基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演.pdfVIP

第33卷，第6期 光谱学与光谱分析 2 01 3年6月 and June，2013 SpectroscopySpectralAnalysis 基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究 袁 琳1’2，张竞成1’2，赵晋陵1，黄文江3，王纪华1’2。 1．浙江大学农业遥感与信息技术应用研究所，浙江杭州 310058 2．北京农业信息技术研究中心，北京100097 3．中国科学院对地观测与数字地球科学中心，北京100094 摘要小麦条锈病和白粉病作为我国麦区两种重要病害，在田间常同时发生，为病害防治管理带来困难。 基于实验测试获得白粉病、条锈病叶片光谱数据，探讨采用光谱分析对两种病害进行区分识别及严重度监 测的可行性。通过相关分析和独立T检验，筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征， 特征，采用FLDA构建病害判别模型；借助PLSR分析构建病情严重度反演模型。研究结果表明，筛选得到 的反射率波段和光谱特征能够较好地区分两种病害，判别模型总体精度达到80％以上，准确度较高。其中， 染病比率超过20％的病叶区分和识别精度可达95％。同时，分别基于两种病害敏感光谱特征构建的病情严 重度反演模型能够较好地估测病情严重度，两种病害估测均方根误差均低于15％。上述叶片尺度小麦白粉 病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。 关键词高光谱；条锈病；白粉病；费氏线性判别分析；偏最小二乘回归分析 中图分类号：$512．1文献标识码：A 颖枯病(glumeblightdisease)具有相关性[4]。通过文献调研 引 言 发现，目前关于病害光谱监测和诊断的研究大都针对特定的 病害类型，罕有研究对不同类型病害的光谱特征进行比较和 近年来全球气候变化引起农作物病虫害频繁发生，使全 区分。 球粮食安全面临严峻的挑战。目前作物病害的防控主要通过 在实际的农田环境中，不同类型病害常同时发生。如小 施用杀菌剂。然而，多数情况下由于缺乏病害程度、位置的 麦白粉病(Blumeria graminis)和条锈病(Pucciniastriifor- 准确信息，易造成杀菌剂的多施、漏施，不仅无法有效阻止 mis f．sp．tritici)两种小麦中较为重要的病害均喜好高温高 作物病害的传播和流行，而且还会造成如作物药害，土壤和 湿的环境，在我国华北麦区常同时发生。目前，已有一些学 地下水污染等诸多环境问题[1]。而遥感技术的空间连续的信 者对两种病害的光谱响应特征分别进行了研究。刘良云等发 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 现小麦条锈病与560～670am波段的反射率变化有密切关 生和程度信息，进而取代传统目测手查等费时费力的调查方 系，并据此构建了监测模型[51；Zhang等在叶片尺度上对小 法。利用遥感技术进行作物病虫害监测的主要原理是根据病 麦白粉病的光谱响应进行了详细分析，发现512～634以及 害引起作物的生理生化状态改变在不同谱段上表现出的吸收 692～702 rllTl两个波段对病斑具有较强的响应，并在此基础 和反射特征进行信息提取和解析[2]。目前多数学者围绕小 上，筛选了GNDVI，CARI等多个光谱特征用于构建病情严 麦、水稻中几种常见的病害类型开展实验研究，试图弄清病 重度反演模型，反演精度超过90％[“。注意到上述小麦条锈