多源遙感數據小麥病害信息提取方法研究.pdf

1、隨著各類遙感數據源的不斷涌現,利用遙感技術進行病害信息提取和監測預報現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的目測手查等傳統方式。然而,如何選擇和采取合適的方法,有效整合、利用多源遙感數據,最大限度地挖掘數據中的信息效益,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,實現大范圍的病害監測

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據,航空高光譜數據以及星載多時相光學與熱紅外數據等多源遙感數據開展小麥病害監測及預測預報的模型和方法研究,具體研究內容和結果如下:
　　 (1)在葉片尺度上,系統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、非成像光譜數據以及葉片生理生化測試數據,研究小麥白粉病葉片光譜響應機制以及適合病害監測的光譜特征。在此基礎上,分別檢驗包括

3、光譜微分和連續統特征,以及各類植被指數(20個)等傳統光譜的病害監測能力。提出基于連續小波分析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測的

4、光譜特征;另一方面,提出為進行不同年份光譜數據間比較的標準化方法,并研究小麥條銹病和養分脅迫的區分方法。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域尺度的病害監測提供條件。在對比分析病害脅迫和養分脅迫冠層光譜數據前,分別從光照條件、生育時期和環境三個方面對光譜數據進行標準化處理,為獲取自不同年份數據間的比較提供基礎。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生穩定的響應。進一步考察這些植被指數對養分脅迫的響應情況,發現僅PhRI對病害敏感而對養分脅迫不敏感,因此可利用該指數對小麥條銹病和養分脅迫進行區分和識別。
　　 (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,研究利用多時相環境小衛星影像對小麥白粉病進行大面積監測的模型和方法,并提出結合混合調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、順義部分區域為研究區,基于地面訓練和驗證數據,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諧濾波算法MTMF分別進行病害信息提取,并采用驗證樣本數據對四種方法的監測精度和特點進行評價。根據MTMF和PLSR兩種算法的特點和各自優勢,提出一種結合MTMF。和PLSR的病害監測方法,進一步提高模

7、型的精度。模型的總體精度、平均精度kappa系數分別達到0.78,0.71和0.59。在小麥白粉病監測的空間分布格局方面,采用x2檢驗的空間樣區分析和FRAGSTATS景觀軟件,得到小麥白粉病在區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。
　　 (4)在田塊尺度的病害預測方面,基于環境星的光學數據HJ-CCD和紅外數據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病概率預測的模型構建方法。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及土壤水分反演結果。經地面實測驗證樣本數據檢驗,模型得出的預測概率與小麥白粉病實際發生概率總體一致,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、調查數據缺乏情況下的小麥病害監測問題,提出一種基于病害(小麥條銹病)光譜知識庫SKB的采用HJ-CCD數據進行病害監測的方法。該方法以包含不同病情嚴重度的小麥關鍵生育期PHI航空影像為媒介,利用病情指數DI的經驗反演模型和基于波譜響應函數的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。在此基礎上,結合馬氏距離發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和病情等級的估計方法。經實測數據檢驗,該方法在