CN114965884A - 一种室内监测稻田褐飞虱种群大小的方法 - Google Patents

一种室内监测稻田褐飞虱种群大小的方法 Download PDF

Info

Publication number
CN114965884A
CN114965884A CN202210536200.3A CN202210536200A CN114965884A CN 114965884 A CN114965884 A CN 114965884A CN 202210536200 A CN202210536200 A CN 202210536200A CN 114965884 A CN114965884 A CN 114965884A
Authority
CN
China
Prior art keywords
rice
monitoring
brown planthopper
brown
leaves
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210536200.3A
Other languages
English (en)
Other versions
CN114965884B (zh
Inventor
刘向东
郎志飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Agricultural University
Original Assignee
Nanjing Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Agricultural University filed Critical Nanjing Agricultural University
Priority to CN202210536200.3A priority Critical patent/CN114965884B/zh
Publication of CN114965884A publication Critical patent/CN114965884A/zh
Application granted granted Critical
Publication of CN114965884B publication Critical patent/CN114965884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098Plants or trees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Botany (AREA)
  • Algebra (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明为农业害虫领域提供了一种室内监测稻田褐飞虱种群大小的方法。针对水稻褐飞虱种群监测难度大、缺少室内方法的问题,发明了利用水稻叶片指标在室内监测褐飞虱种群数量的方法,其特征是:在室内测定不受褐飞虱危害的水稻叶片SPAD值、硅含量、相对含水量和可溶性糖含量,以及被不同数量褐飞虱危害后水稻叶片的相应指标,将各受害水稻叶片的指标值除以不受害叶片的相应值得到叶片的比率指数,利用比率指数构建褐飞虱种群数量监测模型;对待测稻田叶片的比率指数进行室内测定,并代入监测模型估计出水稻上褐飞虱种群的数量大小。本发明方法简单且在室内进行,解决了田间监测受天气限制的难题,为全天候监测褐飞虱种群数量提供了新方法。

Description

一种室内监测稻田褐飞虱种群大小的方法
技术领域
本发明属于农业害虫领域,具体涉及一种利用水稻叶片理化特征监测重要农业害虫褐飞虱种群大小的方法。
背景技术
褐飞虱对水稻的危害大,能引起水稻的减产,甚至绝收。及时进行防治是降低褐飞虱危害的重要措施。种群数量大小的监测在褐飞虱防治中起着重要作用。褐飞虱的防治时间和防治对象田的确定,需要依靠田间种群发生数量的监测结果。因此,及时准确地监测田间褐飞虱种群数量大小是对该虫进行有效防控的关键。
目测计数法是现今普遍利用的褐飞虱田间种群数量监测方法。该方法需要人员下田进行取样与目测计数褐飞虱个体数。利用该方法进行褐飞虱种群数量监测时需1人下田调查,1人记录结果,单人很难完成。该方法具有可直接察看田间褐飞虱发生情况的优点,但是也具有下田调查工作量大、调查人员需有昆虫学专业知识、调查范围有限、调查时间易受天气等因素影响、调查难以单人完成等明显不足。现用的目测计数法已不太符合现代农业向自动化和智能化方向发展的要求,因此创建新的褐飞虱种群数量监测方法显得尤其重要。随着图像识别技术的发展,现已提出采用对水稻基部进行拍照采集褐飞虱图像,然后利用计算机图像识别和自动计数方法获取照片视野范围内褐飞虱种群数量的方法来进行褐飞虱的调查。虽然这种方法不需要人工目测计数褐飞虱,提高了计数的速度和准确性,但是需要人员下田进行图像采集,采集到的图像需上传到高性能计算分析系统进行图像处理、识别与计数。褐飞虱个体小,受惊后会快速躲避,因此在光线微弱的密集稻丛中拍摄到清晰的褐飞虱图片很不容易,因此该方法还没推广使用。另外,采用水稻冠层温度或光谱指标监测褐飞虱种群数量的方法已有研究报道,但是这些方法对监测天气和时间有特殊要求,如需在晴朗无风天气的午间进行。因此,目前褐飞虱种群数量的监测还缺少不受环境条件限制的室内监测方法。室内监测方法的建立将可实现对稻田飞虱的全天候监测。
发明内容
本发明的目的是提供一种适合室内监测稻田褐飞虱种群数量的方法。本方法以水稻叶片的理化指标间接表征危害水稻的褐飞虱种群的数量大小,通过田间采集叶片,室内检测叶片理化指标,实现在室内监测出稻田褐飞虱种群大小的目的。
本发明的目的是通过以下方法达到的:
在室内测定不被褐飞虱危害水稻和被不同数量褐飞虱危害后水稻叶片的SPAD值、硅含量、相对含水量、可溶性糖含量4个指标,建立受褐飞虱危害后水稻叶片的4个指标值与不受危害水稻叶片相应指标值的比率指数,以各水稻叶片的4个比率指数为自变量构建其与褐飞虱种群数量的关系模型,然后依据待测区域水稻叶片的4个比率指数大小,利用关系模型反演出该区域内危害水稻的褐飞虱种群的数量,从而实现稻田褐飞虱种群数量的室内监测。
本发明的效果:
本发明与现今正在使用的目测计数法相比,产生以下有益效果:(1)下田采集水稻叶片比目测调查计数褐飞虱简单、快速、工作量小,可在短时间内完成大区域水稻叶片的采集工作。(2)适用人群广,采集叶片和检测可由1人或多人完成,并且对人员的昆虫学专业水平没有要求。(3)水稻叶片的理化指标可由机器自动检测完成,因此有望实现褐飞虱室内监测的自动化。
具体实施方式
本发明方法可按以下方式进行实现,但不局限于此方式。
对照水稻的设定方法:在稻田中选择长势与大田一致但没有褐飞虱危害的水稻,作为对照水稻。
水稻叶片理化指标测定:在褐飞虱迁入水稻7天后在大田不同区域采集水稻叶片,同时采集对照水稻叶片,带回室内采用常规方法进行各叶片SPAD值、硅含量、相对含水量、可溶性糖含量4个指标的测定。
水稻叶片比率指数的建立方法:以对照水稻叶片的4个理化指标值为标准,将各区域采集的水稻叶片的测量值除以对照水稻的相应值,得到各区域水稻叶片的4个比率指数,计算公式如下:
叶片SPAD值的比率指数(SPAD)=大田水稻叶片的SPAD值/对照水稻叶片的SPAD值;
叶片硅含量的比率指数(Si)=大田水稻叶片中硅含量/对照水稻叶片中硅含量;
叶片相对含水量的比率指数(H2O)=大田水稻叶片的相对含水量/对照水稻叶片的相对含水量;
叶片可溶性糖含量的比率指数(Sugar)=大田水稻叶片中可溶性糖含量/对照水稻叶片中可溶性糖含量。
褐飞虱种群数量监测模型组建方法:在水稻小区内接入不同数量的褐飞虱,危害不同天数后采集水稻叶片,同时在不接褐飞虱的对照水稻上采集叶片,测定叶片的理化指标并计算比率指数,以水稻叶片的4个比率指数为自变量,水稻上褐飞虱虫量为因变量,采用多元线性回归建模方法进行褐飞虱种群数量大小(记为NBPH)监测模型的构建,如NBPH=C0+C1×SPAD+C2×Si+C3×H2O+C4×Sugar,其中C0,C1,C2,C3,C4为待定常数,不同生育期水稻被褐飞虱危害不同天数时其取值会有所变化,可根据实际情况事先确定。
稻田褐飞虱种群数量的室内监测方法:在褐飞虱迁入后不同天数采集待监测田的水稻叶片及经目测调查没有褐飞虱存在的水稻叶片,带回室内进行SPAD值、硅含量、相对含水量、可溶性糖含量的测定,计算待监测田水稻叶片的4个比率指数,代入监测模型,即可得出待监测稻田褐飞虱种群数量的大小。
实施效果:
在品种为“武运粳7号”的分蘖期、拔节期、孕穗期和抽穗期水稻上分别接入不同数量羽化后1天的褐飞虱成虫,形成有不同数量褐飞虱发生的水稻小区,褐飞虱在水稻上自然取食危害。以不接褐飞虱的小区作为对照水稻。在褐飞虱危害7天和14天时分别在各小区内随机剪取水稻叶片,放在低温保存盒中带回室内,采用常规检测方法进行叶片SPAD值、硅含量、相对含水量、可溶性糖含量共4个指标的测定,计算各小区水稻叶片的4个比率指数。研究发现,水稻叶片的4个比率指数与危害水稻的褐飞虱数量间存在稳定的负相关关系,比率指数值越小,褐飞虱种群数量越高(表1)。以各小区叶片与对照水稻叶片的4个指标的比率指数为因子,构建褐飞虱种群数量的多元线性回归监测模型,在水稻4个生育期分别被褐飞虱危害7天和14天共8种情形下建立的监测模型均能通过显著性检验,用所建模型监测出的褐飞虱种群数量与实际数量间具有极显著的相关性(表2),可用于褐飞虱种群数量的监测。同时针对大区域稻田有可能存在多种生育期水稻共存的情形,建立了基于4个叶片比率指数的适用于各生育期水稻的褐飞虱危害7天和14天时两种情形下的数量监测模型,模型同样通过了显著性检验,并且分别对4个生育期水稻上褐飞虱的虫量进行监测,其监测数量与实际发生数量间也具有极显著的相关性(表3)。对稻田多种情形下褐飞虱种群数量的监测结果一致表明,利用水稻叶片的4个比率指数可实现稻田褐飞虱种群数量的室内监测。
该方法实施表明,水稻叶片的4个比率指数联合可表征水稻上褐飞虱种群数量的大小,可用于褐飞虱种群数量的室内监测。该方法只需采集稻叶进行室内理化指标检测,采集稻叶简单、工作强度不高,且可由1人或多人随时进行;叶片理化指标检测可由仪器设备完成,对专业要求不高,且具有自动化前景;建立的监测模型简单,易于开发监测软件。因此,本室内监测褐飞虱种群数量的方法简便、适用人群广,可实现在室内对大区域稻田的褐飞虱种群数量进行监测。
表1水稻在不同生育期受褐飞虱危害7天与14天时叶片比率指数与褐飞虱种群数量间的相关系数
Figure BSA0000273307480000031
注:*和**表示相关显著和极显著,ns表示相关不显著。
表2水稻在不同生育期受褐飞虱危害7天和14天共8种情形下褐飞虱种群数量(NBPH-7和NBPH-14)监测模型及其效果
Figure BSA0000273307480000032
Figure BSA0000273307480000041
注:**表示相关极显著。
表3适用于不同生育期水稻危害7天和14天的褐飞虱种群数量(NBPH-7和NBPH-14)监测模型及其效果
Figure BSA0000273307480000042
注:**表示相关极显著。

Claims (1)

1.一种室内监测稻田褐飞虱种群大小的方法,其特征在于,室内测定受不同数量褐飞虱危害后水稻叶片和未被褐飞虱危害对照水稻叶片的SPAD值、硅含量、相对含水量和可溶性糖含量指标,计算受害叶片和对照水稻叶片各指标的比值,作为叶片比率指数,建立叶片比率指数与褐飞虱种群数量间关系模型;在大田采集待监测田块的水稻叶片和没受到褐飞虱危害的水稻叶片,带回室内进行叶片SPAD值、硅含量、相对含水量和可溶性糖含量测定,得到叶片比率指数,根据关系模型估计出待监测稻田褐飞虱种群数量的大小。
CN202210536200.3A 2022-05-17 2022-05-17 一种室内监测稻田褐飞虱种群大小的方法 Active CN114965884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210536200.3A CN114965884B (zh) 2022-05-17 2022-05-17 一种室内监测稻田褐飞虱种群大小的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210536200.3A CN114965884B (zh) 2022-05-17 2022-05-17 一种室内监测稻田褐飞虱种群大小的方法

Publications (2)

Publication Number Publication Date
CN114965884A true CN114965884A (zh) 2022-08-30
CN114965884B CN114965884B (zh) 2023-07-18

Family

ID=82982883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210536200.3A Active CN114965884B (zh) 2022-05-17 2022-05-17 一种室内监测稻田褐飞虱种群大小的方法

Country Status (1)

Country Link
CN (1) CN114965884B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447512A (zh) * 2016-09-13 2017-02-22 江西省农业科学院植物保护研究所 一种量化评价田间天敌控制稻飞虱种群自然增长的方法
CN109168808A (zh) * 2018-09-14 2019-01-11 南京农业大学 一种利用水稻冠层温度指数监测褐飞虱种群数量的方法
CN110476750A (zh) * 2019-08-23 2019-11-22 湖南隆平高科种业科学研究院有限公司 一种水稻苗期抗褐飞虱规模化鉴定与筛选方法
US20200141877A1 (en) * 2018-11-06 2020-05-07 Nanjing Agricultural University Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle
CN113065230A (zh) * 2021-03-16 2021-07-02 吉林大学 基于优化光谱指数建立水稻叶片spad的高光谱反演模型
CN114279490A (zh) * 2021-11-22 2022-04-05 杭州睿坤科技有限公司 一种用于大田作物病虫害监测设备及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447512A (zh) * 2016-09-13 2017-02-22 江西省农业科学院植物保护研究所 一种量化评价田间天敌控制稻飞虱种群自然增长的方法
CN109168808A (zh) * 2018-09-14 2019-01-11 南京农业大学 一种利用水稻冠层温度指数监测褐飞虱种群数量的方法
US20200141877A1 (en) * 2018-11-06 2020-05-07 Nanjing Agricultural University Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle
CN110476750A (zh) * 2019-08-23 2019-11-22 湖南隆平高科种业科学研究院有限公司 一种水稻苗期抗褐飞虱规模化鉴定与筛选方法
CN113065230A (zh) * 2021-03-16 2021-07-02 吉林大学 基于优化光谱指数建立水稻叶片spad的高光谱反演模型
CN114279490A (zh) * 2021-11-22 2022-04-05 杭州睿坤科技有限公司 一种用于大田作物病虫害监测设备及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐磊等: "水稻冠层反射光谱监测褐飞虱种群密度及水稻穗粒质量的可能性", 南京农业大学学报, vol. 39, no. 6, pages 954 - 959 *
李再园等: "施氮水平对水稻抵御白背飞虱能力的影响机制", 江苏农业科学, vol. 46, no. 3, pages 88 - 91 *

Also Published As

Publication number Publication date
CN114965884B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
Lopes et al. Easy and accurate estimation of grapevine leaf area with simple mathematical models
Vertessy et al. Relationships between stem diameter, sapwood area, leaf area and transpiration in a young mountain ash forest
CN102435564B (zh) 一种基于三波段光谱指数估测植物氮含量的方法
CN109827957B (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及系统
CN103411846A (zh) 基于高光谱技术的叶面降尘量测定方法
CN111751376B (zh) 一种基于冠层图像特征衍生的水稻氮素营养估算方法
CN209802305U (zh) 一种用于农作物产量评估的系统
CN109271919B (zh) 一种基于grb和网格模式的植被覆盖度测定方法
Vanclay et al. Assessing the quality of permanent sample plot databases for growth modelling in forest plantations
CN107229999A (zh) 作物产量的预测方法、系统、计算机设备及可读存储介质
WO2024061159A1 (zh) 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法
CN102663396B (zh) 一种水稻乳熟期自动检测的方法
Yuan et al. Diagnosis of nitrogen nutrition of rice based on image processing of visible light
CN114140695B (zh) 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN114219795A (zh) 一种基于高光谱成像系统的茶树干旱诱导成分及干旱程度评估的预测方法和系统
CN114965884A (zh) 一种室内监测稻田褐飞虱种群大小的方法
CN111223002B (zh) 一种玉米区域干物质产量或青储产量评估方法和系统
Olmstead et al. Nondestructive measurement of vegetative cover using digital image analysis
Qian et al. Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings
CN110674453B (zh) 一种获取棉花叶片丛聚指数的数字图像方法及系统
CN113607734B (zh) 无损式估测植物叶绿素含量及分布的可视化方法
CN109168808B (zh) 一种利用水稻冠层温度指数监测褐飞虱种群数量的方法
CN115201412A (zh) 一种基于植株形态的棉花水分诊断方法
Jia et al. Methane emissions monitoring of rice fields using RADARSAT-2 data
CN114112991B (zh) 一种设施甜瓜盐害无损测定方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant