利用時(shí)間序列衛(wèi)星影像監(jiān)測(cè)冬小麥白粉病-Dragon4

1、利用時(shí)間序列衛(wèi)星影像監(jiān)測(cè)冬小麥白粉病馬慧琴 1, 2，黃文江 2，Giovanni Laneve 3 ，師越 2,4，劉林毅 2,4，鄭瓊 2,51. 南京信息工程大學(xué)，應(yīng)用氣象學(xué)院，南京，中國(guó)2. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所 ,數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 , 中國(guó)3. 羅馬大學(xué)，空間工程學(xué)院，羅馬，意大利4. 中國(guó)科學(xué)院大學(xué) , 北京 , 中國(guó)5. 中國(guó)礦業(yè)大學(xué)，地球科學(xué)與測(cè)繪工程學(xué)院 , 北京 , 中國(guó)前言白粉?。?Blumeria graminis）是冬小麥病害中最具破壞性的葉片病害之一， 發(fā)生在涼爽氣候區(qū)或海洋性氣候區(qū)。感染該病會(huì)導(dǎo)致小麥的產(chǎn)量和品質(zhì)下降。據(jù)中國(guó)國(guó)家農(nóng)業(yè)技術(shù)推廣服務(wù)中

2、心統(tǒng)計(jì)，過去的17 年間，白粉病平均發(fā)病面積高達(dá)1000 萬(wàn)公頃。冬小麥整個(gè)生育期內(nèi)都可能會(huì)感染白粉病，一般情況下，白粉病菌菌絲在2 月上旬恢復(fù)生長(zhǎng)，3 月份開始發(fā)病， 4 月份普遍發(fā)病， 5 月份大發(fā)生。然而，目前關(guān)于作物病害的研究大多只是基于病害發(fā)展后期的單一時(shí)相的遙感影像開展的， 沒有考慮受病害感染后的小麥的時(shí)間變化過程。此外，遙感時(shí)間序列特征已被成功應(yīng)用于作物物候檢測(cè)、作物分類、作物面積估算等研究當(dāng)中。研究目標(biāo)本文的研究目標(biāo)是：（1）分析在不同病害發(fā)生嚴(yán)重度下，冬小麥與歸一化植被指數(shù)（ normalized difference vegetation index，NDVI ）和增強(qiáng)型植

3、被指數(shù)（ enhanced vegetationindex，EVI ）時(shí)間序列特征間的關(guān)系，（ 2）通過 NDVI 和 EVI 時(shí)間序列特征監(jiān)測(cè)冬小麥白粉病的發(fā)生嚴(yán)重度，（3）繪制冬小麥白粉病發(fā)生嚴(yán)重度的空間分布圖， （ 4）評(píng)估所建病害監(jiān)測(cè)模型的性能。研究區(qū)及數(shù)據(jù)獲取研究于 2014 年 5 月 10 日在中國(guó)陜西省關(guān)中平原西部共收集到 42 個(gè)實(shí)地調(diào)查點(diǎn)的病害數(shù)據(jù)，該區(qū)域是冬小麥白粉病的常發(fā)區(qū)。為實(shí)現(xiàn)現(xiàn)場(chǎng)調(diào)查與遙感影像空間分辨率相匹配，在 30m×30m 的空間范圍內(nèi)選取了 5 個(gè) 1m×1m 的代表性小區(qū)進(jìn)行相對(duì)統(tǒng)一的病害調(diào)查。通過手持式 GPS 記錄每個(gè)調(diào)查點(diǎn)的中心

4、經(jīng)緯度信息。 具體的調(diào)查內(nèi)容包括小麥生長(zhǎng)狀況、株高及小麥白粉病發(fā)生嚴(yán)重度。為降低監(jiān)測(cè)難度，本研究將病害發(fā)生嚴(yán)重度重分為正常、輕發(fā)和重發(fā) 3 個(gè)等級(jí)。研究方法本研究基于 NDVI 和 EVI 時(shí)間序列特征構(gòu)建了小麥白粉病發(fā)生嚴(yán)重度監(jiān)測(cè)模型。 該模型基本包含了小麥整個(gè)生育期中的所有病害關(guān)鍵信息。研究共收集了 2013 年 11 月 16 日至 2014 年 4 月 9 日的 18 景遙感影像。為減少云層覆蓋對(duì)影像質(zhì)量的影響， 共選取了三個(gè)不同傳感器的數(shù)據(jù) （包括 Gaofen-1 衛(wèi)星的 WFV 傳感器數(shù)據(jù)、環(huán)境和減災(zāi)小衛(wèi)星的 CCD 傳感器數(shù)據(jù)以及 Landsat-8的 OLI 傳感器數(shù)據(jù)）。研

5、究選用 NDVI 和 EVI 來(lái)組成用于病害監(jiān)測(cè)的時(shí)間序列特征， 其中 NDVI 對(duì)綠色植被敏感，經(jīng)常用于計(jì)算地表植被數(shù)量和活力， EVI 對(duì)大氣條件和土壤背景等環(huán)境因子較敏感。受云層，氣溶膠和降雪等因素的影響，所建時(shí)間序列特征受噪聲影響明顯。因此，為保證時(shí)間序列特征的質(zhì)量，在使用 NDVI 和 EVI 時(shí)間序列之前， 通過使用離散小波變換（ discrete wavelet transformation， DWT ）對(duì)其進(jìn)行平滑處理，該方法是一種可應(yīng)用于有限組數(shù)據(jù)的正交函數(shù)，在信號(hào)處理和圖像壓縮等領(lǐng)域得到了廣泛的應(yīng)用。支持向量機(jī)（ support vector machines，SVM ）在

6、求解小樣本，非線性和高維模式識(shí)別問題方面表現(xiàn)出許多獨(dú)特的優(yōu)勢(shì)，在很大程度上克服了維數(shù)災(zāi)難和過度研究的問題。該方法在文本識(shí)別、人臉識(shí)別、基因分類、時(shí)間序列預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估及圖像分類等方面得到了廣泛的應(yīng)用。本研究利用 SVM 方法來(lái)構(gòu)建基于 NDVI 和 EVI 時(shí)間序列特征的小麥白粉病發(fā)生嚴(yán)重度監(jiān)測(cè)模型。由于樣本總量較少，因此研究采用留一交叉驗(yàn)證法來(lái)檢測(cè)和評(píng)估分別基于 NDVI 和 EVI 時(shí)間序列特征的監(jiān)測(cè)模型在監(jiān)測(cè)病害發(fā)生嚴(yán)重度方面的表現(xiàn)。結(jié)論本研究構(gòu)建了基于 NDVI 和 EVI 時(shí)間序列特征的白粉病發(fā)生嚴(yán)重度監(jiān)測(cè)模型。 結(jié)果表明不同病情嚴(yán)重度下的冬小麥 NDVI 和 EVI 時(shí)間序列曲線差異顯著。 NDVI 和 EVI 時(shí)間序列都能夠?qū)Σ『Πl(fā)生嚴(yán)重度進(jìn)行區(qū)分，且 NDVI 和 EVI 時(shí)間序列模型的精度都表明，二者在量化疾病嚴(yán)重程度方面均表現(xiàn)良好。與 NDVI 時(shí)間序列模型相比， EVI 時(shí)間序列對(duì)冬小麥白粉病發(fā)生嚴(yán)重度的監(jiān)測(cè)準(zhǔn)確率更高。此外，基于經(jīng)過 DWT 去噪處理