服务热线:
86-0755-23229824
您当前所在位置: 首页>>应用案例>>农业环境
冬小麦病虫害的高光谱识别方法研究

冬小麦病虫害的高光谱识别方法研究


image.png


为探讨冬小麦病虫害的高光谱遥感识别的可行性,在冬小麦白粉病、条锈病人工接种诱发和麦长管蚜自然危害条件下,可利用莱森光学HH手持式高光谱仪,测定了冬小麦的田间光谱反射率,并经一阶微分、对数及归一化等数据变换,通过逐步判别、线性判别和分层聚类等方法对不同病虫害进行识别。结果表明,利用逐步判别分析法选择的重要波段主要位于蓝绿区和红边区及近红外区;分层聚类法选择的波段除了常规波段外, 还有红、绿波段边缘区。利用上述方法选择的波段对病虫害进行识别比原始波段具有更高的精度(90.6%) ,边缘区波段对病虫害的识别有重要作用,用对数-微分变换处理较其他方法处理对病虫害识别有更好的效果。 



0 引  言

高光谱遥感技术的发展是20世纪后期遥感技术的最大成就之一,可以获取光谱分辨率达纳米(nm)数量级的连续光谱曲线,与传统遥感相比,高光谱遥感具有光谱分辨率高、波段多、信息量丰富等优点,因而对地物的识别能力更强。高光谱数据允许探测具有细微光谱差异的各种目标物,对植被而言,高光谱遥感可以区分同一物种的不同类别,也可以获得植被冠层的生态、生化参数,促使遥感从传统的定性分析向半定量和定量分析转化。高光谱数据含有丰富的信息, 但冗余的信息也相对增加,因此,需要对高光谱数据进行适合专业应用的波段分析和选择。

对单一病虫害的高光谱反射率探测,国内外进行了深入研究。Riedell 和Blackmer对由禾谷缢管蚜危害的小麦叶片进行了反射率和叶绿素含量的测定, 和健康植株相比,受害叶片叶绿素含量和光谱反射率有较大差异,尤其在500~525、625~630和680~695 nm波段。蔡成静等通过小麦条锈病的地面和近地(热气球上)高光谱遥感研究,获得了地面和近地两个不同平台光谱数据,结果表明,在930nm附近病情指数与冠层光谱反射率的相关性达到了极显著水平。乔红波等研究了不同程度蚜虫为害对冠层光谱特征的影响,为害加重时,可见光区反射率呈上升趋势,近红外区呈下降趋势。然而目前对同种作物不同病虫害识别研究较少。不同病虫害的致灾机理并不相同, 因此, 病虫害种类的识别是实现病虫害遥感监测的必然要求。本研究可利用莱森光学HH高光谱仪,测定冬小麦白粉病、条锈病和蚜虫为害的光谱反射率,通过对原始反射率数据的变换和数理统计分析,对其进行分类与识别,探讨利用高光谱遥感识别病虫害的可行性。


1 材料与方法

1.1 试验设计

试验在农业部廊坊有害生物防治重点野外科学观测试验站(39°30′42″N, 116°36′07″E) 进行。共设置对照(无病虫害区)、小麦条锈病、小麦白粉病和麦蚜危害区,每个处理设3个重复。供试小麦品种为京双16,每个小区种植小麦32行,行距25cm,小区面积40m2,基本苗为1.6×106株·hm-2 ,按照常规进行水肥管理。条锈病和白粉病为人工接种发病,麦长管蚜自然发生为害。在白粉病和条锈病病情指数达到40%、麦蚜百株蚜量为1500 头/株时进行光谱测量。

条锈病在4月初采用喷雾法进行接种,喷后即盖上润湿的塑料膜,铲好土压好膜边保湿,接种后第二天天亮前膜揭,并进行人工浇水,以创造满足病害发生、发展的生态条件。

白粉病接种时,将要接种的菌株在温室用小花盆麦苗繁殖,待小麦幼苗发病后,于3月底接种于每个小区,方法是先在每小区扫接一遍,然后把幼苗栽于小区内。

1.2冬小麦病虫害反射率数据的采集

冬小麦冠层高光谱反射率数据采集仪器为ASD HandHeld Fieldspec 便携式地物光谱仪,为减少太阳高度角变化对光谱测量结果影响,测量时间选择在中午11∶00-14∶00;同时使自制的光谱仪支架在测量光谱过程中始终保持探头垂直向下,而且高度一致,减少了高度等因素对光谱测量的影响。每种病虫害采集20条光谱曲线,求其平均值。从测量数据看,325~350nm和1000~1050nm范围内的数据噪声较大,因此,只处理了350~1000nm的范围内的光谱数据。

1.3高光谱数据的处理

为了减少数据量和限制随机噪声水平,先对波长覆盖350~1050nm原始波段进行数据变换。

1.对R的一阶微分变换:

image.png

Δλ为两倍波段宽。

2.对R的对数变换:

image.png

3. 对LnR的一阶微分变换,即d(LnR) 。

1.4波段选择

逐步判别分析法是筛选指标或变量的一种判别方法,它是根据各指标重要性的大小,每一步引进或剔除一个指标,引进或剔除由附加信息检验决定。利用逐步判别分析法能选择出各类病虫害间具有最大差别的光谱波段,根据波段的识别能力找出独立变量。本文中如果波段的F值的显著性水平小于0 .05则入选,而大于0.10则剔除。

分层聚类法是先将待分n个样品各自成一类,然后找出距离最小的两个类并成一类,再逐次重复这个过程。聚类过程中原始波段的每一个波段都被当成一个大的类,在迭代过程中产生新的类,直到最后所有的波段都被合并成一个类。然后从聚类结果图上找出各类的中心波段进行组合,利用不同波段组合进行病虫害识别, 从而找出包含信息量最大的波段组合。



2 结果与分析

2.1 数据变换的效果分析

一阶微分有利于限制低频背景光谱对目标光谱的影响。光谱反射率经对数变换后,不仅使可见光区的光谱差异趋向于增强(可见光区的原始光谱反射率一般偏低) ,而且使因光照条件变化引起的乘性因素的影响趋向于减少。然而,仅做对数变换还不够,还须做微分处理,这样(图1B)才能取得较好的效果(图1C和D)。微分变换则有利于限制背景光谱(通常是土壤)对目标光谱的影响, 能够区分从可见到近红外光谱变化的拐点。

image.png

 1 高光谱数据变换结果

A:原始光谱;B:对数变换;C:一阶导数变换;D:先对数变换再一阶导数变换;bf:小麦白粉病;tx:小麦条锈病;yc:麦长管蚜。

2.2逐步判别分析

逐步判别分析选择的波段包括蓝光区、绿光区、红光区、红边区及近红外区。选出的波段主要分为两组,第一组主要位于蓝绿区360~565nm;另一组主要位于红边和近红外区720~900nm。可见,重要的波段主要位于蓝绿区和红边区及近红外区。对采集的光谱利用逐步判别和线性判别分析法进行识别,结果(表1) 表明, 利用变换的波段比原始波段对病虫害识别的精度要高,其中,对数-微分变换取得的识别精度最高,其次为一阶微分变换和对数变换。

image.png

2.3分层聚类识别分析

分层聚类过程设置了15次迭代,结果表明,光谱聚合的类出现在红、绿、蓝、近红外区和蓝-绿边缘区、绿-红边缘区及红边区。根据聚合波段设置5种波段组合,分别位于分层聚类不同波段的中心(表2)。第一种波段组合包括红、绿、蓝、近红外4个光谱波段;第二种波段组合包括第一种波段组合和绿峰前、后两边缘;第三种组合主要是5个红边;第四种组合主要包括绿峰前、后边和第三种组合的5红边;第五种组合则包括以上各种组合。

image.png

再次利用线性判别分析对上述各波段组合进行识别,看哪种组合能更好地区分不同病虫害危害(表3)。从表3可以看出, 用4波段原始光谱识别效果最差,仅为50.6%;而9波段经对数-微分变换后识别精度最高,达90.6%。表明,常规波段加上边缘及对数-微分变换有较好识别效果。

image.png



3结   论

及时识别病虫害是是病虫害遥感监测的必然要求,本研究利用高光谱技术对冬小麦3种主要病虫害进行了识别,对原始光谱反射率经对数微分转换的数据不仅能减少光照条件影响,而且降低背景噪声对光谱的干扰。Deme triades-Shah等也认为微分技术可以减小背景噪音的影响,有效分解混合光谱。

本研究获取的冬小麦冠层光谱包含丰富的信息,除了作物本身的信息之外,还包含土壤背景等影响因素。为了能够获得冠层光谱信息,需要对冠层光谱数据进行处理。研究表明,光谱的低阶微分处理对噪声影响敏感性较低,一般认为,可用一阶微分去除部分线性或近线性的背景、噪声光谱对目标光谱的影响。李京等对小麦条锈病冠层一阶微分光谱进行的分析表明,随病情指数增大,一阶微分光谱在绿边(500~560nm)内逐渐增大,在红边(680~760nm)内逐渐降低,红边内一阶微分总和(SDr)与绿边内一阶微分总和(SDg)的比值,能够在症状出现前12d识别出健康作物与病害作物。多元统计分析技术也是高光谱植被研究中普遍采用的技术。冯伟等对于不同试验条件下的叶干重和LAI,使用统一的光谱参数进行定量反演,结果表明光谱参数RVI(810、560nm)、GM1和SARVI(MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。另外,在氮素含量监测、水稻蛋白含量监测等方面取得了相似结果。波段组合可改善病虫害的识别精度。Steddom等和Zhao等利用NDVI等植被指数估测甜菜丛根病危害和小麦条锈病严重度。乔红波等实现了小麦冠层光谱归一化植被指数NDVI和百株蚜量间显著相关建模。蒋金豹等构建了红边核心区内一阶微分总和与绿边核心区内一阶微分总和的比值指数,能够在症状出现前12d识别出健康作物与受害作物。本研究综合运用数据微分变换和判别分析方法选择不同病虫害的识别波段,对原始光谱数据进行对数变换、再进行微分变换的数据取得了最高的识别精度。

本研究对不同病虫害进行识别分析,筛选出的波段是利用卫星遥感定量分析和探测病虫害的基础,能提高监测精度。但本文只对同种作物的不同病虫害进行了识别,不同的作物及其病虫害能否识别,还需要进一步研究。


Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号