损失最为严重;同时,染病的叶片组织还会影响植株营养物质的传送,对油菜籽粒质量造成严重影响。因此,进行核盘菌侵染油菜植株的快速检测具有重要意义。本研究以油菜作物为研究对象,应用可见-近红外高光谱成像技术,通过检测油菜叶片核盘菌侵染组织处的光谱特性和叶绿素含量的变化来实现核盘菌侵染油菜叶片的动态监测;采用激光共聚焦显微拉曼光谱技术,通过检测不同病斑直径周围组织的拉曼光谱从微观角度进行核盘菌早期侵染的动态诊断;采用近红外高光谱技术和拉曼光谱技术进行核盘菌侵染油菜花瓣快速诊断检测;并通过花瓣样本化合物的拉曼成像分布变化实现核盘菌侵染过程中油菜花瓣成分的可视化检测;采用激光共聚焦显微拉曼光谱技术,通过检测油菜茎秆横截面健康组织与核盘菌侵染组织处化合物的化学成像从微观角度进行核盘菌侵染茎秆的早期诊断。从宏观角度（叶片、花瓣表面）以及微观角度（细胞）出发,运用多种光谱实现了核盘菌侵染油菜叶片、花瓣和茎秆组织的早期诊断,同时也为深入研究寄主-病原物在细胞层面上的互作机制提供新的研究途径,也为农业田间作物的科学施药和精准化管理提供理论基础和技术支撑。主要研究结论如下:（l）采用高光谱成像技术进行核盘菌侵染油菜叶片动态发展的快速检测。以健康的和染菌不同阶段油菜叶片的高光谱响应规律出发,通过各四类样本间的反射率差值结合单因素方差分析（Analysis of variance,ANOVA）发现健康样本与染病不同阶段样本在687nm处存在显著性差异（p<0.05）;运用主成分分析（Principal componentanalysis,PCA）发现健康样本与染病不同阶段的样本在主成分-l（principal component,PC-1）和主成分-4（PC-4）组成的二维空间可以形成较好的聚类;采用反射率差值、x载荷系数（x-loadings）和随机青蛙算法（Random frog,RF）选择的特征波段建立偏最小二乘判别分析（Partial least squares discriminantanalysis,PLS-DA）模型,结果发现由 RF 选出的 630,640,650,757 和 789 nm特征波段所建立的PLS-DA模型判别准确率为71.3%;由RF选出的6条特征波段（565,626,637,640,650和790 nm）与油菜叶片叶绿素含量建立的偏最小二乘回归（Partial least square regression,PLSR）模型的相关系数达0.663,并基于PLSR模型得到线性公式:y=4.028-2.411x1-2.123x2-2.771x3-0.140x4-2.586x5-2.037x6,（y是预测的叶绿素含量;xi是波长在i nm处对应的光谱反射值）,借助以上公式和开发的图像分析算法得到油菜叶片叶绿素含量的化学成像,从而实现核盘菌侵染油菜叶片动态发展的快速检测。（2）采用显微拉曼光谱技术从微观角度进行核盘菌侵染油菜叶片的早期动态诊断。获取核盘菌侵染的三个阶段区域处（健康,染病区1和染病区2）的拉曼光谱,采用小波变换（Warelet transform,WT）与基线校正（Baseline）进行拉曼光谱的预处理;并运用ANOVA进行统计分析,结果发现:三类样本位于特征峰1006,1156和1522 cm-1处的拉曼强度值在p<0.05水平处存在显著性差异;三类样本在PC-1和PC-2组成的二维空间以及1006,1156和1522 cm-1构成的三维空间具有较好的聚类效果;基于PC-1,PC-2和特征峰1006,1156和1522 cm-1数据建立的LS-SVM判别模型的识别率分别为100%,66.7%,70.0%,100%和100%;研究结果表明采用1156 cm-1和1522 cm-1建立的判别模型可以实现核盘菌侵染油菜叶片的早期动态诊断。（3）应用近红外高光谱进行核盘菌侵染油菜花瓣的快速检测。应用PCA进行健康花瓣与染菌花瓣的聚类分析,结果发现健康花瓣与染菌花瓣在PC-3坐标轴上具有明确分类;ANOVA分析发现,健康花瓣与染菌花瓣在根据主成分-3的x载荷系数选出的1446 nm波段（p<0.05）处具有显著性差异;采用根据x-载荷系数和RF提取特征波段建立LS-SVM判别模型,结果发现根据x-载荷系数和RF挑选的6条特征波段（1190,1460,1463,1524,1446,1656nm）所建立的LS-SVM模型的识别精度达92.7%。（4）采用激光显微拉曼光谱技术进行核盘菌侵染油菜花瓣的快速检测,并通过健康花瓣与染病花瓣组织处化合物的化学成像来实现核盘菌侵染过程中油菜花瓣成分变化的原位在体检测。基于主成分分析进行数据的压缩和聚类分析,结果发现两类样本在PC-1和PC-2组成的空间域有较好的聚类效果,根据x-载荷系数和回归系数法（regression coefficients）进行特征峰的选取并建立LS-SVM判别模型,结果表明基于指纹峰识别的5个特征峰(1006,1156,1188,1213和1522cm-1)建立的模型识别率为95.08%,而采用x载荷系数选择的7个特征峰(1006,1077,1156,1188,1271,1392和1526cm-1)建模达到100%的识别率。采用由指纹峰识别的5个特征峰进行单波段化学成像,结果发现健康花瓣上物质分布均匀,而染菌花瓣由于菌丝的侵染造成内部细胞的破损而出现化合物的分布不均。研究结果表明,从微观角度可以进行健康花瓣与染病花瓣组织处化合物的化学成像,进而实现核盘菌侵染过程中油菜花瓣成分的可视化检测。（5）结合表面增强与激光共聚焦显微拉曼光谱成像技术进行核盘菌侵染油菜茎秆横截面细胞的微观检测。以银纳米溶胶为表面增强剂,采用中值滤波和自适应迭代重加权惩罚最小二乘法（Adaptive iterative re-weighted penalized least squares,air-PLS）进行拉曼光谱的噪声以及荧光背景预处理;获取核盘菌侵染茎秆横截面组织处不同位置的拉曼光谱,采用PCA对三类不同染病程度的茎秆细胞进行聚类分析。结果发现样本在PC-1,PC-2和PC-3组成的三维空间具有较好的聚类效果;采用1122 cm-1处拉曼峰值建立的LS-SVM判别模型的识别率为83.3%;基于特征峰1005,1122,1156,1522,1307和1365 cm-1分别进行单波段成像用于观察细胞化合物变化趋势;结果表明,采用表面增强拉曼显微成像技术可以从细胞层次实现核盘菌侵染油菜茎秆的早期检测。