《Agriculture》:Early Pest-Stress Detection and Pest-Type Discrimination in Maize Using Multi-Source Physiological and Spectral Data with Stage-Consistency-Constrained Feature Selection
编辑推荐:
中文翻译:
玉米在全球粮食生产中具有重要地位,而害虫对其产量和品质造成不利影响。多源生理与光谱响应可支持早期害虫识别,但变量间的相关性以及判别效应随时间的变化可能引入冗余或时期特异性特征,导致选择结果不稳定并增加模型复杂度。本研究提出了一种时期一致性约束特征选
中文翻译:
玉米在全球粮食生产中具有重要地位,而害虫对其产量和品质造成不利影响。多源生理与光谱响应可支持早期害虫识别,但变量间的相关性以及判别效应随时间的变化可能引入冗余或时期特异性特征,导致选择结果不稳定并增加模型复杂度。本研究提出了一种时期一致性约束特征选择方法(stage-consistency-constrained feature selection,SCCFS),其中时期一致性指判别能力在2–12 h观测组间的持续性。拔节期玉米植株被分为健康对照、机械损伤、食叶害虫和蛀茎害虫四类处理。气体交换、叶绿素荧光、光谱指数及400–1000 nm ASD反射光谱共提供613个候选变量,用于害虫检测与虫害类型判别。SCCFS综合评估了整体判别能力、时间持续性和重采样可重复性,并通过前向选择和一标准误规则确定紧凑特征子集。采用收缩线性判别分析(shrinkage linear discriminant analysis,LDA)时,SCCFS在害虫检测中取得0.9639的宏F1值(Macro-F1),在虫害类型判别中取得0.9926的宏F1值。基于径向基函数支持向量机(radial-basis-function support vector machine,SVM-RBF)模型的折外(out-of-fold,OOF)Shapley加性解释(SHAP)分析识别出相对电子传递速率(rETR)、蒸腾速率(Tr)、光系统II光化学实际运行效率(Fq′/Fm′)和气孔导度(Gs)为害虫检测的关键贡献变量,而胞间CO2浓度(Ci)、相对电子传递速率(rETR)、归一化差值植被指数(NDVI)和光化学反射指数(PRI)为虫害类型识别的关键贡献变量。在害虫检测和虫害类型判别中,Nogueira稳定性指数分别为0.6946和0.8227,平均绝对Spearman相关系数分别为0.3016和0.4625。SCCFS在保持害虫诊断性能的同时,获得了紧凑、时间上持续且低冗余的特征子集,为所测试温室条件下玉米害虫识别提供了紧凑的变量表示。
论文解读文章
一、研究背景与问题
玉米是全球重要的粮食作物,害虫取食会损伤植株组织并干扰正常生理过程,持续为害进一步影响生长、产量形成和籽粒品质。因此,及时检测害虫侵染并准确判别虫害类型对于精准作物保护具有重要意义。传统害虫监测主要依赖人工田间调查和经验判断,劳动强度大、主观性强,难以在大面积范围内实现连续监测。随着机器学习和传感技术的发展,基于图像、光谱数据和植物生理响应的自动化害虫识别已成为作物害虫监测的重要途径。支持向量机、随机森林和深度学习方法已被广泛应用于作物病虫害分类,这些方法能够学习不同胁迫条件下的特征模式,推动经验判断向数据驱动识别转变。然而,玉米对害虫侵染的响应具有多源性、高维性和时间依赖性。如何在不大幅降低分类性能的前提下,获得规模小、时间上持续且可解释的特征子集,仍是模型简化和测量目标优先级排序面临的挑战。
现有特征降维和变量选择方法,如主成分分析(PCA)、最大相关最小冗余(mRMR)、最小绝对收缩和选择算子(LASSO)、递归特征消除(RFE)和变量重要性排序等,虽然能够降低输入维度并提高计算效率,但大多侧重于特定数据划分下的统计关联或判别性能,很少考虑植物胁迫响应的时间变化。在害虫侵染过程中,植物响应随时间演变,单个变量的判别价值可能随胁迫阶段而改变。因此,基于单一观测阶段或单一数据划分得到的特征子集可能依赖仅在特定条件下具有高判别力的变量,导致选择结果不稳定。此外,高维光谱变量与功能性生理变量之间的复杂相关性可能导致基于排序的方法选择冗余信息,降低特征子集的紧凑性和可解释性。如何在动态多源作物响应数据中同时兼顾时间持续性、重采样稳健性、子集紧凑性和预测性能,仍是一个尚未充分解决的问题。
二、研究内容与结论
针对上述问题,本研究开发了时期一致性约束特征选择方法(SCCFS),用于从多源植物响应数据中识别具有持续判别能力的小型诊断特征子集。研究在吉林大学生物与农业工程学院温室中开展,实验时间为2025年4月至7月。供试玉米品种为郑单958,共设置健康对照、机械损伤、食叶害虫(粘虫,Mythimna separata)和蛀茎害虫(亚洲玉米螟,Ostrinia furnacalis)四类处理组,每种胁迫处理包含低、中、高三个强度水平。实验共包括540株玉米植株,覆盖2、4、6、8、10、12 h六个观测时间点。候选特征池包含气体交换参数、叶绿素荧光参数、光谱指数及400–1000 nm ASD反射光谱共613个候选变量。研究建立了害虫检测和虫害类型判别两个分类任务。结果表明,SCCFS在害虫检测中取得0.9639(收缩LDA)和0.9798(SVM-RBF)的宏F1值,在虫害类型判别中取得0.9926(收缩LDA)和1.0000(SVM-RBF)的宏F1值。害虫检测主要依赖rETR、Tr、Fq′/Fm′和Gs,而虫害类型判别主要依赖Ci、rETR、NDVI和PRI。SCCFS选择的中位特征子集规模仅为3个(害虫检测)和6个(虫害类型判别),显著降低了输入维度。研究还通过消融分析证实,时间持续性约束是当前数据集中最主要的活跃约束,移除该约束会使两个任务的平均特征数量分别从3.733增至6.067和从5.200增至6.533。此外,主导特征移除后的完全重选分析表明,SCCFS能够在失去主导变量后重建性能接近原子集的替代特征子集。该研究为动态多源农业传感数据中时间持续诊断变量的选择提供了方法,并为构建紧凑的害虫识别模型奠定了基础。
三、关键技术方法
研究人员构建了嵌入重复嵌套分层组交叉验证框架内的SCCFS方法。候选变量通过三类证据进行评估:整体判别能力(D)、时间持续性(T)和跨重采样稳健性(S),均基于方向锁定的交叉拟合AUC计算。统计证据通过观测时间分层内的999次受限组标签置换检验评估,必要时按预设升级规则增至最多4999次。合格变量进入基于收缩线性判别分析的前向选择路径,采用重复内部组交叉验证的类别平衡宏平均对数损失评估,最终通过一标准误规则确定紧凑子集。分类模型采用收缩LDA和径向基函数核支持向量机(SVM-RBF),超参数通过重复内部组交叉验证的宏F1值选择。五种基线方法(单变量AUC排序、VIP、mRMR、L1正则化逻辑回归和RFE-LR)在相同数据划分和分类器下进行比较。模型性能采用重复嵌套分层组交叉验证评估,外层为五折交叉验证重复三次,内层为四折交叉验证重复三次。特征选择稳定性通过选择频率、Jaccard相似系数和Nogueira稳定性指数评估,特征冗余通过平均绝对Spearman相关系数评估,关键特征贡献通过折外SHAP值分析。
四、研究结果
多源响应特征分析。气体交换参数方面,两种害虫处理下Pn、Gs和Tr在后期观测时间均低于2 h水平,但两种害虫的时间模式存在差异。玉米螟侵染下Ci在4–12 h升高,而粘虫侵染下Ci始终低于健康对照和机械损伤组。叶绿素荧光参数方面,粘虫侵染下Fv/Fm、Fq′/Fm′和rETR均低于健康对照,NPQ高于对照;玉米螟侵染下rETR在6 h后逐渐下降,12 h出现最大负偏差。光谱方面,各处理在可见光区域重叠较强,750–1000 nm近红外区域表现出更明显的处理间视觉分离。
SCCFS模型验证。SCCFS在害虫检测中取得0.9639(收缩LDA)和0.9798(SVM-RBF)的宏F1值,在虫害类型判别中取得0.9926(收缩LDA)和1.0000(SVM-RBF)的宏F1值。与五种等规模基线方法相比,SCCFS在害虫检测中数值上高于多数基线方法,在虫害类型判别中与最优方法相当。直接使用全部候选变量在部分模型-任务组合中取得数值性能提升,但需要完整候选池,而SCCFS仅使用3–6个特征即保持了0.9639–1.0000的宏F1值。
消融分析。移除D或S约束后,两个任务的选择结果与完整SCCFS完全一致。移除T约束后,害虫检测的平均特征数从3.733增至6.067,虫害类型判别从5.200增至6.533,且选择频率分布发生明显改变。移除T约束后部分条件下的分类性能有所提升,表明额外变量主要提供特定观测阶段的判别信息。在留一观测时间点验证中,Full与No-T的性能差异呈混合或天花板模式,但Full始终使用更少的变量。
紧凑子集选择与留一时间点验证。一标准误规则在害虫检测中平均减少0.133个特征,在虫害类型判别中平均减少1.467个特征,对应的宏平均对数损失增加分别为0.000120和0.000868。在严格留一时间点验证中,害虫检测的SVM-RBF宏F1值范围为0.9634–1.0000,平均为0.9876;虫害类型判别在每个观测时间点留出时均达到1.0000。
主导特征依赖与替代子集形成。害虫检测中,Gs和Tr分别在9个和6个外折中被识别为主导特征,直接删除使宏F1降至0.8605,完全重选后恢复至0.9749。虫害类型判别中,Ci在所有15个外折中均为主导特征,直接删除使宏F1降至0.9796,完全重选后SVM-RBF宏F1恢复至0.9926。
特征选择稳定性、冗余性与关键特征贡献。害虫检测的Nogueira稳定性指数为0.6946,平均绝对Spearman相关系数为0.3016;虫害类型判别分别为0.8227和0.4625。SHAP分析显示,害虫检测中rETR贡献最大(0.9918),虫害类型判别中Ci贡献最大(0.4401)。两个任务均未选择单个原始ASD反射波段,光谱信息主要通过NDVI和PRI进入最终子集。
五、讨论与结论
讨论部分指出,害虫检测依赖rETR、Fq′/Fm′、Gs和Tr等反映光系统II电子传递、气孔调节和叶片水分交换的变量;虫害类型判别依赖Ci、rETR、NDVI和PRI,其中Ci在两种害虫间呈现相反响应模式,与不同取食方式下气孔限制和非气孔限制的相对贡献差异一致。时间持续性约束是当前数据集中的主要活跃约束,其目的不是最大化特定数据划分下的性能,而是减少仅有限观测期内具有判别力的变量。SCCFS在紧凑性、跨持续时间筛选和主导变量丢失后的可重构性方面体现优势,而非在预测精度或选择稳定性上全面超越基线方法。研究结论如下:(1)SCCFS从包含气体交换参数、叶绿素荧光参数、光谱指数和400–1000 nm原始ASD反射光谱的候选池中选择了紧凑有效的特征子集,害虫检测平均选择3.733个特征,虫害类型判别平均选择5.200个特征,收缩LDA对应的重复级折外宏F1值分别为0.9639和0.9926。(2)时间持续性约束是限制仅在特定观测阶段有效的变量进入子集的主要约束,移除该约束增加了两个任务的特征数量,表明主要基于分类性能的特征选择可能保留时间适用性有限的变量。(3)害虫检测和虫害类型判别依赖不同特征,主导特征直接删除会降低分类性能,但完全重选后平均外折SVM-RBF宏F1分别恢复至0.9749和0.9926,支持任务特异性特征选择,并表明在现有候选特征池和受控验证框架内,主导变量移除后可以重建替代紧凑子集。所构建模型在受控温室条件下实现了两种测试害虫处理相对健康对照和机械损伤对照的早期判别,多胁迫源和独立田间验证将确定其更广泛的应用性。