基于无人机平台的稻纵卷叶螟为害程度遥感监测

田明璐,班松涛,袁 涛,王彦宇,马 超,李琳一*

(1 上海市农业科学院农业科技信息研究所,上海市数字农业工程技术研究中心,上海201403;2西北农林科技大学资源环境学院,咸阳712100)

全世界每年因虫害引起的粮食减产占粮食总产量的14%左右[1]。 传统的虫害调查方法主要依靠人力在田间观察,不仅费时费力,而且受观察者自身经验的影响较大[2];在大范围内农田中,虫害难以被及时发现。 发展更加快速、客观的虫害监测手段是规模化种植农业的必要需求。 在传统水稻虫害的防治中,农药的使用往往依靠经验实施,并不对虫害分布区域做出区分进行普遍喷施,缺乏精准的指导依据[3]。 对于虫害严重的区域,施药不足则达不到防治虫害的效果;对于虫害较轻的区域,过量施药又会对环境造成污染[4-6]。 因此,实时、准确地判断水稻遭受虫害的分布区域和严重程度、及时采取有效措施,不但具有重要的理论意义,而且具有重要的实用价值。 根据虫害严重程度进行精准施药、变量施药,不但可以节省农业生产成本,更能从源头上大幅度降低农药对环境的污染[4]。

精准施药的前提是需要对农作物虫害状况的空间和时间变异信息进行快速、准确、高效的监测,遥感技术是实现这一目标的最佳也是唯一手段[7]。 国内外学者在农作物虫害遥感监测上进行了广泛的研究。黄建荣等[8]使用便携式地物光谱仪获取水稻叶片和冠层在不同生育期遭受稻纵卷叶螟和稻飞虱危害的光谱反射率,并建立起光谱与虫害程度间的回归模型。 孙嘉怿等[9]研究了稻飞虱虫量和危害时间与光谱之间的关系,发现随着虫量的增加,水稻植株的反射率在绿波段和近红外波段呈下降趋势。 Reisig 等[10]研究了遭受蚜虫和红蜘蛛为害的棉花叶片光谱,发现与正常叶片相比,虫害叶片在850 nm 的近红外波段反射率显著升高。 袁琳等[11]使用Landsat8 和Worldview2 卫星遥感影像,在区域尺度上建立区分冬小麦的蚜虫、白粉病和健康植株的模型,总体精度达到了81%。

在已有的遥感病虫害监测研究中,非成像光谱仪仅能对样点小区域进行信息获取,无法获取大面积水稻冠层尺度完整信息。 而卫星遥感则受到空间分辨率和时间分辨率的限制,只能对大规模连片种植的地块在特定时段进行监测,二者均无法满足对分散种植的小规模地块在时间上连续监测的需求,需要借助更为灵活的无人机遥感平台。 综上考虑,本研究使用无人机平台搭载多种传感器获取的遥感数据,结合田间实验测量数据建立水稻虫害严重程度(卷叶率)的反演模型,实现对大田水稻虫害状况的快速诊断并确定其危害程度,得到虫害诊断图,为虫害快速调查提供理论依据和技术支持,也可以为精准施药提供科学依据,实现对农田虫害的精确管理。

1 材料与方法

1.1 研究区概况

研究区位于上海市青浦区重固镇,地处长江三角洲冲积平原,属于亚热带海洋性季风气候。 历年年平均气温15.5 ℃,降水量1 044.7 mm,无霜期为236 d。 本研究的试验田位于重固镇上海市农业科学院良种繁育基地,坐标为东经121°11′44″,北纬31°11′47″,总面积3 333.33 m2,共有64 个水稻小区(每个小区规格4 m×4 m),采用常规大田种植管理措施。 2018 年7 月中下旬,水稻在自然状态下遭受稻纵卷叶螟危害。 虫害初期,对其中16 个小区不做施药处理,作为对照组;其余48 个小区分别使用不同浓度、不同品类的农药进行防治,因此各小区虫害程度有一定的差异。

1.2 数据获取与处理

1.2.1 地面调查

2018 年8 月12 日,对每个小区虫情进行虫情调查,采用巡视目测法,目测每个小区稻株顶部3 片叶的卷叶率,根据每个小区内的卷叶率判断受害程度。 各小区卷叶率统计结果如表1 所示。

表1 水稻卷叶率(%)统计特征Table 1 Statistical characteristics of the rate of roll leaf

1.2.2 无人机多光谱影像获取

在虫情调查的同一天,使用无人机搭载多光谱成像仪获取试验田的多光谱遥感影像。 使用的无人机为DJI M600 六旋翼无人机,轴距1 133 mm,最大起飞质量15.1 kg,最大飞行时间35 min。 搭载的传感器为Micasense RedEdge 多光谱成像仪,镜头焦距为5.5 mm,视场角为47.2°;一次成像能同时获取蓝、绿、红、红边和近红外5 个波段上的影像,各波段对应的中心波长分别为475 nm、560 nm、668 nm、717 nm 和840 nm;其中蓝、绿2 个波段的宽度为20 nm,红、红边2 个波段的宽度为10 nm,近红外波段的宽度为40 nm;此外仪器配有日光照度计和GPS 模块,用于实时记录所拍摄影像对应的太阳辐射值和中心坐标;拍摄前使用反射率为50%的参考板进行辐射校正。 无人机多光谱遥感影像获取于12:00—13:00 进行。 无人机飞行高度30 m,设置航线的旁向重叠率为90%,航向重叠率为80%;影像空间分辨率为2 cm∕pixel。

1.2.3 影像数据处理

在Pix4Dmapper 软件中,对获取的多光谱影像进行辐射校正、拼接和几何校正处理,得到试验田完整的整幅多光谱正射影像(图1)。 在ENVI 软件中,使用ROI(Region of interest,感兴趣区)工具圈选个小区边界以内的水稻区域,并统计区域内所有像元的光谱反射率的平均值作为该小区水稻冠层的光谱反射率数据。

1.3 研究方法

1.3.1 植被指数选取

植被指数(Vegetation Index,VI)通过对不同波段反射率进行数学组合,可以消除大气散射、背景差异等因素的干扰,增强植被特征[12]。 结合前人研究,根据Micasense RedEdge 波段特点,选取归一化植被指数(Normalized Difference Vegetation Index,NDVI)[13]、比值植被指数(Ratio Vegetation Index,RVI)[14]、差值植被指数(Difference Vegetation Index,RVI)[15]、绿波段归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)[16]、绿波段比值植被指数(Green Ratio Vegetation Index,GRVI)[17]、绿波段差值植被指数(Green Difference Vegetation Index,GRVI)[17]、红边归一化植被指数(Red-edge Normalized Difference Vegetation Index,RENDVI)[18]、红边比值植被指数(Red-edge Ratio Vegetation Index,RERVI)[17]、红边差值植被指数(Red-edge Difference Vegetation Index,REDVI)[17]共9 种植被指数,参与稻纵卷叶螟虫害监测。

1.3.2 模型构建与检验

使用随机抽样法,按照3∶1的比例将64 个小区的数据分为建模数据集(共计48 组数据,记为Cal)和验证数据集(共计16 组数据,记为Val)。 分别采用多元线性回归(Multiple Linear Regression,MLR)、多元逐步回归(Multiple Stepwise Regression,MSR)、偏最小二乘回归(Partial Least Squares Regression,PLSR)和支持向量机回归(Support Vector Regression,SVR)方法建立水稻卷叶率的估算模型。 使用建模数据集建立的模型的决定系数Rcal2和均方根误差RMSEcal对建模精度进行评估;对使用模型计算得到的验证数据集的估测值与实测值进行线性拟合,以拟合方程的Rval2和RMSEval对模型评估预测能力。 决定系数R2越接近1、均方根误差RMSE 越小,模型精度越高。

2 结果与分析

2.1 稻纵卷叶螟为害的水稻叶片和冠层光谱特征

叶片卷曲、发白是水稻遭受稻纵卷叶螟危害后的典型症状,光谱也会发生明显的变化。 如图2(a)所示,与正常水稻叶片相比,遭受稻纵卷叶螟幼虫啃食的叶片的光谱曲线有着很大差异,具体表现为虫害叶片在蓝(475 nm)、绿(560 nm)、红(668 nm)和红边(717 nm)波段的反射率升高,而在近红外(840 nm)波段的反射率降低。 遭受虫害的水稻冠层光谱反射率特征与叶片有一定的差异,如图2(b)所示。 主要体现在:与正常水稻冠层光谱相比,虫害水稻冠层光谱反射率在蓝、绿、红边和近红外波段较低,而在红波段较高。

2.2 稻纵卷叶螟为害的水稻卷叶率与冠层光谱相关性分析

对各小区水稻卷叶率与多光谱影像上各小区的冠层光谱反射率的相关性进行分析,结果如图3 所示:卷叶率与蓝(475 nm)、绿(560 nm)、红边(717 nm)和近红外(840 nm)波段的光谱反射率呈负相关,其中与绿、红边和近红外波段相关性最为显著(0.05 水平),相关系数分别达到-0.54、-0.61 和-0.67;卷叶率与红光波段(668 nm)反射率表现出显著正相关,相关系数为0.53。 因此,对稻纵卷叶螟为害程度最为敏感的波段为红边波段和近红外波段,其次为可见光的绿波段和红波段。

2.3 稻纵卷叶螟为害的水稻卷叶率与植被指数相关性分析

对各小区水稻卷叶率与多光谱影像上各小区植被指数的相关性进行分析,结果如图4 所示:在0.05水平上,与卷叶率显著相关的植被指数有NDVI、RVI、DVI 和RE_DVI;其中相关系数最高的为NDVI 和DVI,相关系数分别为-0.67 和-0.77;RVI 和RE_DVI 相关系数较低,分别为-0.36 和-0.32。 因此,对稻纵卷叶螟为害程度最为敏感的植被指数为NDVI 和DVI。

2.4 稻纵卷叶螟为害的水稻卷叶率估算模型

选择各个小区卷叶率对应的绿(R560)、红(R668)、红边(R717)和近红外波段(R840)的光谱反射率和NDVI、DVI 作为自变量,使用建模数据集,分别采用多元线性回归(MLR)、多元逐步回归(MSR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)方法建立水稻卷叶率的估算模型,分别记为Model_MLR、Model_ MSR、Model_PLSR、Model_SVR;使用验证数据集,对模型预测精度进行评价。 结果如表2 所示:其中以Model_PLSR 模型的建模精度和检验精度最高:模型的决定系数R2较高,为0.652,RMSE 较低,为0.841,对验证集数据的预测值与实测值的线性拟合方程的决定系数R2为0.675,RMSE 为0.753。 Model_MSR 模型的精度较低。 但总体而言,各模型的精度没有太大的差异,各个模型的建模精度和检验精度R2均在0.6—0.7,RMSE 为0.7—0.9。

在多元逐步回归的建模过程中,算法会评价每个自变量对模型的价值,进而对自变量进行筛选,在本次建模中Model_MSR 最终选取的变量为R717和DVI;尽管Model_MSR 模型的精度略低于其他模型,但模型更为简洁,在对精度要求不高的场景下,可以作为简化模型来使用,以提高运算速度。

表2 卷叶率估算模型与精度检验Table 2 Estimation models of rate of roll leaf and the accuracy test

2.5 稻纵卷叶螟为害的水稻卷叶率分布

利用精度最高的Model_PLSR 模型对多光谱影像进行逐像元解算,得到各个小区卷叶率分布(图5),图中各小区内每个像元的值表示该点的卷叶率;图上反映出的稻纵卷叶螟为害情况与实际调查结果基本一致。

3 讨论与结论

水稻遭受稻纵卷叶螟危害后,对水稻叶片和冠层都有着显著的影响。 对叶片而言,稻纵卷叶螟幼虫一方面将叶片卷起来包裹自身,致使叶片打卷、形态发生变化;另一方面啃食叶片叶肉,造成叶片失去光合能力,叶片结构发生变化(叶片变薄),发黄直至变白。 叶绿素随着叶肉的被啃食消失,导致叶片光谱在绿光波段的强反射和红光波段的强吸收作用丧失,因而随着病情的加重(卷叶率升高)绿波段反射率减弱、红波段反射率增强;叶片结构的变化导致叶片对近红外光线的反射能力降低,如图2(a)所示。 对冠层而言,叶片的这些变化会导致冠层叶面积减少、叶片间隙变大,导致冠层对大部分可见光、红边和近红外光线的反射能力都减弱,如图2(b)所示,因此,卷叶率与水稻冠层绿波段和近红外波段反射率表现出显著的负相关(图3);但由于叶绿素在对600—700 nm 的红光具有强烈吸收作用,在红波段正常水稻的反射率较虫害水稻偏低(图2(b)),因此卷叶率与红波段反射率变现为正相关(图3)。 这一结果与黄建荣等[19]在实验室内使用非成像地物光谱仪测量模拟不同卷叶率水稻得到的光谱特征相一致。

从卷叶率估算模型的建模和检验结果来看,基于多光谱影像数据的卷叶率估算模型精度R2均低于0.7,预测精度偏低。 造成这一现象可能的原因有:1)稻纵卷叶螟病情不严重(各小区卷叶率普遍低于5%),小区之间的卷叶率数据差异较小,从而导致模型的建立不够精准;2)传感器为宽波段光谱成像仪,光谱分辨率的不足也有可能造成敏感波段的缺失,导致模型不够精确。

通过研究水稻稻纵卷叶螟虫害严重程度(卷叶率)与冠层光谱之间的相关关系,使用冠层光谱的特征光谱及提取的多种光谱指数构建卷叶率估算模型,主要结论有:(1)卷叶率与蓝、绿、红边和近红外波段的光谱反射率呈负相关,其中与绿、红边和近红外波段相关性最为显著,相关系数分别达到-0.54、 -0.61和-0.67;卷叶率与红光波段反射率表现出显著正相关,相关系数为0.53。 NDVI、RVI、DVI 和RE_DVI 四个植被指数与卷叶率显著负相关;其中相关系数最高的为NDVI 和DVI,分别为-0.67 和-0.77。 总的来说,对水稻稻纵卷叶螟虫害严重程度敏感的光谱特征为绿、红边、近红外波段的反射率以及NDVI、RVI、DVI 和RE_DVI。 (2)以敏感光谱特征为自变量、使用多种建模方法构建的卷叶率估算模型能够较为精确地预测卷叶率,各模型的建模精度和验证精度的R2均大于0.6,RMSE 小于0.9。 其中以使用PLSR 算法构建的Model_PLSR 模型精度最高,建模R2达到0.625,验证R2达到0.675;而使用MSR 算法构建的模型最为简洁,经过对变量的筛选后仅用R717和DVI 两个变量也取得了相对较好的精度。 通过使用Model_PLSR 模型对多光谱影像进行逐像元解算得到的卷叶率分布图与实际调查结果基本一致。