论文部分内容阅读
近年来,病虫害流行程度逐年加重,使得及早预测及实时监测病虫害的任务更加艰巨。随着各种类型的遥感数据源的出现,利用遥感技术来收集、监测和预测作物在大范围上的病害信息,成为了一种重要而有效的途径信息,将逐步取代的下地目测手查等传统方式。本文主要以小麦全蚀病为研究对象,以小麦全蚀病发病区域监测为研究主线,利用Landsat系列卫星遥感影像,结合地面采集的样本数据,开展了小麦全蚀病的监测研究,具体研究内容和结果如下:(1)为了提高遥感监测小麦全蚀病病害严重度的精确程度,避免其它对象的干扰,本文利用NDVI对植被的特殊敏感性,采用一个NDVI阈值将植被区域与非植被区域分离开;基于草地在近红外波段反射率高于作物和森林这一点,通过设置一个Nir阈值将草地与作物、森林进一步分离出来;通过设置DEM高程阈值和坡度阈值将作物与森林植被区分离开来。结合支持向量机的分类方法和最大似然法,将小麦与非小麦作物区域进行分离,并通过精度验证选取较优的分类方式,获取研究区的小麦种植区域信息。(2)2月29号、5月4号、5月11号分别对应小麦的返青期、抽穗期和灌浆期这三个生长阶段,本文基于三景遥感影像分别计算出不同时相研究区的增强型植被指数EVI、归一化植被指数NDVI、归一化叶绿素比值植被指数NPCI、氮素反射指数NRI、植被衰老化反射指数PSRI、光谱结构不敏感指数SIPI这六个与小麦长势响应关系较好的植被指数,通过分析植被指数的分布信息,结合实地采集的小麦样本数据,判断不同植被指数与小麦全蚀病病害严重程度的相关关系。(3)基于6种植被指数,构建一个多维向量空间,其中3月29号、5月4号、5月11号三景影像分别对应一个多维的植被指数向量。将3月29号和5月4号、5月4号和5月11号分别构建变化向量。通过变化向量分析,对小麦全蚀病进行了遥感监测,利用小麦全蚀病受害面积与增强型植被指数的响应关系,重新定义了矢量构建,构建了一个多维的小麦全蚀病遥感监测模型,通过比较不同植被指数的变化范围,分析得到增强型植被指数对小麦全蚀病的响应关系更加精确,由此用该指数建立小麦全蚀病的监测模型。通过分析研究地区三个不同时相的病害遥感监测情况,得出研究区域的东部和北部小麦长势相对较好,受小麦全蚀病的影响相对较小,小麦减产量较小,而研究区的西部和南部受害面积广,受病害程度严重,小麦产量严重减少。以监测结果为依据,判断小麦全蚀病的空间分布和传播规律,采取针对性的防治措施,可以有效减轻小麦全蚀病的病害影响,保证小麦产量。