论文部分内容阅读
提高农作物病虫害的监测水平,对维护我国粮食安全,保护生态环境有着重要意义。遥感作为一种大面积、快速、无破坏、无污染的监测技术,能实现经济、社会、生态效益的统一。本文以襄樊地区冬小麦条锈病的监测为例,研究了遥感方法在病虫害监测中的应用。本研究的主要内容有:1、高光谱的监测。通过对病害叶片和健康叶片的叶绿素含量进行分析,发现病害叶片与健康叶片的叶绿素含量存在很大差异,因此选择病害叶片中对叶绿素敏感的470nm、550nm、635nm、680nm、800nm等波段的反射率,结合实测的叶绿素含量,建立了条锈病为害后,叶片叶绿素含量的估算模型。该模型能较好评价冬小麦受条锈病影响的程度。冠层水平上的研究,是通过对病害冠层和健康冠层的原始光谱利一阶微分光谱进行定量分析,确定可以选择Db、Dy、Dr、Dinr、Rg、Ro、SDr/SDb和SDinr/SDb作为高光谱特征参数,进行条锈病的诊断。2、生境因子的监测。以襄樊地区1980到1999年的气象资料和病害发生率为研究对象。通过对月平均气温、月平均最高气温、月平均最低气温、月降水量与条锈病发生率的相关分析,结果表明:影响襄樊地区冬小麦条锈病发生的主要生境因子是6、7、1、2月的平均最高气温。降水量对该地区条锈病发生程度的影响不大,并对原因进行了简要分析。在此基础上,建立了一个条锈病发生率的预测模型。可以作为条锈病监测的辅助方法。3、遥感植被指数的监测。通过各种植被指数的比较,选定用NDVI来进行监测。选取襄樊地区2004年4月8日的一景TM影像,对影像进行预处理以后,运用监督分类法进行分类,将该地区小麦分为不同类型,再分别提取其NDVI,确定不同小麦的健康状况。并对每一类小麦的面积进行了统计。结果表明:NDVI能大致将健康区与病害区区分开,从发生面积上与实测值大体吻合。