论文部分内容阅读
加强小麦主要病害的测报调查对指导病害科学防控和农业可持续发展具有非常重要的意义。遥感技术相对于传统的作物调查方法提供了一种重要的补充手段。如何高效利用丰富的遥感数据和方法基础是实现作物病害准确、实时、快速、大范围的定量化区分与监测的关键。本文以小麦条锈病、白粉病和赤霉病为对象,结合其不同的侵染循环机制和生境响应差异,综合不同发病期无人机高光谱影像以及Sentinel-2、Landsat-8和GF-1卫星多光谱影像等多源多时相遥感数据优势,针对不同作物病虫害胁迫组合建立区分模型,在准确区分出不同病虫害的前提下建立高精度高专一性的作物病害监测模型,并从实际应用的角度建立作物病害严重度估算模型,为作物病害的科学防控和生态治理提供技术支撑。主要的研究内容及结果如下:(1)在作物病虫害遥感区分方面,针对实际大田中不同病虫害胁迫类型同时存在的现象,以小麦白粉病和蚜虫同时发生、小麦条锈病和赤霉病同时发生的两种情况为例,基于利用多源多时相卫星遥感影像提取的综合作物长势状况和生境信息的遥感特征开展作物不同病虫害区分研究。首先,研究基于两时相Landsat-8影像提取了表征作物长势状况和生境因子的遥感特征集,结合合成少数样本过采样技术(the synthetic minority oversampling technique,SMOTE)耦合反向传播神经网络(back propagation neural Networks,BPNN)的方法发展了一种小麦白粉病和蚜虫区分方法。结果显示与基于传统的单一时相作物长势信息的区分方法相比,该方法的总体区分精度增加了10.9个百分点。其次,研究通过耦合多时相Sentinel-2、Landsat-8和GF-1影像,结合主成分分析和k近邻(k nearest neighbor,k NN)方法发展了一种小麦条锈病和赤霉病区分方法。结果显示基于主成分特征的k NN区分模型的总体精度相比基于遥感特征的k NN区分模型增加了11.0个百分点。(2)在作物病害遥感监测方面,结合不同作物病害的发生特点和规律,以小麦条锈病和赤霉病为例,利用低空无人机高光谱影像获取的病害敏感植被指数和小波特征开展田块尺度作物专一病害高精度监测研究。首先,研究基于多时相无人机高光谱影像获取的病害敏感植被指数结合BPNN方法发展了一种田块尺度小麦条锈病监测方法。结果显示基于多时相无人机高光谱影像的BPNN监测方法的总体精度达到95.7%,与k NN方法相比增加了11.6个百分点。其次,研究基于小麦穗部ASD高光谱数据结合连续小波分析(continuous wavelet analysis,CWA)获得了6个最优小波特征,利用Fisher线性判别分析发展了一种小麦穗部赤霉病识别方法。结果显示识别模型的总体精度为88.7%。在此基础上,研究基于两时相无人机高光谱影像数据结合CWA获取了5个最优小波特征,利用k NN方法发展了一种田块尺度小麦赤霉病监测方法。结果显示监测模型的总体精度达到了86.7%。(3)在作物病害严重度遥感估算方面,针对单一时相单一数据源卫星遥感影像在表征作物病害发生状况时的局限性,以小麦白粉病和条锈病为例,综合作物侵染循环机制和多源多时相卫星遥感影像优势互补,建立病害发生关键期遥感特征与病害发生严重度之间的响应关系,并借助数据挖掘算法开展作物病害严重度估算研究。首先,研究基于多时相Landsat-8影像结合后向逐步消除方法获得的关键期遥感特征,利用k NN方法发展了一种区域尺度小麦白粉病严重度估算方法。结果显示基于关键期遥感特征的小麦白粉病发生严重度的k NN估算方法的总体精度较传统的基于单一时相影像的病害估算方法提高了7.7个百分点。其次,研究基于两时相Sentinel-2和Landsat-8影像构建的归一化两时相遥感特征结合SMOTE-BPNN方法发展了一种区域尺度小麦条锈病严重度估算方法。结果显示基于归一化两时相遥感特征的小麦条锈病严重度估算方法的总体精度和G均值分别较传统的基于单一时相单一数据源的病害估算方法提高了20.0个百分点和26.8个百分点。本文的研究结果表明综合了作物长势状况和生境信息的多源多时相卫星遥感影像可以有效应用于作物不同病虫害的区分研究,显著提高模型的区分精度;多时相无人机高光谱技术结合合适的特征选择算法和分类技术的方法在田块尺度作物专一病害的监测研究中具有潜力;耦合病害发生关键期多源多时相卫星遥感影像可以更加准确地表征作物病害严重度空间分布。