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(lèi)遙感數(shù)據(jù)源的不斷涌現(xiàn),利用遙感技術(shù)進(jìn)行病害信息提取和監(jiān)測(cè)預(yù)報(bào)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(lái)逐步取代傳統(tǒng)的目測(cè)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(jìn)行不同層次的作物病害信息提取是一個(gè)重要的問(wèn)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(cè)的光譜機(jī)制和特征推廣至田塊尺度,進(jìn)行由點(diǎn)到面的擴(kuò)展,實(shí)現(xiàn)大范圍的病害監(jiān)測(cè)

2、及預(yù)測(cè)預(yù)報(bào)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(shí)相光學(xué)與熱紅外數(shù)據(jù)等多源遙感數(shù)據(jù)開(kāi)展小麥病害監(jiān)測(cè)及預(yù)測(cè)預(yù)報(bào)的模型和方法研究,具體研究?jī)?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(yīng)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(cè)試數(shù)據(jù),研究小麥白粉病葉片光譜響應(yīng)機(jī)制以及適合病害監(jiān)測(cè)的光譜特征。在此基礎(chǔ)上,分別檢驗(yàn)包括

3、光譜微分和連續(xù)統(tǒng)特征,以及各類(lèi)植被指數(shù)(20個(gè))等傳統(tǒng)光譜的病害監(jiān)測(cè)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(yàn)證評(píng)價(jià)模型精度,反演模型擬合決定系數(shù)R2為0.86,標(biāo)準(zhǔn)化均方根誤差NRMSE低于0.20;判別模型總體分類(lèi)精度達(dá)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(yīng)特點(diǎn)以及適于病情監(jiān)測(cè)的

4、光譜特征;另一方面,提出為進(jìn)行不同年份光譜數(shù)據(jù)間比較的標(biāo)準(zhǔn)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(duì)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(duì)病情存在較強(qiáng)的響應(yīng),為采用多光譜影像進(jìn)行區(qū)域尺度的病害監(jiān)測(cè)提供條件。在對(duì)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(shí)期和環(huán)境三個(gè)方面對(duì)光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)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(guò)考察5個(gè)時(shí)相下38個(gè)光譜特征對(duì)條銹病病情的響應(yīng)情況

5、,找出PRI,PhRI,NPCI和ARI能夠在多個(gè)時(shí)相上對(duì)條銹病病情產(chǎn)生穩(wěn)定的響應(yīng)。進(jìn)一步考察這些植被指數(shù)對(duì)養(yǎng)分脅迫的響應(yīng)情況,發(fā)現(xiàn)僅PhRI對(duì)病害敏感而對(duì)養(yǎng)分脅迫不敏感,因此可利用該指數(shù)對(duì)小麥條銹病和養(yǎng)分脅迫進(jìn)行區(qū)分和識(shí)別。
　　 (3)在田塊尺度上,將葉片、冠層尺度的光譜特征進(jìn)行由點(diǎn)到面的擴(kuò)展,研究利用多時(shí)相環(huán)境小衛(wèi)星影像對(duì)小麥白粉病進(jìn)行大面積監(jiān)測(cè)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?yàn)檠芯繀^(qū),基于地面訓(xùn)練和驗(yàn)證數(shù)據(jù),從光譜維和時(shí)間維提出單時(shí)相和多時(shí)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(jìn)行病害信息提取,并采用驗(yàn)證樣本數(shù)據(jù)對(duì)四種方法的監(jiān)測(cè)精度和特點(diǎn)進(jìn)行評(píng)價(jià)。根據(jù)MTMF和PLSR兩種算法的特點(diǎn)和各自優(yōu)勢(shì),提出一種結(jié)合MTMF。和PLSR的病害監(jiān)測(cè)方法,進(jìn)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(dá)到0.78,0.71和0.59。在小麥白粉病監(jiān)測(cè)的空間分布格局方面,采用x2檢驗(yàn)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(duì)聚集的分布模式,而在局部田塊中呈相對(duì)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(yù)測(cè)方面,基于環(huán)境星的光學(xué)數(shù)據(jù)HJ-CCD和紅外數(shù)據(jù)HJ-IRS,通過(guò)提取表征小麥的生長(zhǎng)信息及生境信息,提出一種采用

8、Logistic回歸進(jìn)行小麥白粉病發(fā)病概率預(yù)測(cè)的模型構(gòu)建方法。病害預(yù)測(cè)的輸入變量包括用于反映小麥前期生長(zhǎng)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(shí)測(cè)驗(yàn)證樣本數(shù)據(jù)檢驗(yàn),模型得出的預(yù)測(cè)概率與小麥白粉病實(shí)際發(fā)生概率總體一致,樣點(diǎn)和地塊的預(yù)測(cè)精度分別為72.22%和71%。在此基礎(chǔ)上,從錯(cuò)分概率、漏分概率及防治成本三方面對(duì)實(shí)際應(yīng)用中對(duì)概率閾值的選取方法進(jìn)行討論。
　　 (5)在田塊尺度上,針對(duì)在地面

9、調(diào)查數(shù)據(jù)缺乏情況下的小麥病害監(jiān)測(cè)問(wèn)題,提出一種基于病害(小麥條銹病)光譜知識(shí)庫(kù)SKB的采用HJ-CCD數(shù)據(jù)進(jìn)行病害監(jiān)測(cè)的方法。該方法以包含不同病情嚴(yán)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(yàn)反演模型和基于波譜響應(yīng)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(shí)庫(kù)。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(duì)病情指數(shù)和病情等級(jí)的估計(jì)方法。經(jīng)實(shí)測(cè)數(shù)據(jù)檢驗(yàn),該方法在