基于不同平臺的小麥病蟲害遙感監測研究進展*

孫瑞琳，孫全，孫成明，劉濤，李冬雙，吳峰峰

(1.揚州大學農學院，江蘇省作物遺傳生理國家重點實驗室/江蘇省作物栽培生理重點實驗室，江蘇揚州，225009；2.揚州大學，江蘇省糧食作物現代產業技術協同創新中心，江蘇揚州，225009)

0 引言

小麥是世界歷史上最古老的栽培作物之一，也是中國僅次于水稻的第二大糧食作物。其分布范圍廣，種植面積大，總產量高，營養價值豐富，同時它又是我國北方地區主要的細糧作物[1]。因此，小麥的高產、穩產、優質、高效對于保障我國糧食供給和經濟發展具有重要作用[2]。然而，隨著小麥種植面積的不斷減少以及氣候環境的異常變化，小麥病蟲害頻繁爆發。病蟲害的發生具有種類多、影響大、危害程度逐年增加等特點，不僅會造成小麥產量下降，還會影響農產品質量安全，對糧食安全構成極大威脅。因此，加強小麥病蟲害的預測預報工作尤為重要。

傳統的病蟲害監測預報方式仍以人工田間調查為主，通過目測觀察植株的癥狀，來評估作物的病蟲害等級，這種方法不僅費時、費力，在大范圍的作物監測方面效率較低，而且調查結果容易受調查者主觀經驗的影響從而產生誤判，難以順應日益嚴重的病蟲害發展趨勢。此外，由于麥田病蟲害發生的不確定性[3]，農藥的過度使用時有發生，不僅增加了生產成本，而且農藥帶來的殘留也會給環境帶來污染[4]。因此，根據冠層光譜反射率特征，開發一種簡單而經濟的光學設備用于遠程監測病蟲害[5]，掌握小麥病蟲害的空間分布和發展趨勢，指導農藥的合理使用，是防治小麥病蟲害的關鍵。近年來，飛速發展的遙感技術為大面積監測、快速準確的識別作物的病蟲害提供了可能性[3]。與傳統的病情監測方法不同，遙感監測技術是指通過各種傳感器獲取電磁波能量和目標地物輻射反射的信息，而不與目標物體直接接觸，允許在整個生長季內對小麥的生長情況進行實時監測、分析和評價，以便采取合理的防治措施的綜合技術。利用遙感技術不僅能在較早的時期發現病蟲害，而且還能夠給監測者提供病蟲害的蔓延趨勢；因遙感監測還具有空間上的連續性，它不僅能對大范圍農田進行全方位監測，極大地減少了調查工作量，還有效解決了調查目標間的差異性。因此遙感技術具有宏觀、高效、實時、無損、準確性高等顯著優點[6]。隨著科學的不斷進步，逐漸成熟的遙感技術是目前唯一能夠在大范圍內能夠快速獲取空間連續目標地物的信息手段。它已廣泛用于病蟲害監測、作物產量估算和品質分析等方面，這些應用使傳統農業的管理和作業模式發生了極大地轉變并為其提供了新的發展方向[7]，推動著農業向著優質、高效、安全、生態和現代化信息化的方向發展。因此，利用遙感技術，提高對小麥病蟲害的監測和預報，以實現我國糧食高產穩產、農產品安全具有重大意義。

本文在介紹作物病蟲害光譜響應生理機制的基礎上，通過基于近地高光譜平臺、基于低空和航空遙感系統和基于遙感衛星這3個平臺對現階段小麥病蟲害的研究現狀及監測方法進行梳理，并在此基礎上探討了目前小麥病蟲害存在的問題及未來的發展趨勢。

1 作物病蟲害光譜響應生理機制

目前，光學遙感監測由于其成本相對較低并且能進行大范圍的監測病蟲害[8]，因此許多專家和學者參與了農作物病蟲害的研究過程。當作物受到不同種類或者不同程度的病蟲害脅迫時，會改變其內部的生理生化特性和結構特征，外形上會出現枯黃、凋零等現象。同時，作物的光譜在不同波段會表現出不同吸收和反射特性的變化，即作物病蟲害的光譜響應[9-10]。植株或者受病蟲害脅迫的植株對光譜的響應，主要受兩個因素的影響，一是細胞的內部結構，例如葉片、果實等器官的細胞或果肉組織的內部結構會對光造成不同程度的反射、散射；二是植物細胞中的生物化學成分，例如葉片中的水分、色素以及其他化學物質等吸收作用的影響[11]，因此其光譜響應具有多效性，將光譜響應特征提取并經過形式化、定量化表達，這不僅可以深入研究作物病蟲害侵染程度、侵染種類及侵染階段等，而且有助于進一步研究光譜響應特性與農作物病蟲害之間的關系，為深入研究農作物病蟲害光學遙感監測提供依據[12]。

作物光譜的反射特性受葉細胞結構、色素、含水量和蛋白質含量等因素的影響，因此這些因素與作物的健康狀況以及生長環境密切相關。相較于其他地物，健康綠色植物的光譜曲線表現出明顯的“峰和谷”的特征[13]，如圖1所示。

圖1 健康葉片光譜反射率特性

在可見光范圍內，光譜特征主要受葉片中各種色素的吸收作用的影響，并消耗于葉片的光合作用，所以反射率較低，僅在綠光波段有一個反射率小峰，因此人們看到的健康葉片通常呈綠色；在近紅外區域，由于葉片細胞壁和細胞間隙導致的多重散射，所以具有較高的反射率[14]。在可見光和近紅外區域之間有一個過渡帶，稱為“紅邊”，這是由于紅光波段的強吸收以及近紅外波段的多重反射之間的反射差造成的[12]；在短波紅外區域，由于水分、蛋白質等的吸收作用，呈現較低的反射率。植株葉片在受到病蟲害脅迫后，其生理生化特性會發生很大變化，如葉片變黃干枯、葉片細胞組織遭到破壞以及葉綠素含量降低等現象，從而導致可見光區域反射率增加，且隨著脅迫程度的不斷加重，近紅外區域反射率較正常葉片下降，同時出現紅邊藍移的現象[15]。通過計算紅邊移動的距離，可以判斷植株受害程度[16]。另外，在病蟲害嚴重脅迫下會造成植株葉片萎蔫，冠層結構發生變化，如葉片傾斜和莖稈傾斜，從而較大程度上影響著近紅外和短波紅外區域反射率的改變[17]。

基于上述理論，可以知道病蟲害的光譜響應主要考慮植株外部形態和內部生理的影響，通過分析病蟲害脅迫下的光譜特征，從而了解遙感監測病蟲害的光譜機理，這對開展作物病蟲害遙感監測的研究具有重要義。

2 基于近地高光譜平臺的小麥病蟲害遙感監測研究

近地光譜對作物病蟲害的監測主要是利用非成像地物光譜儀測量作物受病蟲害脅迫后的冠層及葉片的光譜反射率或者利用地面成像光譜獲取近地光譜圖像，主要獲取的是近地高光譜數據。高光譜遙感(Hyperspectral remote sensing)是光譜分辨率在10-2λ以下的高分辨率遙感，其基礎是測譜學[18]。與傳統的寬波段遙感相比，高光譜具有光譜范圍窄、波段多、波段連續、信息冗余、數據量多等特點，很好地解決了常規遙感中許多物質不可被探測到的問題[19]。利用高光譜遙感技術監測病蟲害可追溯到20世紀20年代末至30年代初，隨著遙感信息技術的快速發展，高光譜技術在小麥病蟲害監測的研究中取得了較大進展[1]。因此利用病蟲危害后的近地高光譜遙感數據不僅可以進行分析處理技術，篩選病蟲危害后的敏感波段，還可為建立衛星遙感光譜數據與地面光譜數據之間的聯系提供保障，為小麥病害監測的定性或定量化參數提取和機理估算模型的構建奠定基礎[20]，具有重要的研究意義。

2.1 基于近地非成像高光譜的小麥病蟲害遙感識別

非成像高光譜技術是指通過傳感器接收探測對象反射或輻射的電磁波，同時獲取探測對象的光譜數據，從而探測目標對象的光譜信息。主要數據源是近地高光譜數據[1]。隨著高光譜遙感技術的發展，以地物光譜測量學和成像光譜測量學、地物光譜儀和成像光譜儀的同步發展為特點，PFRS地物光譜儀是第一個能夠測量可見光區域和近紅外區域的便攜式光譜儀，隨后PIDAS地物光譜儀、ASD地物光譜儀也相繼被研制出來，不同于成像光譜儀，這些遙感探測器直接用于地面或實驗室中獲取目標物體的光譜曲線而不進行成像[21-22]。

近年來，國內外學者通過這些光譜儀獲取的光譜數據，分析了反射光譜特征與病害參數間的關系，篩選出病蟲害危害后的敏感波段，從而實現病蟲害的監測與分類識別。Luo等[23]選擇了不同蚜蟲密度的小麥葉片60片，并測量了在350～2 500 nm的光譜范圍內測量葉片的反射率，研究發現700～930 nm、950～1 030 nm、和1 040～1 130 nm是引起小麥蚜蟲脅迫的敏感波段。Mirik等[24]將受蚜蟲侵害的小麥冠層與未受侵害的小麥冠層光譜對比分析，發現受侵害的小麥冠層在近紅外波段的反射率明顯較低，在可見光波段反射率較高。喬洪波等[25]利用手持式ASD高光譜儀測定了受白粉病、條銹病和蚜蟲危害的麥田冠層光譜反射率，并利用逐步判別、線性判別和分層聚類等方法篩選受脅迫的敏感波段，對病蟲害的識別有較好的效果。Riedell等[26]分別測量了受蚜蟲侵染的小麥葉片和健康對照的葉片的光譜反射率，研究分析表明625～635 nm和680～695 nm這兩個波段是蚜蟲取食小麥葉片引起葉綠素損失和葉片衰老的敏感波段。同時，另有部分學者在篩選敏感波段的基礎上，通過構建不同的植被指數對小麥病蟲害進行建模分析，可進一步提高病蟲害監測與分類的精度。Jiang等[27]利用一階微分最大值法分別提取光譜紅邊與黃邊位置來構建植被指數，具有較好的精度，并且能夠提前12 d識別出受病害侵染的小麥。馮偉等[28]建立了病害葉綠素密度估算模型并進行了驗證，結果表明NDAI(α，β)是估測感染小麥白粉病葉綠素密度的可靠指標。Zhao等[29]通過構建植被指數和微分光譜指數，比較分析了日光誘導的葉綠素熒光和光譜反射數據監測小麥條銹病的嚴重程度，結果表明病情指數DI≤45%時，日光誘導葉綠素熒光數據構建的預測模型效果更佳，DI>45%時，兩種方法均達到極顯著水平。還有部分學者通過各種統計判別、回歸模型或數據挖掘算法等進行建模分析。Muhammed等[30]利用主成分分析和獨立成分分析的方法評估田間小麥褐斑病的嚴重程度取得了較高的相關性。Wang等[31]采用偏最小二乘(PLS)、BP神經網絡和植被指數經驗法建立回歸模型，監測小麥條銹病的嚴重程度，同時進行分析比較，結果表明采用PLS方法的監測效果更好。Krishna等[32]采用偏最小二乘法(PLS)和多元線性回歸(MLR)技術，建立光譜模型來評估小麥條銹病的嚴重程度，研究表明所建模型均具有較強的相關性和較低的誤差，對小麥條銹病的精確鑒別和監測具有很大的潛力。Yu等[33]利用光譜儀采集了335個小麥品種的冠層高光譜數據，并利用光譜數據校準的偏最小二乘判別分析(PLSDA)模型區分受褐斑病脅迫的小麥冠層和健康冠層，總體精度高達95%。

2.2 基于近地成像高光譜的小麥病蟲害遙感識別

高光譜成像是19世紀80年代發展起來的一項新興遙感技術[34]，它不僅能獲得目標地物的圖像，而且還可以獲取目標地物每一個像素點的連續光譜信息，光譜分辨率很高，通常精度可達到2～3 nm，能夠獲取“圖譜合一”的遙感數據。因此，通過處理高光譜圖像信息，可以提取小麥的顏色、紋理和位置等外部特征，通過對連續光譜信息進行高維數據壓縮和特征波長提取，可以監控小麥的內部特征。通過圖像特征和光譜特征的有效融合，可以克服單一圖像或光譜特征的不足，顯著提高小麥病蟲害早期監測和識別的準確性，從而達到根據小麥內外綜合特征進行病害診斷的目的[35]。同時，通過對光譜和圖像的分析，可以了解小麥、背景等因素之間的關系，從而提高光譜數據的價值。目前，近地成像遙感作為一種獲取遙感數據的廉價工具，已經廣泛應用于小麥病蟲害的研究中。Singh等[36]利用近紅外(NIR)高光譜成像技術在對小麥健康籽粒和蟲害籽粒進行掃描，通過特征提取和判別分析，獲得了較好的分類效果。喬紅波等[37]采集感染小麥全蝕病的近地成像高光譜數據，并利用基于徑向基(RBF)核函數的支持向量機進行分類，研究表明利用該方法分類精度均達94%以上。Guo等[38]通過主成份分析—載荷法(PCA)、連續投影算法(SPA)和競爭性自適應重加權算法(CARS)對小麥條銹病、白粉病以及健康葉片的高光譜圖像信息進行降維并建立判別模型，結果表明PCA結合極限學習機模型最優，高光譜圖像信息可用于準確識別不同類型的小麥病害。Whetton等[39]利用高光譜數據進行偏最小二乘(PLSR)回歸分析并建立校準模型，預測小麥和大麥感染條銹病、赤霉病的覆蓋率，結果表明在實驗室條件下對條銹病的預測精度更高。Liang等[40]利用高光譜成像系統獲取小麥白粉病和條銹病的圖譜數據，篩選敏感波段并用支持向量機(SVM)建立判別模型，結果表明兩種病害的分類精度高達92%。袁琳[15]在結合光譜特征和圖像幾何、紋理特征的基礎上，提出一種能夠綜合光譜和圖像特征的病蟲害區分方法用于區分小麥條銹病、白粉病和蚜蟲病。

上述研究結果表明，高光譜成像技術主要通過研究小麥正常圖譜與病蟲害圖譜的差異，建立小麥病蟲害監測模型。此外，高光譜成像技術在不同病蟲害的光譜特征提取和波段選擇方面具有巨大的潛力，已成為小麥病蟲害快速無損監測的重要手段之一。但是基于成像高光譜對小麥病蟲害的研究主要都是不同種類病蟲害的分類識別，對病蟲害發生嚴重程度的研究較少，并且在實際生產中也沒有大規模應用，還應對此深入探討。

3 基于低空和航空遙感平臺的小麥病蟲害遙感監測研究

航空遙感又稱機載遙感，是指利用各種航空飛行器作為傳感器運載工具在空中對目標地物進行遙測的一種綜合性探測手段，是遙感技術的重要組成部分。現有的航空飛行器包括各種有人駕駛飛機、無人駕駛飛機、氣球和飛艇等，這些具有不同工作模式和技術性能的遙感平臺構成了一個多層次、立體的現代遙感信息采集系統。航空觀測平臺的工作高度一般不超過80 km，可以有效彌補近地遙感探測面積小、易受地形地貌條件影響、衛星遙感影像分辨率較低的問題。它是對地觀測技術系統的一種重要的信息感知方法[41]。航空遙感因具有分辨率高、探測面積大、調查周期短、成像比例大、信息容量大、信息獲取方便快捷等特點成為了現代空間數據獲取不可替代的技術手段，也是近地遙感、衛星遙感的有效補充。研究初期，主要使用的是相機膠卷，故而在圖像處理和信息提取上較為復雜。隨著技術的發展，因數碼圖像可以挖掘更多的數據信息，數字圖像處理技術具有高效、快速、實時、無損等優點，用于小麥病害監測的數碼相機和數字圖像處理技術得到廣泛應用。Huang等[42]利用多時相機載高光譜圖像識別和定位冬小麥條銹病感染區域。劉良云等[43]利用多時相高光譜航空飛行圖像數據，成功地監測了冬小麥條銹病發病范圍與病害程度。周堅華等[44]用彩紅外航空攝影圖像的數字化圖像，通過一元回歸分析證實了蟲害水平與植物近紅外影像具有顯著相關性。雖然大型飛機在遙感航拍方面續航時間長，載荷能力大，但是受到很多因素的影響，例如受限于天氣條件、起降要求高、成本和維護費用高等。隨著飛行器的不斷推陳出新，輕小型飛機、無人機、熱氣球等各種低空飛行器為遙感領域開辟了新思路。

在低空遙感的飛行器中，無人機遙感系統是低空遙感系統的重要組成部分，其具有成本低、分辨率高、操作方便、受天氣條件影響小等特點。無人機遙感技術是指利用無人機搭載多種傳感器對目標地物的進行非接觸、遠距離監測的技術[45]。無人機飛行平臺包括多旋翼無人機、固定翼無人機、混合翼無人機、無人直升機等，配備的傳感器按照探測波長的不同，主要分為可見光波段(400～760 nm)數碼相機(Digital camera)、可見近紅外波段(400～1 100 nm)多光譜相機(Spectral camera)、熱紅外波段(3.6～13.5 μm)相機(Thermal camera)等[46]。使用無人機搭載遙感技術是精準農業領域非常有潛力的操作技術，該技術操作便捷，已成為我國小麥病蟲害快速實時監測的重要手段之一。冷偉峰等[47]利用無人機獲取田間受不同程度條銹病危害的小麥冠層圖像，調查了病情指數并進行相關性分析，結果表明染病地塊和健康地塊的反射率之間存在極顯著差異，基于UVA的小麥條銹病監測是可行的。李振興[48]使用無人機遙感采集農田小麥全蝕病圖像，在以數字圖像處理技術和模糊聚類圖像分割的基礎上，利用Java web技術設計并實現了小麥全蝕病監測系統。Su等[49]利用無人機搭載的多光譜相機獲取了8個時間點的航拍圖像，通過時空分析的結果表明植被指數對小麥條銹病的敏感性隨時間變化，在抽穗期后期下降，為農田尺度的條銹病早期時空監測提供了重要指導。Liu等[50]采用無人機搭載RGB鏡頭監測小麥條銹病，結果表明，在可見光波段中，紅色波段與病情指數相關性最高。

4 基于衛星平臺的小麥病蟲害遙感監測研究

利用衛星、探測火箭、航天飛機等航天飛行器作為飛行平臺的遙感稱航天遙感。在航天遙感中衛星遙感技術應用最為廣泛。衛星遙感技術是利用人造衛星作為傳感器載體平臺，遠距離接收目標物體反射或輻射的電磁波，探測光譜特征信息，同時獲取目標地物的圖像和光譜數據，從而實現定位、定量或定性描述的技術。根據運行軌道、高度和使用的傳感器類型的不同，衛星可分為地球同步軌道衛星、極地軌道衛星、導航衛星、測地衛星、通信衛星、海洋衛星氣象、衛星等[19]。國外研究衛星遙感技術較早，第一顆氣象衛星是美國在1960年發射的，起初用來預測天氣，后來也用作作物產量預測、旱澇和植物病蟲害監測。1972年美國又發射了第一顆地球資源技術衛星，標志著全新遙感時代的到來，所以衛星遙感監測是伴隨氣象衛星和資源衛星的發展開展起來的[51]。衛星遙感技術具有可連續觀測、監測范圍廣、數據采集速度快、監測視點高、影像信息豐富等優點。目前，隨著衛星遙感技術的迅猛發展，遙感衛星上搭載的傳感器也越來越先進，給科研工作者提供了各種類型的具有更高分辨率和精度的衛星遙感數據，為實時監測小麥的長勢情況，對小麥病蟲害及時預警提供了技術保障。Dutta等[52]利用衛星數據結合氣象資料識別小麥條銹病的影響區域以及遙感指標的有效性，并預測條銹病發生的時間和地點。Yang等[53]比較了手持式輻射儀獲取的反射數據計算的植被指數和Landsat TM的寬波段植被指數對小麥蚜蟲危害的敏感性。Franke等[54]利用Quickbird高分辨率遙感影像對感染小麥白粉病和條銹病的田塊進行識別研究，利用混合調諧匹配濾波(MTMF)和歸一化植被指數(NDVI)劃分顯示不同染病程度的區域，識別精度高達88.6%。

國內對于小麥病蟲害衛星遙感的研究起步較晚，Huang等[55]從Landsat 8 OLI(Operational Land Imager)衛星遙感影像中提取了小麥白粉病的11個特征參數，分別使用隨機森林(RF)和支持向量機(SVM)建立監測模型。馮煉等[56]將地面實測光譜數據建立的模型應用到HJ-CCD傳感器數據，提取到的小麥受病蟲害侵染范圍與地面實測結果一致，其中邏輯回歸模型精度高達76.47%。劉良云等[13]利用不同時期的小麥白粉病和條銹病的Landsat TM衛星遙感數據結合地面實測的光譜數據及農學數據進行分析建模并根據實際產量數據，定量計算了受白粉病和條銹病侵染麥田的產量損失，損失超過了30%。

基于不同遙感平臺監測小麥病蟲害的常用設備及其優缺點，如表1所示。

表1 不同平臺小麥病蟲害監測常用設備及優缺點

5 存在的問題

縱觀已有的研究進展，國內外學者已經在小麥病蟲害遙感監測領域取得了豐碩的研究成果，并且病蟲害遙感監測預測逐漸成為近年來研究的熱門領域。雖然發展迅猛，但是由于病蟲害發病機理較為復雜以及遙感技術的不完善，仍然存在各種各樣的問題亟待解決，主要體現在以下幾個方面。

1)對病蟲害光譜特征的專屬性認識不足。小麥在受到病蟲害的脅迫時，其外部特征可能會與水分、養分等脅迫引起的癥狀相似，導致光譜的響應特征也極其相似。受到病蟲害脅迫的同一作物使用不同的傳感器監測會出現不同的光譜，某種病害在侵染同一作物時也可能會表現出不同的癥狀，從而監測出不同的光譜特征。也就是所謂的“同譜異物”和“同物異譜”的現象，給小麥病蟲害的區分帶來了很大的困難。有研究表明，受條銹病脅迫的小麥在可見光譜段(400～700 nm)反射率上升，近紅外譜段(700～1 300 nm)反射率下降，而有些其它病害，光譜反射率在可見光波段(500～700 nm)有所增高，在近紅外譜段(700～1 000 nm)有所下降[57]，這就增加了不同病害脅迫區分的難度。

2)缺乏多種小麥病蟲害危害類型的比較研究。目前，大部分的研究都是針對單一病蟲害進行的，實驗環境相對簡單，大都進行控制性試驗，缺乏兩種或多種病蟲害及其他脅迫類型相結合的對比判別研究。而實際麥田環境是相對復雜的，有很多不可控因素，會同時在小麥葉片上發生兩種或兩種以上病蟲害，如Geaff等[58]研究了小麥白粉病和全蝕病侵染小麥植株過程中葉片光譜反射率的變化，表明490～780 nm、510～780 nm、516～1 300 nm和540～1 300 nm是小麥白粉病和全蝕病的敏感波段。因此就缺乏一些混合病蟲害對比識別的依據。

3)病蟲害監測預報效率低，缺乏多源遙感信息的綜合應用。小麥在受到病蟲害脅迫的初期，雖未表癥，其內部生理結構已經發生變化，等到癥狀顯現時內部已經受到較大損傷。而目前廣泛應用的衛星遙感分辨率較低，而且受重訪周期的影響，研究存在很大的滯后性。地面研究和低空無人機遙感雖然監測精度高，但是僅限于小范圍的研究，現有技術無法同時滿足高光譜、高空間和高時相分辨率的要求。

4)病蟲害監測模型普適性差。近年來，隨著遙感監測技術的不斷發展，國內外研究者提出了不少小麥病蟲害的監測模型，但是大多數的模型僅適用于當地的病蟲害脅迫環境，并且研究多在經濟較發達并且病害發生較為集中地區域。當小麥品種、氣候環境、栽培管理方式等眾多因素改變，都會對實驗數據產生影響，模型的普適性便難以得到保證。因此，如何擴大模型的普適性也是一個亟待解決的難題。

6 發展趨勢

1)綜合多時相遙感數據來進一步開展小麥病蟲害的遙感監測。今后的研究中需嘗試不同平臺遙感數據的綜合使用，地面平臺監測范圍小，可以做機制機理方面的研究，無人機和衛星平臺可以做示范和推廣應用，把地面建立的反演模型應用到無人機圖像和衛星影像中，可考慮綜合應用高空間、高光譜和高時相分辨率遙感數據，在實現大范圍監測的同時提高監測精度和時間分辨率，從而提高小麥病蟲害的預警監測能力。

2)建立小麥病蟲害光譜庫提高模型應對復雜農田環境的適應能力。今后的研究中應當模擬實際農田環境，或者選擇野外自然發生病蟲害的麥田，將某些病蟲害光譜特征的專屬性研究應用到大田復雜的環境中，并對具有相似脅迫特征的實驗數據進行對比分析，建立多元化的小麥病蟲害波譜數據庫，不斷改進用于小麥病蟲害監測的各種算法和模型，從而提高監測模型對復雜農田的適應能力，增強監測模型的普適性，對生產實踐具有重要的指導意義。

3)構建全國性病蟲害遙感監測信息服務系統。近年來，隨著精細農業的飛速發展，對構建全球病蟲害遙感監測信息服務系統提出了更高的要求。未來要以地理信息系統(GIS)、全球定位系統(GPS)、互聯網(Internet)等信息技術為依托，借助國內外中高分辨率多源衛星結合無人機以及地面植保調查數據，開發能夠實時監測、監測結果精準、可以大范圍推廣應用的病蟲害預測監測系統，為實時動態監測病蟲害，及時綜合防治提供強有力的保障。

4)加強國際間的交流與合作。目前，針對小麥病蟲害的研究多是本國人員間的交流與研究，對于國際間發生的病蟲害缺乏相應的預防與聯絡機制。今后，國家需重視病蟲害遙感監測研究工作，投入必要的研究經費，在不同國家間建立合作機構，特別是入侵病蟲害的防治需要多個國家協同合作。