论文部分内容阅读
近年来高光谱遥感技术被广泛应用于农业生产,农业遥感也已涉及到农业生产的方方面面,为精准农业和高效农业提供了先进的方法和技术。烟草作为我国重要的经济作物之一,是国民经济收入中的重要组成部分,而烟草花叶病是烟草生产中的主要病害之一,发病率高、危害性大的特点给烟农带来了巨大的损失。实时准确的掌握烟草花叶病的病发情况,是烟草花叶病防治的重要途径。研究利用地面高光谱结合高分辨率的遥感影像,建立烟草花叶病诊断模型和病害时空分布图,以期实现烟草花叶病的快速无损监测。本文以山东省临沂市沂水县沂城、道托镇的烟草为研究对象,于2014年6月-9月利用ASD Field Spec4便携式地物波谱仪实测获取烟草不同病害等级的叶片及冠层光谱数据,利用HSY-051叶绿素测定仪测定烟草的叶绿素相对值,室内测定烟草叶片的水分含量。通过分析光谱数据的一阶微分、植被指数以及各种位置变量、面积变量等与各生理生化指标及病害等级的相关性,建立基于各指标的病害估测模型。最后,结合资源三号卫星影像对烟草花叶病的病害严重度进行了定性和定量的诊断和反演。 本研究主要内容包括:⑴对不同病害等级的烟草原始光谱曲线进行了研究分析,发现烟草受花叶病影响后,其光谱特征表现为在可见光波段(400-700nm)反射率上升,而在近红外波段(700-1300nm)反射率明显下降;分析不同病害等级的烟草光谱一阶微分曲线,发现红边位置向蓝光方向移动,并且随着病害程度的加重,上述变化也越来越明显。跟踪记录不同时期花叶病的相对反射率情况发现,花叶病会随着生长期的推进而蔓延发展,并且,越到生长后期,病况蔓延越迅速。⑵将病情指数与叶绿素含量进行相关分析,得出二者呈显著负相关关系,即随着病害程度的加重,叶片叶绿素含量不断减少,二者的关系可用y=-42.01x+42.223表示,R2达0.8675,说明我们可以通过估测烟草叶绿素含量来间接评估烟草病害程度。通过提取光谱数据的一阶微分、植被指数以及各种位置变量、面积变量,利用以上三种光谱参数结合逐步回归分析方法建立花叶病烟草叶绿素含量估测模型,结果显示基于位置和面积变量建立的叶绿素估测模型优于以另外两种参数所建模型;最佳估测模型分别为:y=109.658+21.208 SDr-SDb/SDr+SDb+115.622Rg-2.230SDr/SDb-65.138 SDr-SDy/SDr+SDy-161.06λr(R2=0.885);检验精度达76.86%。⑶将病情指数与水分含量进行相关分析,发现病情指数与叶片水分含量之间的关系可用二次式y=-31.484x2+9.5045x+81.11表示,且R2达0.712,表明我们也可以通过估算叶片水分含量来近似评估烟草花叶病病害等级。通过对原始光谱数据及其8种变换、3种光谱指数与水分含量的相关分析,得出花叶病烟草水分含量最佳估测模型是基于水分波段指数WBI建立的,最优模型是Y=-2.5236-0.7472X1+1.5293X2-2.8204X3+8.7505 X4-5.4376X5+1.7175X6其中 X1-X6的数值分别为 R2298/R2333、R2299/R2333、R2321/R2344、R2322/R234、R2322/R2346、R2322/R2348六个水分波段指数,其决定系数为0.7716。经验证,该模型实测值与估测值的相关系数为0.8784,决定系数为0.7742。⑷根据2014年在沂水烟田实测的各级花叶病烟草的冠层高光谱数据,计算与病情严重度相关的11个常用植被指数,并与花叶病病情指数进行相关分析,结合变量投影重要性原则(VIP),选出最佳病情指示变量并利用偏最小二乘法建立病情严重度估测模型。同时对高分辨率的资源三号卫星影像进行处理,利用所建模型和卫星影像实现病害严重度的空间分布监测。研究结果表明:以比值植被指数(RVI),差值植被指数(DVI),再归一化植被指数(RDVI),变换植被指数(TVI),土壤可调植被指数(SAVI)作为烟草花叶病病情的指示因子,能有效的估测花叶病的严重程度,决定系数达0.8165。将所建模型用于遥感影像,得出烟草花叶病病害等级分布图,为验证病害遥感监测精度,在实地随机抽取140个样点进行病害调查同时记录各样点的地理坐标,在遥感影像上查看各样点的病害程度,结果表明遥感监测的准确率达77.13%,能够实现烟草花叶病的有效监测。