无人机影像的小麦白粉病监测研究
小麦白粉病是一种世界性的细菌性病害，快速准确识别小麦白粉病是保证小麦产量的重要基础，也为田间精确施药提供依据。本文利用无人机搭载不同传感器获取小麦灌浆后期的冠层光谱信息，进一步提取植被指数以反演病情指数。结果发现植被指数GNDVI和NDVI随着病情指数的增加而增加，SR则相反。基于植被指数反演的病情指数图可以直观反映田间小麦染病状况，以改装的NDVI相机提取的GNDVI表现最好，本结果较可靠和准确。本研究为小麦白粉病精确识别和快速监测提供了一定的理论支撑。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 材料与方法 2
1.1 研究思路 2
1.2 材料与方法 3
1.2.1 试验设计 3
1.2.2 数据采集与测定方法 4
1.3数据处理方法 5
1.3.1 佳能5D相机照片处理 5
1.3.2 改装NDVI相机照片处理 6
1.3.3 多光谱影像处理 6
1.3.4 无人机影像的植被指数提取 7
2 结果与分析 8
2.1 基于无人机平台的病情指数反演 8
2.1.1 不同病情指数下无人机多光谱影像的光谱反射率变化趋势 8
2.1.2 基于无人机平台植被指数的病情指数反演 9
2.1.2.1 基于改装NDVI相机植被指数的病情指数反演 9
2.1.2.2 基于多光谱相机植被指数的病情指数反演 10
2.2 基于无人机平台的病情指数反演模型的验证 11
3 结论与讨论 11
3.1 无人机搭载不同传感器监测白粉病的效果 11
3.2 无人机平台监测白粉病效果差的原因 12
3.3 今后研究设想 12
致谢 12
参考文献 14
基于无人机影像的小麦白粉病监测研究
引言
引言：小麦是我国重要的粮食作物之一，中国种植小麦的历史已有上千年，发展到现在，小麦已成为我国继水稻和玉米的第
*好棒文|www.hbsrm.com +Q: ^351916072#
三大粮食作物。因此，保证小麦的品质及产量的稳定是保障人民稳定生活的前提。小麦白粉病是世界性的细菌性病害，在世界各麦区均有发生，我国小麦白粉病发生面积近年来维持在350万~500万亩，已成为威胁国家粮食生产安全的因素之一。而目前的小麦病害防控主要还依靠目测以及喷施杀菌剂，不够及时精确地反应病害位置和程度，于是造成了多数情况下杀菌剂的多施漏施，不仅仅防病害效率低，还造成了一系列的环境问题，而遥感技术的空间连续的信息获取能力使其有可能在大范围内精确定位及掌握病害的发生和程度信息，进而取代传统目测手查等费时费力且不精确的调查方法。
在病虫害遥感探测的研究与实践中，基于不同的遥感监测的平台，可分为卫星遥感和近地面遥感。目前，常用于病虫害监测的卫星探测器有Landsat TM、IKONOS、HJ1C 环境卫星等，用于近地面病害监测的传感器有高光谱仪、各种类型的数码相机、成像光谱仪等。本实验中使用无人机搭载NDVI相机、佳能5D相机、多光谱相机三种相机获取小麦冠层影像，是近地面病害监测的形式之一。无人机是一种通过无线遥控或规划航线飞行的无人驾驶飞机，它一般由动力系统、飞控系统、无线通讯遥控系统、有效载荷等部分组成[]，近年来，无人机的使用越来越普及，在农情监测上也得到了广泛的应用。
白粉病是一种细菌性病害，植株被感染后叶面覆盖白粉状霉层，叶肉细胞破坏，水分和叶绿素含量降低，叶片黄化干枯，造成小麦减产和食用品质降低[]。染病植株形态和生理的变化也导致相应光谱的改变，如Graeff等[3]（2006）通过对感染白粉病（powdery mildew）和全蚀病（takeall disease）的小麦叶片光谱进行分析后发现：病害的发生导致490、510、516、540、780和1300 nm波段处光谱的强烈响应，这为应用遥感技术进行小麦白粉病的实时监测提供了理论支撑[]。
在病虫害遥感监测的研究与实践中，研究者们并不直接使用光谱反射率，而是通过发现对病害敏感的波段，构造或者使用已有的各种类型的植被指数，至今为止，已有多个植被指数被相继提出，通常具有一定的生理或生化意义，是植物光谱应用的一种重要形式。在小麦研究方面：Bravo等（2003）[5]利用归一化植被指数（normalized difference vegetation index, NDVI），采用判别分析的方法提取小麦条锈病的病情信息，准确率超过了95%。Zhao等[6]（2004）发现了比值植被指数（simple ratio, SR）和三角形植被指数（triangular vegetation index , TVI）对诊断作物病害有好的效果。Huang[7]（2004）采用改正型叶绿素吸收比值指数（the transformed chlorophyll absorption and reflectance index, TCARI）和优化土壤调节植被指数（optimized soiladjusted vegetation index, OSAVI）的组合对小麦病害条件下的色素变化进行监测，决定系数达到 0.7795，结果表明 TCARI 和OSAVI指数的比值能够与受条锈病侵染的小麦植株的部分生理生化参数建立良好的相关关系。Huang等[8]（2005）成功运用光化学植被指数（Photochemical reflectance index, PRI）监测了小麦病害，分别在冠层和航空观测尺度上达到了超过 90%的估测精度。Devadas等[9]（2009）发现氮反射率指数（nitrogen reflectance index, NRI）、结构不敏感植被指数（structural independent pigment index, SIPI）、植被衰老指数（plant senescence reflectance index, PSRI）和归一化叶绿素比值指数（normalized pigment chlorophyll ratio index, NPCI）能够识别并进一步区分同种小麦病害的不同亚型。
虽然基于光谱的小麦病害监测取得了不少成就，但仍存在以下问题：小麦白粉病研究多基于卫星及地面平台，卫星受大气云层及运转周期影响，使用时颇有不便，而地面监测则存在不够灵活机动、测量范围小的缺点，而利用无人机搭载传感器监测田间小麦白粉病则显得快捷实时，且监测范围广、分辨率高，但是目前基于小麦白粉病的无人机监测研究还很缺乏，未明确无人机影像中对小麦白粉病敏感的特征参数，也未明确小麦白粉病的病情指数反演模型。因此，有必要探索发现在无人机平台上对小麦白粉病敏感的光谱参数，从而建立小麦白粉病病情指数反演模型。本研究以不同品种不同发病等级的小麦为研究对象，利用无人机和消费级相机、多光谱传感器获取影像，使用ENVI软件对无人机影像进行预处理，提取对小麦白粉病敏感的光谱特征、构建合适的植被指数，识别不同病害级别的小麦田块，综合分析植被指数与白粉病病情指数的定量关系，以期确立无人机平台上新的对白粉病敏感的植被指数及病情指数反演模型。本研究为小麦白粉病精确识别、快速监测提供了一定的理论依据，对小麦白粉病抗病品种培育和病害防控管理具有重要科学价值和应用前景。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 材料与方法 2
1.1 研究思路 2
1.2 材料与方法 3
1.2.1 试验设计 3
1.2.2 数据采集与测定方法 4
1.3数据处理方法 5
1.3.1 佳能5D相机照片处理 5
1.3.2 改装NDVI相机照片处理 6
1.3.3 多光谱影像处理 6
1.3.4 无人机影像的植被指数提取 7
2 结果与分析 8
2.1 基于无人机平台的病情指数反演 8
2.1.1 不同病情指数下无人机多光谱影像的光谱反射率变化趋势 8
2.1.2 基于无人机平台植被指数的病情指数反演 9
2.1.2.1 基于改装NDVI相机植被指数的病情指数反演 9
2.1.2.2 基于多光谱相机植被指数的病情指数反演 10
2.2 基于无人机平台的病情指数反演模型的验证 11
3 结论与讨论 11
3.1 无人机搭载不同传感器监测白粉病的效果 11
3.2 无人机平台监测白粉病效果差的原因 12
3.3 今后研究设想 12
致谢 12
参考文献 14
基于无人机影像的小麦白粉病监测研究
引言
引言：小麦是我国重要的粮食作物之一，中国种植小麦的历史已有上千年，发展到现在，小麦已成为我国继水稻和玉米的第
*好棒文|www.hbsrm.com +Q: ^351916072#
三大粮食作物。因此，保证小麦的品质及产量的稳定是保障人民稳定生活的前提。小麦白粉病是世界性的细菌性病害，在世界各麦区均有发生，我国小麦白粉病发生面积近年来维持在350万~500万亩，已成为威胁国家粮食生产安全的因素之一。而目前的小麦病害防控主要还依靠目测以及喷施杀菌剂，不够及时精确地反应病害位置和程度，于是造成了多数情况下杀菌剂的多施漏施，不仅仅防病害效率低，还造成了一系列的环境问题，而遥感技术的空间连续的信息获取能力使其有可能在大范围内精确定位及掌握病害的发生和程度信息，进而取代传统目测手查等费时费力且不精确的调查方法。
在病虫害遥感探测的研究与实践中，基于不同的遥感监测的平台，可分为卫星遥感和近地面遥感。目前，常用于病虫害监测的卫星探测器有Landsat TM、IKONOS、HJ1C 环境卫星等，用于近地面病害监测的传感器有高光谱仪、各种类型的数码相机、成像光谱仪等。本实验中使用无人机搭载NDVI相机、佳能5D相机、多光谱相机三种相机获取小麦冠层影像，是近地面病害监测的形式之一。无人机是一种通过无线遥控或规划航线飞行的无人驾驶飞机，它一般由动力系统、飞控系统、无线通讯遥控系统、有效载荷等部分组成[]，近年来，无人机的使用越来越普及，在农情监测上也得到了广泛的应用。
白粉病是一种细菌性病害，植株被感染后叶面覆盖白粉状霉层，叶肉细胞破坏，水分和叶绿素含量降低，叶片黄化干枯，造成小麦减产和食用品质降低[]。染病植株形态和生理的变化也导致相应光谱的改变，如Graeff等[3]（2006）通过对感染白粉病（powdery mildew）和全蚀病（takeall disease）的小麦叶片光谱进行分析后发现：病害的发生导致490、510、516、540、780和1300 nm波段处光谱的强烈响应，这为应用遥感技术进行小麦白粉病的实时监测提供了理论支撑[]。
在病虫害遥感监测的研究与实践中，研究者们并不直接使用光谱反射率，而是通过发现对病害敏感的波段，构造或者使用已有的各种类型的植被指数，至今为止，已有多个植被指数被相继提出，通常具有一定的生理或生化意义，是植物光谱应用的一种重要形式。在小麦研究方面：Bravo等（2003）[5]利用归一化植被指数（normalized difference vegetation index, NDVI），采用判别分析的方法提取小麦条锈病的病情信息，准确率超过了95%。Zhao等[6]（2004）发现了比值植被指数（simple ratio, SR）和三角形植被指数（triangular vegetation index , TVI）对诊断作物病害有好的效果。Huang[7]（2004）采用改正型叶绿素吸收比值指数（the transformed chlorophyll absorption and reflectance index, TCARI）和优化土壤调节植被指数（optimized soiladjusted vegetation index, OSAVI）的组合对小麦病害条件下的色素变化进行监测，决定系数达到 0.7795，结果表明 TCARI 和OSAVI指数的比值能够与受条锈病侵染的小麦植株的部分生理生化参数建立良好的相关关系。Huang等[8]（2005）成功运用光化学植被指数（Photochemical reflectance index, PRI）监测了小麦病害，分别在冠层和航空观测尺度上达到了超过 90%的估测精度。Devadas等[9]（2009）发现氮反射率指数（nitrogen reflectance index, NRI）、结构不敏感植被指数（structural independent pigment index, SIPI）、植被衰老指数（plant senescence reflectance index, PSRI）和归一化叶绿素比值指数（normalized pigment chlorophyll ratio index, NPCI）能够识别并进一步区分同种小麦病害的不同亚型。
虽然基于光谱的小麦病害监测取得了不少成就，但仍存在以下问题：小麦白粉病研究多基于卫星及地面平台，卫星受大气云层及运转周期影响，使用时颇有不便，而地面监测则存在不够灵活机动、测量范围小的缺点，而利用无人机搭载传感器监测田间小麦白粉病则显得快捷实时，且监测范围广、分辨率高，但是目前基于小麦白粉病的无人机监测研究还很缺乏，未明确无人机影像中对小麦白粉病敏感的特征参数，也未明确小麦白粉病的病情指数反演模型。因此，有必要探索发现在无人机平台上对小麦白粉病敏感的光谱参数，从而建立小麦白粉病病情指数反演模型。本研究以不同品种不同发病等级的小麦为研究对象，利用无人机和消费级相机、多光谱传感器获取影像，使用ENVI软件对无人机影像进行预处理，提取对小麦白粉病敏感的光谱特征、构建合适的植被指数，识别不同病害级别的小麦田块，综合分析植被指数与白粉病病情指数的定量关系，以期确立无人机平台上新的对白粉病敏感的植被指数及病情指数反演模型。本研究为小麦白粉病精确识别、快速监测提供了一定的理论依据，对小麦白粉病抗病品种培育和病害防控管理具有重要科学价值和应用前景。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/nongxue/zwbh/509.html
