高光谱在小麦条锈病严重度分级识别中的应用

小麦条锈病是我国小麦生产上造成损失最大、危及范围最广的一种病害,对该病的监测预报是实施有效治理措施的重要基础和依据。文章以88个小麦叶片为试验材料,其中条锈病叶按严重度分为8级,健康小麦叶片为对照,由ASD Field-Spec Pro FR 2500型光谱仪和LI-Cor1800-12外置积分球获取高光谱数据,采用SVM算法对不同严重度的小麦条锈病病叶进行了判别分析。按1∶1比例随机划分样品集,校正集的44个样品建立模型,对预测集的44个样品的严重度进行预测识别,总体正确识别率达97%,表明SVM算法用于小麦条锈病严重度分级识别是可行的。     

基于高光谱遥感技术的不同小麦品种条锈病病情指数的反演

应用混合品种控制小麦条锈病在国内外日益受到重视,通过采集田间不同品种混合小麦条锈病各级病情梯度的高光谱遥感数据,将光谱数据与条锈病病情数据进行相关性分析,利用4个光谱参数构建其与病情指数的回归模型。结果表明,不同小麦品种组合在不同的病情指数情况下,其冠层光谱信息都表现了一致的变化规律;冠层反射率在可见光区与病情指数为正相关,而在近红外区则达到了显著的负相关;利用690与850 nm处的反射率、SDr、NDVI以及RVI与病情指数构建的回归模型拟合效果较好。研究表明利用高光谱反演条锈病病情指数是可行的,并且小麦不同品种对反演效果影响不大。     

主成分分析法与植被指数经验方法估测冬小麦条锈病严重度的对比研究

通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(disease index,DI)。利用主成分分析法提取冠层光谱350～1 350 nm范围内的前5个主成分(principal components,PCs),以及一阶微分光谱在蓝边(490～530 nm),黄边(550～582 nm)和红边(630～673 nm)内的前3个PCs,并利用逐步回归法建立反演模型,其结果分别与植被指数经验模型进行对比,结果表明:以一阶微分PCs为变量的模型精度优于其他模型,其RMSE为7.65,相对误差为15.59％。通过对预测值与实测值对比发现,以微分指数SDr′/SDg′为变量的模型适合监测冬小麦早期病情,而以一阶微分PCs为变量的模型特别适合监测冬小麦条锈病病情较严重期。研究结果对利用高光谱遥感监测与评估小麦病害程度具有实际应用价值。     

基于高光谱影像的小麦条锈病光谱信息探测与提取

为了理解与定量分析农作物光谱特征和相关参数,基于PHI高光谱影像建立了农作物病害光谱响应与探测模型,即光谱点位与参数模型（FPPM）.为了识别和提取小麦条锈病信息,根据多时相高光谱影像光谱特征,提出了一种可调节的多时相归一化植被指数（MT-NDVI）.结果表明,FPPM能很好地响应与感知该病害在小麦生长期的光谱特征;结合光谱角制图法（SAM）,MT-NDVI能清楚地呈现不同区域该病害的轻重程度,准确地区分和提取小麦条锈病与健康小麦及土壤的信息.     

用冠层光谱比值指数反演条锈病胁迫下的小麦含水量

通过高光谱遥感估测条锈病胁迫下的小麦冠层水分含量。通过人工田间诱发不同等级小麦条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱、相对含水量(relative water content,RWC) 以及调查小麦条锈病病情指数(disease index,DI)。研究发现随着小麦RWC的减少,冠层光谱反射率在近红外区域(900～1 300 nm)逐渐降低,而在短波红外区域(1 300～2 500 nm)逐渐增大,且RWC与DI间具有强负相关性。对冠层光谱进行平滑处理,利用冠层光谱近红外与短波红外水分敏感波段构建比值指数,然后建立以比值指数为变量的反演RWC线性模型,并分析对比各模型反演RWC的精度以及稳定性,结果发现比值指数R_{1 300}/R_{1 200}反演RWC的精度及稳定性(R2=0.63)都优于其他指数,其线性模型反演绝对误差为3.43,相对误差(relative error,RE)为4.78%。该研究结果不仅为判别小麦病害提供辅助信息,而且也为未来利用高光谱图像反演植物含水量提供理论与方法支持。