多源遙感數(shù)據(jù)小麥病害信息提取方法研究.pdf

1、隨著各類遙感數(shù)據(jù)源的不斷涌現(xiàn),利用遙感技術(shù)進行病害信息提取和監(jiān)測預報現(xiàn)已成為大范圍獲取作物病害信息的重要而有效的方式,并將在未來逐步取代傳統(tǒng)的目測手查等傳統(tǒng)方式。然而,如何選擇和采取合適的方法,有效整合、利用多源遙感數(shù)據(jù),最大限度地挖掘數(shù)據(jù)中的信息效益,進行不同層次的作物病害信息提取是一個重要的問題。本研究以小麥白粉病和條銹病為例,圍繞著如何將葉片、冠層尺度病害監(jiān)測的光譜機制和特征推廣至田塊尺度,進行由點到面的擴展,實現(xiàn)大范圍的病害監(jiān)測

2、及預測預報這條主線,分別在葉片、冠層和田塊尺度上基于包括地面成像與非成像光譜數(shù)據(jù),航空高光譜數(shù)據(jù)以及星載多時相光學與熱紅外數(shù)據(jù)等多源遙感數(shù)據(jù)開展小麥病害監(jiān)測及預測預報的模型和方法研究,具體研究內(nèi)容和結(jié)果如下:
　　 (1)在葉片尺度上,系統(tǒng)研究和小麥白粉病的光譜響應特征和病情信息提取方法?；谌~片尺度的成像、非成像光譜數(shù)據(jù)以及葉片生理生化測試數(shù)據(jù),研究小麥白粉病葉片光譜響應機制以及適合病害監(jiān)測的光譜特征。在此基礎(chǔ)上,分別檢驗包括

3、光譜微分和連續(xù)統(tǒng)特征,以及各類植被指數(shù)(20個)等傳統(tǒng)光譜的病害監(jiān)測能力。提出基于連續(xù)小波分析CWA的病害信息提取方法。采用基于偏最小二乘回歸PLSR和Fisher線性判別分析構(gòu)建小麥白粉病病情反演模型和判別模型。采用交叉驗證評價模型精度,反演模型擬合決定系數(shù)R2為0.86,標準化均方根誤差NRMSE低于0.20;判別模型總體分類精度達到91％。
　　 (2)在冠層尺度上,一方面研究小麥白粉病的冠層光譜響應特點以及適于病情監(jiān)測的

4、光譜特征;另一方面,提出為進行不同年份光譜數(shù)據(jù)間比較的標準化方法,并研究小麥條銹病和養(yǎng)分脅迫的區(qū)分方法。在對小麥白粉病病情敏感的光譜特征中,寬波段植被指數(shù)如SR,NLI等對病情存在較強的響應,為采用多光譜影像進行區(qū)域尺度的病害監(jiān)測提供條件。在對比分析病害脅迫和養(yǎng)分脅迫冠層光譜數(shù)據(jù)前,分別從光照條件、生育時期和環(huán)境三個方面對光譜數(shù)據(jù)進行標準化處理,為獲取自不同年份數(shù)據(jù)間的比較提供基礎(chǔ)。通過考察5個時相下38個光譜特征對條銹病病情的響應情況

5、,找出PRI,PhRI,NPCI和ARI能夠在多個時相上對條銹病病情產(chǎn)生穩(wěn)定的響應。進一步考察這些植被指數(shù)對養(yǎng)分脅迫的響應情況,發(fā)現(xiàn)僅PhRI對病害敏感而對養(yǎng)分脅迫不敏感,因此可利用該指數(shù)對小麥條銹病和養(yǎng)分脅迫進行區(qū)分和識別。
　　 (3)在田塊尺度上,將葉片、冠層尺度的光譜特征進行由點到面的擴展,研究利用多時相環(huán)境小衛(wèi)星影像對小麥白粉病進行大面積監(jiān)測的模型和方法,并提出結(jié)合混合調(diào)諧濾波算法和偏最小二乘算法的病害信息提取方法。以

6、北京周邊的通州、順義部分區(qū)域為研究區(qū),基于地面訓練和驗證數(shù)據(jù),從光譜維和時間維提出單時相和多時相的光譜特征選擇方法。在此基礎(chǔ)上,分別采用光譜信息散度分析SID、光譜角度制圖SAM、偏最小二乘回歸分析PLSR以及一種混合像元分解算法一混合調(diào)諧濾波算法MTMF分別進行病害信息提取,并采用驗證樣本數(shù)據(jù)對四種方法的監(jiān)測精度和特點進行評價。根據(jù)MTMF和PLSR兩種算法的特點和各自優(yōu)勢,提出一種結(jié)合MTMF。和PLSR的病害監(jiān)測方法,進一步提高模

7、型的精度。模型的總體精度、平均精度kappa系數(shù)分別達到0.78,0.71和0.59。在小麥白粉病監(jiān)測的空間分布格局方面,采用x2檢驗的空間樣區(qū)分析和FRAGSTATS景觀軟件,得到小麥白粉病在區(qū)縣尺度上呈相對聚集的分布模式,而在局部田塊中呈相對分散的分布模式,為病害防治管理提供依據(jù)。
　　 (4)在田塊尺度的病害預測方面,基于環(huán)境星的光學數(shù)據(jù)HJ-CCD和紅外數(shù)據(jù)HJ-IRS,通過提取表征小麥的生長信息及生境信息,提出一種采用

8、Logistic回歸進行小麥白粉病發(fā)病概率預測的模型構(gòu)建方法。病害預測的輸入變量包括用于反映小麥前期生長狀況的光譜特征,用于反映小麥生境特征的地表溫度LST及土壤水分反演結(jié)果。經(jīng)地面實測驗證樣本數(shù)據(jù)檢驗,模型得出的預測概率與小麥白粉病實際發(fā)生概率總體一致,樣點和地塊的預測精度分別為72.22%和71%。在此基礎(chǔ)上,從錯分概率、漏分概率及防治成本三方面對實際應用中對概率閾值的選取方法進行討論。
　　 (5)在田塊尺度上,針對在地面

9、調(diào)查數(shù)據(jù)缺乏情況下的小麥病害監(jiān)測問題,提出一種基于病害(小麥條銹病)光譜知識庫SKB的采用HJ-CCD數(shù)據(jù)進行病害監(jiān)測的方法。該方法以包含不同病情嚴重度的小麥關(guān)鍵生育期PHI航空影像為媒介,利用病情指數(shù)DI的經(jīng)驗反演模型和基于波譜響應函數(shù)的HJ-CCD波段模擬,建立DI和HJ-CCD波普模擬反射率之間的光譜知識庫。在此基礎(chǔ)上,結(jié)合馬氏距離發(fā)和光譜角度制圖法等光譜匹配方法,分別提出針對病情指數(shù)和病情等級的估計方法。經(jīng)實測數(shù)據(jù)檢驗,該方法在