基于多源遥感信息的小麦条锈病监测模型研究

【摘要】：小麦条锈病(Puccinia striiformis West.f.sp.tritici Eriks et Henn)是一种长期影响我国小麦安全生产的严重生物灾害,发病面积广、传播性强、发病几率大,容易在大区域内造成小麦大幅减产、品质降低。对小麦条锈病进行准确的预测和实时监测,及时采取防治措施,可有效减轻病害对小麦产量及品质的危害。遥感技术非接触式和高通量的特点,为快速、高效、经济、无损的及时监测小麦条锈病害感染程度提供了一种科学有效的途径。本研究在前人研究基础之上,对小麦条锈病冠层光谱响应机制以及气象环境传播机制进行了分析,结合遥感技术、数理统计知识、机器学习算法,围绕遥感—气象双重机制组合实现小麦条锈病田间精确监测这条主线,建立了机器学习小麦条锈病病情监测模型,具体内容围绕以下三个方面展开:(1)小麦冠层光谱响应机制分析:通过田间人工接种条锈病菌试验,对不同生育期小麦冠层光谱、病情指数进行了测定,提取了小麦可见光波段光谱吸收特征参数,计算了光谱敏感度值,定量分析了小麦病害随生育期推进的变化程度,并且以不同生育期的光谱敏感度值和全生育期吸收特征参数为自变量建立回归模型,精确反演了小麦全生育期的病情指数。结果表明,以光谱敏感度值为自变量的组合模型预测值拟合度为0.97,以光谱吸收特征参数为自变量的模型预测值拟合度为0.92,均达到显著水平。(2)小麦条锈病气象环境传播机制分析:通过分析甘肃东南五市陇南、天水、定西、平凉及庆阳2010-2012三年的小麦条锈病病害调查数据和小麦生长时期的逐日气象数据,得到了小麦关键生长时段的条锈病发病状态、发病面积随气候变化的特征,并通过计算各地风量影响值,分析了甘肃地区风速风向信息与病害扩散走向、流行速度之间的联系。基于地理空间分析技术及数理统计知识,结合自适应模糊逻辑向量方法对研究区域的病害发生状态做了精准预测。结果表明:甘肃东南地区的病害扩散走向与风速风向有显著关系,小麦生长从拔节期至乳熟期,气温与病害状况呈正相关关系。(3)小麦条锈病“遥感—气象”双重机制组合:以高分一号卫星WFV传感器波段响应函数为基础,将地面实测冠层高光谱数据模拟为GF-1多光谱数据,基于可见光波段以及近红波段数据构建了NDVI、RVI、TVI、DVI、RDVI等多种植被指数,与气象数据结合,基于偏最小二乘、赤池信息量准则及灰色关联度算法从中选取对小麦病害指数敏感性最好的植被指数和气象因子,建立自适应模糊逻辑推理模型,对小麦条锈病病情发生情况进行反演。结果表明,DVI植被指数、平均气温与当年小麦病害发生情况敏感性较强,对小麦条锈病病害指数进行反演得到了近似准确的精度,预测值与实测值拟合度R~2达到了0.99,RMSE为0.0012。因此,采用GF-1多光谱卫星数据,与气象数据结合能够实现对小麦条锈病害的精准监测,“遥感—气象”双重机制组合为农田精细化管理奠定了一定的基础。