多源遥感技术下农作物病虫害信息的提取与检测

王景发

摘要    遥感技术具有宏观性、实时性和动态性的特点，通过多源遥感技术开展实时监测，了解农作物的分布、生长以及病虫动态，不仅可以为作物生产管理者提供及时准确的数据信息，还可以有效控制病虫害现象的发生。本文基于多源遥感技术采用光谱信息散度法和混合调谐滤波算法对蓟州区小麦粉病发生情况进行提取和检测，并对比了2种方法提取结果的差异，以期为促进多源遥感技术在农业领域的应用提供参考。

关键词    多源遥感;农作物;病虫害信息;提取检测;天津市;蓟州区

中图分类号    S127        文献标识码    A

文章编号   1007-5739（2020）22-0170-02                                                开放科学（资源服务）标识码（OSID）

作物生长受到许多因素的影响，例如光合作用、气温条件、土壤成分、肥料使用情况以及病虫害侵袭等，作物生长不但是多种因素综合作用的结果，而且是一种复杂的生态变化过程[1]。农作物长势信息不仅反映了作物生长现状，也是农情信息收集研究的主要来源之一。

实时无损监测作物生长和生产力准确预测有利于提高传统作物种植技术水平和苗木管理，同时也为农业贸易和决策提供依据，可以有效提高粮食安全，促进农业可持续发展[2]。目前，由于不同区域存在不同的地形地貌特征以及气候条件，该研究领域有很多方法来提取和检测农作物生长情况，单一的检测方法并不适用[3]。

因此，有必要根据不同地区和不同作物的生长发育特点进行更为详细的参数化和定位化，其中，多源遥感技术正是解决该问题的有效方案之一[4]。现阶段，越来越多的地区开始利用遥感数据动态监测技术来检测农作物生长情况。

蓟州区（东经117°5′～117°47′，北纬39°45′～40°15′）位于天津市北部，总面积达1 593 km2，地势呈现北高南低的阶梯状态分布。蓟州区属于大陆性季风气候区，四季分明，雨热同期，良好的气候条件和水文条件造就了蓟州区重要的粮食生产地位，使其成为天津市主要粮食产区之一[5]。基于此，本文深入开展多源遥感技术试验设计，选取案例地区开展监测研究，在构建多源遥感技术的小麦生长提取监测模型的基础上，对其提取结果进行分析和讨论，希望该研究可以为精准农业实施提供重要的技术支撑，进而推动农业的快速高效发展。

1    数据来源与研究方法

1.1    数据来源

对蓟州区2018年3月至2019年2月农作物生长季各获取了高空间分辨率的遥感影像，同时各获得景影像，并在此基础上获取多光谱遥感影像。

1.2    数据预处理

数据预处理需要对研究案例地区的各景影像进行辐射定标、几何校正、大气校正。本文首先对数据进行几何校正和大气校正，为了减少云活动对图像产生影响，该处理对其进行了星云去除方案，其中包括云和云阴影的去除。在此基础上，根据研究区土地类型特征和作物种植特点采用多源遥感技术对其提取和检测。主要试验方案分为以下几个步骤：第一步，将植被区和非植被区进行区分;第二步，提取研究区内小麦种植面积;第三步，对小麦种植区进行提取。采用多时相HJ-CCD数据进行区域提取，表1为蓟州区地区主要农作物物候期。

1.3    研究方法

本节分别采用光谱信息散度与混合调谐滤波算法对蓟州区研究区进行病害信息的提取。以T4时期包含50个实际调查样点的样本进行模型训练，以另外30个调查样点的样本进行模型验证。

光谱信息散度法的原理是根据2个像元间的相关性把待分类像元归入相关性算法中，假设x和y为多维向量，可计算出其光谱信息散度的统计量公式如下所示：

SID=D（x||y）+D（y||x）（1）

运用以上算法将样本根据待分类像元与三类样本的SID距离对其相关性程度进行判断，将像元划入与其相似度最高的类型，并最终生成分类结果图。混合调谐滤波算法属于混合像元分解算法的分支，该算法分为MF值和INF值2种输出结果，以下为MF值具体公式：

式中，μt为图像目标方差，μb为图像背景方差，∑b为背景图像的协方差矩阵。MTMF算法与MF算法的不同之处是其中添加了INF指标。该指标的具体含义为评价MF值算法的可信程度。

2    结果与分析

2.1    光谱信息散度法提取结果

用光谱信息散度法建立模型，蓟州区内小麦粉病的病情监测总体情况如下：通过卫星遥感技术得知，蓟州区东南地区为主要发病区，北部地区受到病害侵染程度较小;根据调查结果可知，调查样点感染粉病低于北纬40°。由此可见，提取结果与调查结果大体相同。

2.2    混合调谐滤波算法提取结果

采用混合调谐滤波算法建立模型，蓟州区内小麦粉病的病情监测总体情况如下：通过卫星遥感技术得知，蓟州区东南地区为小麦粉病主要发病区，但是该算法得出的染病面积较光谱信息散度法提取的染病面积少。

2.3    提取结果对比

基于光谱信息散度法构建的检测模型发病面积比为15%～20%，而MTMF方法在MF值的基础之上，通过INF值对结果的可信度进行约束使发病面积有所减少。综合比较来看，光谱信息散度提取法的优势在于对于植被变化的敏感性比较强，混合调谐滤波提取方法的优势在于可以在一定程度上减少错误识别染病样点情况的发生，但是2种方法均存在一定的不足，需要不断地完善和改进。从以上分析结果可以得知，在本文中使用的病害监测模型構建的方法在病情分类方面尚未达到满意的精度，仍然需要进一步的研究。

3    结论

多源遥感技术对于预测农林作物的当季产量、储备产量、价格走势等具有极高的现实应用价值，是规划农林作物的种植规模和产业发展过程中极其重要的基础数据。当前，农林作物种植面积监测的主要手段是卫星遥感数据监测和逐级统计。卫星遥感监测因其速度快、频率高、成本低、准确率高等特点，越来越普遍用于农业产业的产业分析和规划指导中[6-7]。本文基于多源遥感技术对蓟州区农作物生长情况进行了提取和检测，得出了目前蓟州区东南地区农作物病虫害发生情况。应当对农作物病虫害的高发地区进行更为严格细致的管控，从而更好地促进农作物的健康生长。

综上所述，目前许多卫星遥感监测方法仅仅对卫星遥感数据进行分析，而对气象研究等数据应用比较少。下一步的工作是将遥感数据、气象数据以及其他相关数据充分结合，以提高对作物气候变化的有效监测[8-9]。

4    参考文献

[1] 何勇，彭继宇，刘飞，等.基于光谱和成像技术的作物养分生理信息快速检测研究进展[J].农业工程学报，2015，31（3）：174-189.

[2] 袁文平，蔡文文，刘丹，等.陆地生态系统植被生产力遥感模型研究进展[J].地球科学进展，2014，29（5）：541-550.

[3] 张立祥，王珂，王春晓.基于集成学习的SAR图像农田区域识别与检测方法研究[J].信息通信，2017（11）：60-63.

[4] 许宏健.多源遥感技术在土地利用中的应用综述[J].黑龙江科技信息，2015（13）：6.

[5] 许琦，孙钰，崔寅.高端乡村旅游产业与生态环保基础设施协同发展研究：以天津蓟州区为例[J].科技和产业，2019， 19（1）：14-19.

[6] 王利龙，吕航.高光谱遥感技术在农作物监测中的应用[J].科技创新与应用，2018（1）：147-148.

[7] 羅红霞，阚应波，王玲玲，等.基于高光谱遥感技术的农作物病虫害应用研究现状[J].广东农业科学，2012（18）：76-80.

[8] 张竞成，袁琳，王纪华，等.作物病虫害遥感监测研究进展[J].农业工程学报，2012（20）：1-11.

[9] 蒙继华，吴炳方，杜鑫，等.遥感在精准农业中的应用进展及展望[J].国土资源遥感，2011（3）：1-7.