ارائه الگوریتمی جهت تشخیص و تخمین میزان بیماری زنگ گندم، با استفاده از طیف نگاری زمینی

بیماری زنگ قهوه ای از جمله مهمترین بیماری های گندم می¬باشد که بیشترین فراوانی را در بین بیماری های زنگ گندم داشته و سالانه بیشترین خسارت را بر این محصول راهبردی وارد می-سازد. این بیماری در مراحل اولیه با تولید لکه های رنگی زرد و نارنجی برروی برگ ظهور کرده و در مراحل پیشرفته، به رنگ های قهوه ای و خشک بر روی برگ ظاهر می شود. در این پژوهش راهکار تشخیص این بیماری با استفاده از رفتار طیفی برگ گیاه بیمار مورد بررسی قرار گرفت. برای اینکار بازتابندگی برگ های سالم و بیمار گندم در مراحل مختلف توسعه بیماری با استفاده از اسپکترورادیومتر جمع آوری شد. نسبت بیماری سطح برگ به کل مساحت برگ و سهم درجات مختلف بیماری شامل زرد، نارنجی، قهوه ای تیره و خشک با دوربین دیجیتال استخراج گردید. با داشتن سهم دقیق مراحل مختلف بیماری و طیف بازتابندگی برگ بیمار، طیف¬های بازتابندگی مربوط به مراحل مختلف بیماری با استفاده از ترکیب طیفی خطی و روش کمترین مربعات استخراج شدند. منحنی بازتابندگی مراحل مختلف بیماری در طول موجهای 450 تا 1000 نانومتر جهت یافتن طول موج مناسب برای تخمین بیماری مورد ارزیابی قرار گرفت. با بررسی منحنی¬های بازتابندگی با تابع فیشر دو شاخص مبتنی بر بازتابندگی در طول موجهای 605 و 695 و 455 نانومتر برای تخمین بیماری زنگ قهوه ای ارائه گردیدند. برای هر دو شاخص ضریب همبستگی بین مقادیر تخمینی نسبت بیماری و مقادیر واقعی آن، بیشتر از 95/0 بدست آمد. نتایج آزمایش ها نشان دادند که شاخص های ارائه شده امکان تشخیص دقیق بیماری زنگ قهوه ای را با وجود مراحل مختلف آن فراهم می آورند. در ادامه برای نخستین بار، تابعی برای تخمین پیشرفت مراحل بیماری در یک سختی مشخص از بیماری ارائه گردید. بر اساس نتایج بدست آمده از این تابع، طول موج های 775 و 675 نانومتر بیشترین مقدار را نشان دادند. لذا از نسبت بازتابندگی در طول موج های 775 و 675 به عنوان نسبت طیفی مناسب، جهت تشخیص پیشرفت بیماری استفاده گردید. دقت کلی و دقت کاپا برای تشخیص شدت بیماری در چهار سطح مختلف، به ترتیب 74/0و 66/0 بدست آمد. طیف های خالص بازتابندگی استخراج شده برای انتخاب طول موج های مناسب جهت تخمین سهم مراحل بیماری مورد بررسی قرار گرفتند. نتایج نشان داد، مقادیر بازتابندگی در14 طول موج شامل 450، 500 ، 530، 550، 570، 680، 670، 700، 710، 730، 750، 800، 970 و 900 نانومتر، قادر به تخمین مراحل مختلف بیماری با دقت مناسب هستند. با استفاده از مقادیر بازتابندگی دراین طول موج ها، می توان سهم هر یک از مراحل مختلف بییماری را با افزایش 10 درصدی آنها، برآورد نمود. ضریب همبستگی بین مقادیر تخمینی و واقعی برای نواحی زرد، نارنجی، قهوه ای تیره، خشک به ترتیب مقادیری برابر با 65/0، 71/0، 76/0 و 84/0 بدست آمد، که گویای دقت طول موج های مورد استفاده در این تحقیق برای شناسائی سهم مراحل مختلف بیماری است.در ادامه شاخص های پوشش گیاهی و تکنیک های چند متغیره آماری، جهت تخمین میزان بیماری مورد ارزیابی قرار گرفتند. در بیشتر شاخص های پوشش گیاهی با افزایش سختی بیماری، مقادیر شاخص ها بصورت پراکنده تغییر می نماید. این تغییر با افزایش پراکندگی داده های شاخص های پوشش گیاهی همراه است و این افزایش از دقت شاخص ها می کاهد. دلیل کاهش دقت شاخص ها، حضور ترکیبات مختلف از مراحل مختلف بیماری، در یک سختی مشخص از بیماری می باشد. تکنیک های چند متغیره آماری مورد استفاده شامل شبکه عصبی و رگرسیون حداقل مربعات جزئی بود. همانگونه که قایل پیش بینی بود، ضریب تعیین (9/0<r2) بالائی را بین سختی بیماری تخمینی و مشاهده ای نشان دادند.