遥感在植物病虫害应用详解.docVIP

遥感在植物病虫害监测中应用 植物病虫害是影响作物最终产量的关键因素之一，对病虫害进行早期预警，是控制病虫害的大范围蔓延、保护作物产量成果的有力方法之一。利用遥感技术特别是高光谱、卫星技术监测病虫害，具有快速、简便、宏观、无损、客观等优点，可以随时提供信息，迅速、准确的对田间作物生长状况进行监测，以便及时采取措施治理或合理安排计划，是作物病虫害监测的发展方向。 1. 植物病虫害遥感监测的基本原理 遥感的基本依据是获取来自地物的反射或发射的电磁波能量，各种物质因结构与组成成分不同，大多数地物又具有BRDF（双向反射分布函数）各向异性的反射特性，所以在光谱反射与辐射特性方面有差异，从而具有该物体诊断意义的光谱特征。据此，不同作物或同一作物在不同生长季节、不同角度和病虫危害及程度下，有其特殊意义的诊断性光谱特征。因此通过光谱分析技术可以探测作物的健康状况以及病虫发生情况。 作物病虫害遥感监测主要在单叶与冠层两个层面上展开。对单叶，因病虫危害导致叶片细胞结构、色素、水分、氮素含量及外部形状等发生变化，从而引起光谱的变化；对冠层，因病虫危害引起LAI、生物量、覆盖度等的变化，可见光到热红外波谱反射光谱与正常作物有明显差异。在大尺度上，受病虫危害的作物在高光谱扫描记录上会引起灰度值的差异，在空间相、光谱相和时间相上有明显的差异。因此，可通过地面获得的遥感数据结合高空成像仪获得的遥感影像监测作物病虫害。 2. 植物病虫害遥感监测技术流程 目前一般小麦、水稻等大规模连片种植的作物常采用地面高光谱遥感数据分析与高光谱航空影像解译分析相结合的方法进行病虫害监测。森林的病虫害监测则主要使用Landsat、Spoty=a+bx，对数函数y=a+b*ln(x)，抛物线y=a+bx+cx2，一元三次函数y=a+bx+cx2+dx3，指数函数y=a*exp(bx)，多元线性函数y=a0+a1x1+a2x2+···+aixi+··· 。 王登伟等（2003）对棉花整个生长期进行监测，建立了早衰棉花反射光谱与叶片光合速率的线性回归方程，相关系数达到了0.975。蔡成静等（2005）对小麦条锈病进行了单叶及冠层的光谱特征研究，建立了病情指数（y）与冠层光谱反射率（x）回归模型，相关系数达到了0.9484。黄木易等（2003）对冬小麦条锈病光谱进行了研究建立了条锈病反演的一元和多元回归方程。王圆圆等（2007）采用偏最小二乘 （PLS） 方法建立了不同生育期冬小麦感染条锈病严重度和冠层光谱的回归模型。 3.3 植被指数分析 根据植被光谱特性，将可见光和近红外波段进行组合，形成各种植被指数。在作物病虫害监测中，常见的光谱植被指数有比值植被指数（RVI）、归一化植被指数（NDVI）和一些变换的植被指数。 李晶晶等（2008）在应用遥感、GIS对稻田生态系统健康程度的监测评价研究中使用MODIS产品的增强型植被指数（Enhanced Vegetation Index，EVI）计算出作物生长指数。杨建国等（2001）对不同蚜量的春小麦进行光谱监测，建立RVI = TM4 / TM3标准板值，用来推测蚜量，以指导蚜虫防治。黄木易等（2004）研究了冬小麦条锈病光谱，对NDVI、RVI、TVI和logρ等进行变换，利用相关性最好的666nm和相关性最弱的758nm波段组合设计了光谱角度指数SAI（Spectral Angle Index），并建立条锈病胁迫指数SRSI（Stripe Rust Stressed Index）反演冬小麦条锈病的发生情况。刘良云等（2004）利用多时相高光谱航空图像对冬小麦条锈病监测，定义了相对病害光谱指数=[(Reddisease-RedNormal)／RedNormal]×[(NIRNormal- NIRdisease)／NIRNormal]，成功反演了病害区条锈病发病程度。 3.4 光谱微分 在太阳光的大气窗口内，测得的光谱是地物吸收光谱及大气吸收和散射光谱的混合光谱，一般是以反射率的数据图像表达。为了正确地解译遥感数据图像，消除大气和背景噪声的影响，从中提取目标物体的特征信息，常使用微分光谱技术。微分光谱又叫导数光谱，可分为一阶导数光谱和高阶导数光谱。由于光谱采样间隔的离散性，导数光谱一般用差分方法来近似计算。 一阶导数光谱：ρ′(λi) = dρ(λi) / dλ = [ρ(λi+1) - ρ(λi-1)] / 2Δλ 二阶导数光谱：ρ′′(λi) = d2ρ(λi) / dλ2 = [ρ′(λi+1) - ρ′(λi-1)] / 2Δλ = [ρ(λi+2) - 2ρ(λi) +ρ(λi-2)] / 4(Δλ) 2 其中，λi为波段i波长值；ρ(λi)是波长λi的光谱值（如反射率、透射率等）；Δλ是波长λi-1到λi的差值，由光谱采