论文部分内容阅读
随着各类遥感数据源的不断涌现,利用遥感技术进行病害信息提取和监测预报现已成为大范围获取作物病害信息的重要而有效的方式,并将在未来逐步取代传统的目测手查等传统方式。然而,如何选择和采取合适的方法,有效整合、利用多源遥感数据,最大限度地挖掘数据中的信息效益,进行不同层次的作物病害信息提取是一个重要的问题。本研究以小麦白粉病和条锈病为例,围绕着如何将叶片、冠层尺度病害监测的光谱机制和特征推广至田块尺度,进行由点到面的扩展,实现大范围的病害监测及预测预报这条主线,分别在叶片、冠层和田块尺度上基于包括地面成像与非成像光谱数据,航空高光谱数据以及星载多时相光学与热红外数据等多源遥感数据开展小麦病害监测及预测预报的模型和方法研究,具体研究内容和结果如下:(1)在叶片尺度上,系统研究和小麦白粉病的光谱响应特征和病情信息提取方法。基于叶片尺度的成像、非成像光谱数据以及叶片生理生化测试数据,研究小麦白粉病叶片光谱响应机制以及适合病害监测的光谱特征。在此基础上,分别检验包括光谱微分和连续统特征,以及各类植被指数(20个)等传统光谱的病害监测能力。提出基于连续小波分析CWA的病害信息提取方法。采用基于偏最小二乘回归PLSR和Fisher线性判别分析构建小麦白粉病病情反演模型和判别模型。采用交叉验证评价模型精度,反演模型拟合决定系数R2为0.86,标准化均方根误差NRMSE(?)低于0.20;判别模型总体分类精度达到91%。(2)在冠层尺度上,一方面研究小麦白粉病的冠层光谱响应特点以及适于病情监测的光谱特征;另一方面,提出为进行不同年份光谱数据间比较的标准化方法,并研究小麦条锈病和养分胁迫的区分方法。在对小麦白粉病病情敏感的光谱特征中,宽波段植被指数如SR,NLI等对病情存在较强的响应,为采用多光谱影像进行区域尺度的病害监测提供条件。在对比分析病害胁迫和养分胁迫冠层光谱数据前,分别从光照条件、生育时期和环境三个方面对光谱数据进行标准化处理,为获取自不同年份数据间的比较提供基础。通过考察5个时相下38个光谱特征对条锈病病情的响应情况,找出PRI, PhRI, NPCI和ARI能够在多个时相上对条锈病病情产生稳定的响应。进一步考察这些植被指数对养分胁迫的响应情况,发现仅PhRI对病害敏感而对养分胁迫不敏感,因此可利用该指数对小麦条锈病和养分胁迫进行区分和识别。(3)在田块尺度上,将叶片、冠层尺度的光谱特征进行由点到面的扩展,研究利用多时相环境小卫星影像对小麦白粉病进行大面积监测的模型和方法,并提出结合混合调谐滤波算法和偏最小二乘算法的病害信息提取方法。以北京周边的通州、顺义部分区域为研究区,基于地面训练和验证数据,从光谱维和时间维提出单时相和多时相的光谱特征选择方法。在此基础上,分别采用光谱信息散度分析SID、光谱角度制图SAM、偏最小二乘回归分析PLSR以及一种混合像元分解算法—混合调谐滤波算法MTMF分别进行病害信息提取,并采用验证样本数据对四种方法的监测精度和特点进行评价。根据MTMF和PLSR两种算法的特点和各自优势,提出一种结合MTMF和PLSR的病害监测方法,进一步提高模型的精度。模型的总体精度、平均精度kappa系数分别达到0.78,0.71和0.59。在小麦白粉病监测的空间分布格局方面,采用χ2检验的空间样区分析和FRAGSTATS景观软件,得到小麦白粉病在区县尺度上呈相对聚集的分布模式,而在局部田块中呈相对分散的分布模式,为病害防治管理提供依据。(4)在田块尺度的病害预测方面,基于环境星的光学数据HJ-CCD和红外数据HJ-IRS,通过提取表征小麦的生长信息及生境信息,提出一种采用Logistic回归进行小麦白粉病发病概率预测的模型构建方法。病害预测的输入变量包括用于反映小麦前期生长状况的光谱特征,用于反映小麦生境特征的地表温度LST及土壤水分反演结果。经地面实测验证样本数据检验,模型得出的预测概率与小麦白粉病实际发生概率总体一致,样点和地块的预测精度分别为72.22%和71%。在此基础上,从错分概率、漏分概率及防治成本三方面对实际应用中对概率阈值的选取方法进行讨论。(5)在田块尺度上,针对在地面调查数据缺乏情况下的小麦病害监测问题,提出一种基于病害(小麦条锈病)光谱知识库SKB的采用HJ-CCD数据进行病害监测的方法。该方法以包含不同病情严重度的小麦关键生育期PHI航空影像为媒介,利用病情指数DI的经验反演模型和基于波谱响应函数的HJ-CCD波段模拟,建立DI和HJ-CCD波普模拟反射率之间的光谱知识库。在此基础上,结合马氏距离发和光谱角度制图法等光谱匹配方法,分别提出针对病情指数和病情等级的估计方法。经实测数据检验,该方法在病情指数估计方面精度较低,对条锈病DI估计的NRMSE仅为0.46和0.55,而在病情等级判断方面效果较为理想,总体精度达到0.77,kappa系数为0.58。