黄文江等：作物病虫害遥感监测方法研究进展

本文节选自：

引文格式：黄文江, 师 越, 董莹莹, 叶回春, 邬明权, 崔 贝, 刘林毅. 作物病虫害遥感监测研究进展与展望[J]. 智慧农业, 2019, 1(4): 1-11.

HUANG Wenjiang, SHI Yue, DONG Yingying, YE Huichun, WU Mingquan, CUI Bei, LIU Linyi. Progress andprospects of crop diseases and pests monitoring by remote sensing[J]. SmartAgriculture, 2019, 1(4): 1-11.

★

点击直达知网阅读

★

★

点击直达官网阅读（免费）

★

作物病虫害遥感监测方法研究进展

随着遥感卫星数据源的不断丰富，近几年新发射的中国高分（GF）系列、欧洲航天局的哨兵系列（Sentinel series）等，加之已有的中国的风云（FY）系列、环境（HJ）系列，美国的Landsat系列卫星等，使得遥感观测数据的空间分辨率和时间分辨率都得到了极大提升。近年来，利用遥感手段进行作物病虫害监测，主要针对不同的遥感数据源的特点，对不同病虫害胁迫下的光谱响应特征进行分析，通过选取病虫害敏感性波段所表现的波普特性，对遥感信号进行分析和建模，从而实现病虫害的监测和分类。

1　基于高光谱分析技术的遥感监测　

基于高光谱技术的作物病虫害监测研究主要集中在可见光波段和近红外波段。通过高光谱观测获取的作物连续的波谱信息在病虫害遥感监测和识别方面的主要有以下两方面的应用：一方面利用高光谱传感器可以同时获取作物病虫害胁迫的光谱差异和纹理差异，进而结合两方面的差异性信息提取胁迫特征；另一方面，获取的高光谱波段信息可以有效表征由病虫害引起的叶片理化组分的变化差异。

作物受病虫害胁迫后引起的叶片表面“可见—近红外”波段的光谱反射率的变化是病虫害遥感的直接特征，反映了植被物理生化组分的响应。病虫害引起的光谱响应研究已引起了很多学者重视，并被广泛应用于遥感监测和早期胁迫诊断研究。Luo等研究了生长了蚜虫的小麦叶片的光谱响应，结果表明，在700~750nm、750~930nm、950~1030nm和1040~1130nm处叶片的光谱反射对小麦蚜虫的响应率显著；除此之外，利用原始光谱的特征变换形式可以有效地加强波谱特征的差异，从而提取出目标病害的类别和严重程度。例如，Spilenlli等对梨树冠层光谱数据进行了求导，通过筛选对梨树火瘟病较为敏感的导数特征进行了火瘟病的遥感识别和早期监测，并对不同维度光谱信息的对比分析，发现高维的光谱信息包含更多与病害胁迫相关的特征，能够对病害胁迫进行较为精确的早期监测。Purcell等利用高光谱分析仪测定了不同侵染等级下的甘蔗样本，并通过傅里叶变换（Fourier Transform，FT）对光谱的纹理信息进行了提取，接着利用主成分分析法筛选了重要的特征变量，并用偏最小二乘法（Partial Least-Square Method,PLS）对筛选特征与不同病害严重度进行了建模分析，结果表明二阶微分光谱相比于其他特征拥有更高的监测精度，在病害早期识别中有较大的应用潜力。

另一方面，对敏感波段进行组合构成的光谱指数不仅拥有明确的物理意义，还能突显病虫害的生理生化过程，从而从生物学机制的角度实现对病虫害的监测和区分。Shi等通过接种实验获取了小麦条锈病、白粉病和蚜虫的冠层高光谱数据，通过相关性分析筛选了敏感波段并基于敏感波段提取了多个植被指数特征，之后通过多种核判别分析构建了多种非线性分类器，并利用所构建的分类器对冠层进行了监测识别，结果表明，基于Sigmoid核函数构建的非线性分类器能够获得较高精度的监测效果。Naidu等通过野外实验获取了受葡萄卷叶病侵染的葡萄叶片高光谱数据，通过相关性分析发现绿波段和近红外波段的光谱反射率对病害胁迫有显著的响应。随后，基于敏感波段构建了相关的植被指数，实现了对葡萄卷叶病的高精度遥感识别。在这些研究的基础上，越来越多的学者发现作物病虫害在不同的光谱波段中表现出不同的响应，因此如何针对不同的病虫害种类，在实际监测中需要寻找和构建具有高专一性的监测指标，选择较为合适的模型构建方法是作物病虫害遥感监测中继续解决的关键问题。目前较为普遍的思路是通过寻找与病虫害严重度较为敏感的高光谱波段来提取和构建相关的光谱特征，表1为当前主要的作物病虫害遥感识别和监测的光谱特征，用于区分和识别不同病虫害胁迫。

表1 用于病虫害高光谱特征区分的一阶微分、连续统特征及植被指数

2　基于航空/航天平台的多光谱遥感监测

在区域尺度上，随着航空/航天遥感平台的不断完善，国内外构建起了完善的遥感对地观测体系，为病虫害的大尺度遥感监测提供了技术支撑。Held等通过分析受甘蔗锈病胁迫的甘蔗光谱数据，利用DWSI指数对EO-1 Hyperion高光谱影像进行了分析，成功实现了研究区病虫害发生范围的监测。Yuan等通过星地联合实验获取了陕西关中地区小麦白粉病的地面高光谱数据，并利用SPOT-6卫星影像，基于SAM算法将地面高光谱数据与多光谱影像进行了融合，对小麦白粉病进行监测，结果表明监测精度达78%，说明基于SAM算法的地面高光谱与多光谱影像融合技术能够应用于病虫害遥感监测。Lenthe等通过接种实验获取了小麦条锈病和白粉病的地面测量数据，同时也获取了对应的热红外影像，通过选取敏感特征并构建监测模型，全局精度达到了88.6%。Yang等对棉花根腐病上的多光谱和高光谱图像信息进行了比较，结果认为多光谱影像在大区域的病虫害遥感监测和识别方面能达到较为满意的效果。Pan等对甜菜叶斑病的研究表明，400~900nm光谱范围内的反射率特征能够对叶斑病实现精确监测。Zhang等分别利用马氏距离法（Mahalanobis Distance，MD），偏最小二乘回归（Partial Least Squares Regression，PLSR），最大似然法（Maximum Likelihood Estimate，MLE）和混合调谐滤波的混合像元分解法（Mixture Tuned Matched Filtering，MTMF）对小麦白粉病进行监测，在区域尺度上，采用多时相遥感卫星影像对病害的发生和发展进行监测，结果表明，耦合PLSR和MTMF的监测方法对区域尺度的白粉病监测精度达到78%。

相较于大尺度的卫星遥感观测，基于航空遥感平台的机载高光谱/多光谱传感器除用到目标作物的光谱特征外，也需要对图像的结构和纹理特征进行解析。例如，Kim等对获取的机载遥感影像的信息熵、对比度等纹理特征基于颜色共生矩阵方法进行了提取，从而实现了柚皮病进行检测和病害识别，分类精度达到96.7%。Panmanas等对大豆黄斑病、疮痂病、黑点病的高光谱遥感影像进行分析，结合光谱信息和纹理信息实现了病虫害的区分和识别。此外，值得注意的是，在多病害分类和识别方面，有学者尝试利用计算机图形学的算法对病虫害的表征信息进行识别。Wang等利用无人机影像种显示的番茄瘟病、纹枯病和胡麻斑病的病斑纹理结构特征，对三种病害进行了区分和监测。Yao等基于作物在遥感影像中的方向一致性特征，对多种小麦病虫害进行了识别。

农田地块尺度和区域尺度下基于航空/航天平台的多光谱病虫害遥感监测特点及应用案例见表2。

表2 基于航空/航天平台的多光谱病虫害遥感监测特点及应用案例

总体而言，基于高光谱遥感影像对区域尺度上的病虫害监测研究过多的依赖于遥感手段获取的地物光谱信息，较少的考虑了田间小气候、病虫害生境、人为因素等多元数据的影响，因此，对于融合遥感与其他多元数据对病虫害进行监测的研究尚不完善，且系统性较弱，未来在基于多元信息融合研究基础上的病虫害监测方面的工作有待加强。

作者简介

黄文江   研究员

黄文江，男，博士，博士生导师，中国科学院空天信息创新研究院研究员（二级），任“中国科学院数字地球重点实验室”主任和国际“中英作物病虫害测报与防控联合实验室”主任，《智慧农业（中英文）》期刊编委。入选国家科技创新领军人才、中国科学院百人计划(终期评估优秀)、新世纪百千万人才工程、科技新星等人才计划，享受国务院特殊津贴。主要从事植被遥感机理与应用研究，先后主持40多项国家和省部级科研项目，发表SCI收录论文200余篇，主编专著7部；授权国家发明专利31项，软件著作权10项；研究成果获国家科技进步二等奖、神农中华农业科技一等奖、测绘科技进步一等奖、中国科学院杰出科技成就奖等奖励10项。