多源遙感技術(shù)下農(nóng)作物病蟲害信息的提取與檢測

王景發(fā)

摘要 ? ?遙感技術(shù)具有宏觀性、實(shí)時(shí)性和動態(tài)性的特點(diǎn)，通過多源遙感技術(shù)開展實(shí)時(shí)監(jiān)測，了解農(nóng)作物的分布、生長以及病蟲動態(tài)，不僅可以為作物生產(chǎn)管理者提供及時(shí)準(zhǔn)確的數(shù)據(jù)信息，還可以有效控制病蟲害現(xiàn)象的發(fā)生。本文基于多源遙感技術(shù)采用光譜信息散度法和混合調(diào)諧濾波算法對薊州區(qū)小麥粉病發(fā)生情況進(jìn)行提取和檢測，并對比了2種方法提取結(jié)果的差異，以期為促進(jìn)多源遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用提供參考。

關(guān)鍵詞 ? ?多源遙感;農(nóng)作物;病蟲害信息;提取檢測;天津市;薊州區(qū)

中圖分類號 ? ?S127 ? ? ? ?文獻(xiàn)標(biāo)識碼 ? ?A

文章編號 ? 1007-5739（2020）22-0170-02 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

作物生長受到許多因素的影響，例如光合作用、氣溫條件、土壤成分、肥料使用情況以及病蟲害侵襲等，作物生長不但是多種因素綜合作用的結(jié)果，而且是一種復(fù)雜的生態(tài)變化過程[1]。農(nóng)作物長勢信息不僅反映了作物生長現(xiàn)狀，也是農(nóng)情信息收集研究的主要來源之一。

實(shí)時(shí)無損監(jiān)測作物生長和生產(chǎn)力準(zhǔn)確預(yù)測有利于提高傳統(tǒng)作物種植技術(shù)水平和苗木管理，同時(shí)也為農(nóng)業(yè)貿(mào)易和決策提供依據(jù)，可以有效提高糧食安全，促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展[2]。目前，由于不同區(qū)域存在不同的地形地貌特征以及氣候條件，該研究領(lǐng)域有很多方法來提取和檢測農(nóng)作物生長情況，單一的檢測方法并不適用[3]。

因此，有必要根據(jù)不同地區(qū)和不同作物的生長發(fā)育特點(diǎn)進(jìn)行更為詳細(xì)的參數(shù)化和定位化，其中，多源遙感技術(shù)正是解決該問題的有效方案之一[4]。現(xiàn)階段，越來越多的地區(qū)開始利用遙感數(shù)據(jù)動態(tài)監(jiān)測技術(shù)來檢測農(nóng)作物生長情況。

薊州區(qū)（東經(jīng)117°5′～117°47′，北緯39°45′～40°15′）位于天津市北部，總面積達(dá)1 593 km2，地勢呈現(xiàn)北高南低的階梯狀態(tài)分布。薊州區(qū)屬于大陸性季風(fēng)氣候區(qū)，四季分明，雨熱同期，良好的氣候條件和水文條件造就了薊州區(qū)重要的糧食生產(chǎn)地位，使其成為天津市主要糧食產(chǎn)區(qū)之一[5]。基于此，本文深入開展多源遙感技術(shù)試驗(yàn)設(shè)計(jì)，選取案例地區(qū)開展監(jiān)測研究，在構(gòu)建多源遙感技術(shù)的小麥生長提取監(jiān)測模型的基礎(chǔ)上，對其提取結(jié)果進(jìn)行分析和討論，希望該研究可以為精準(zhǔn)農(nóng)業(yè)實(shí)施提供重要的技術(shù)支撐，進(jìn)而推動農(nóng)業(yè)的快速高效發(fā)展。

1 ? ?數(shù)據(jù)來源與研究方法

1.1 ? ?數(shù)據(jù)來源

對薊州區(qū)2018年3月至2019年2月農(nóng)作物生長季各獲取了高空間分辨率的遙感影像，同時(shí)各獲得景影像，并在此基礎(chǔ)上獲取多光譜遙感影像。

1.2 ? ?數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理需要對研究案例地區(qū)的各景影像進(jìn)行輻射定標(biāo)、幾何校正、大氣校正。本文首先對數(shù)據(jù)進(jìn)行幾何校正和大氣校正，為了減少云活動對圖像產(chǎn)生影響，該處理對其進(jìn)行了星云去除方案，其中包括云和云陰影的去除。在此基礎(chǔ)上，根據(jù)研究區(qū)土地類型特征和作物種植特點(diǎn)采用多源遙感技術(shù)對其提取和檢測。主要試驗(yàn)方案分為以下幾個(gè)步驟：第一步，將植被區(qū)和非植被區(qū)進(jìn)行區(qū)分;第二步，提取研究區(qū)內(nèi)小麥種植面積;第三步，對小麥種植區(qū)進(jìn)行提取。采用多時(shí)相HJ-CCD數(shù)據(jù)進(jìn)行區(qū)域提取，表1為薊州區(qū)地區(qū)主要農(nóng)作物物候期。

1.3 ? ?研究方法

本節(jié)分別采用光譜信息散度與混合調(diào)諧濾波算法對薊州區(qū)研究區(qū)進(jìn)行病害信息的提取。以T4時(shí)期包含50個(gè)實(shí)際調(diào)查樣點(diǎn)的樣本進(jìn)行模型訓(xùn)練，以另外30個(gè)調(diào)查樣點(diǎn)的樣本進(jìn)行模型驗(yàn)證。

光譜信息散度法的原理是根據(jù)2個(gè)像元間的相關(guān)性把待分類像元?dú)w入相關(guān)性算法中，假設(shè)x和y為多維向量，可計(jì)算出其光譜信息散度的統(tǒng)計(jì)量公式如下所示：

SID=D（x||y）+D（y||x）（1）

運(yùn)用以上算法將樣本根據(jù)待分類像元與三類樣本的SID距離對其相關(guān)性程度進(jìn)行判斷，將像元劃入與其相似度最高的類型，并最終生成分類結(jié)果圖。混合調(diào)諧濾波算法屬于混合像元分解算法的分支，該算法分為MF值和INF值2種輸出結(jié)果，以下為MF值具體公式：

式中，μt為圖像目標(biāo)方差，μb為圖像背景方差，∑b為背景圖像的協(xié)方差矩陣。MTMF算法與MF算法的不同之處是其中添加了INF指標(biāo)。該指標(biāo)的具體含義為評價(jià)MF值算法的可信程度。

2 ? ?結(jié)果與分析

2.1 ? ?光譜信息散度法提取結(jié)果

用光譜信息散度法建立模型，薊州區(qū)內(nèi)小麥粉病的病情監(jiān)測總體情況如下：通過衛(wèi)星遙感技術(shù)得知，薊州區(qū)東南地區(qū)為主要發(fā)病區(qū)，北部地區(qū)受到病害侵染程度較小;根據(jù)調(diào)查結(jié)果可知，調(diào)查樣點(diǎn)感染粉病低于北緯40°。由此可見，提取結(jié)果與調(diào)查結(jié)果大體相同。

2.2 ? ?混合調(diào)諧濾波算法提取結(jié)果

采用混合調(diào)諧濾波算法建立模型，薊州區(qū)內(nèi)小麥粉病的病情監(jiān)測總體情況如下：通過衛(wèi)星遙感技術(shù)得知，薊州區(qū)東南地區(qū)為小麥粉病主要發(fā)病區(qū)，但是該算法得出的染病面積較光譜信息散度法提取的染病面積少。

2.3 ? ?提取結(jié)果對比

基于光譜信息散度法構(gòu)建的檢測模型發(fā)病面積比為15%～20%，而MTMF方法在MF值的基礎(chǔ)之上，通過INF值對結(jié)果的可信度進(jìn)行約束使發(fā)病面積有所減少。綜合比較來看，光譜信息散度提取法的優(yōu)勢在于對于植被變化的敏感性比較強(qiáng)，混合調(diào)諧濾波提取方法的優(yōu)勢在于可以在一定程度上減少錯(cuò)誤識別染病樣點(diǎn)情況的發(fā)生，但是2種方法均存在一定的不足，需要不斷地完善和改進(jìn)。從以上分析結(jié)果可以得知，在本文中使用的病害監(jiān)測模型構(gòu)建的方法在病情分類方面尚未達(dá)到滿意的精度，仍然需要進(jìn)一步的研究。

3 ? ?結(jié)論

多源遙感技術(shù)對于預(yù)測農(nóng)林作物的當(dāng)季產(chǎn)量、儲備產(chǎn)量、價(jià)格走勢等具有極高的現(xiàn)實(shí)應(yīng)用價(jià)值，是規(guī)劃農(nóng)林作物的種植規(guī)模和產(chǎn)業(yè)發(fā)展過程中極其重要的基礎(chǔ)數(shù)據(jù)。當(dāng)前，農(nóng)林作物種植面積監(jiān)測的主要手段是衛(wèi)星遙感數(shù)據(jù)監(jiān)測和逐級統(tǒng)計(jì)。衛(wèi)星遙感監(jiān)測因其速度快、頻率高、成本低、準(zhǔn)確率高等特點(diǎn)，越來越普遍用于農(nóng)業(yè)產(chǎn)業(yè)的產(chǎn)業(yè)分析和規(guī)劃指導(dǎo)中[6-7]。本文基于多源遙感技術(shù)對薊州區(qū)農(nóng)作物生長情況進(jìn)行了提取和檢測，得出了目前薊州區(qū)東南地區(qū)農(nóng)作物病蟲害發(fā)生情況。應(yīng)當(dāng)對農(nóng)作物病蟲害的高發(fā)地區(qū)進(jìn)行更為嚴(yán)格細(xì)致的管控，從而更好地促進(jìn)農(nóng)作物的健康生長。

綜上所述，目前許多衛(wèi)星遙感監(jiān)測方法僅僅對衛(wèi)星遙感數(shù)據(jù)進(jìn)行分析，而對氣象研究等數(shù)據(jù)應(yīng)用比較少。下一步的工作是將遙感數(shù)據(jù)、氣象數(shù)據(jù)以及其他相關(guān)數(shù)據(jù)充分結(jié)合，以提高對作物氣候變化的有效監(jiān)測[8-9]。

4 ? ?參考文獻(xiàn)

[1] 何勇，彭繼宇，劉飛，等.基于光譜和成像技術(shù)的作物養(yǎng)分生理信息快速檢測研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（3）：174-189.

[2] 袁文平，蔡文文，劉丹，等.陸地生態(tài)系統(tǒng)植被生產(chǎn)力遙感模型研究進(jìn)展[J].地球科學(xué)進(jìn)展，2014，29（5）：541-550.

[3] 張立祥，王珂，王春曉.基于集成學(xué)習(xí)的SAR圖像農(nóng)田區(qū)域識別與檢測方法研究[J].信息通信，2017（11）：60-63.

[4] 許宏健.多源遙感技術(shù)在土地利用中的應(yīng)用綜述[J].黑龍江科技信息，2015（13）：6.

[5] 許琦，孫鈺，崔寅.高端鄉(xiāng)村旅游產(chǎn)業(yè)與生態(tài)環(huán)保基礎(chǔ)設(shè)施協(xié)同發(fā)展研究：以天津薊州區(qū)為例[J].科技和產(chǎn)業(yè)，2019， 19（1）：14-19.

[6] 王利龍，呂航.高光譜遙感技術(shù)在農(nóng)作物監(jiān)測中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2018（1）：147-148.

[7] 羅紅霞，闞應(yīng)波，王玲玲，等.基于高光譜遙感技術(shù)的農(nóng)作物病蟲害應(yīng)用研究現(xiàn)狀[J].廣東農(nóng)業(yè)科學(xué)，2012（18）：76-80.

[8] 張競成，袁琳，王紀(jì)華，等.作物病蟲害遙感監(jiān)測研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2012（20）：1-11.

[9] 蒙繼華，吳炳方，杜鑫，等.遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用進(jìn)展及展望[J].國土資源遙感，2011（3）：1-7.