新疆棉花遙感應(yīng)用

新疆棉花遙感應(yīng)用基于遙感技術(shù)的棉花識別研究遙感應(yīng)用新疆棉花長勢監(jiān)測研究基于植被指數(shù)的新疆棉花遙感估產(chǎn)04030102作物病蟲害遙感監(jiān)測研究棉花遙感識別1棉花像元識別2棉花葉片識別3棉田質(zhì)量診斷4棉花種植面積遙感監(jiān)測棉花遙感識別模型的研究農(nóng)作物的遙感分類，利用四個波段就可達到較高的分類識別精度。結(jié)合TM遙感圖像光譜波段的分配與農(nóng)作物光譜的特點，主要在0.45—0.52um、0.52—0.59um、0.63—0.69um、0.76—0.90um四個主要波段進行分析與處理。TM（TM圖像）TM是Thematicmapper的縮寫，意為“專題繪圖儀”，是美國陸地(LANDSAT)衛(wèi)星搭載的一種成像儀。另有ETM，是EnhancedThematicMapper的縮寫，意為“增強型專題繪圖儀”。TM圖像為專題繪圖儀（ThematicMapper）獲取的圖像。從Landsat-4起，發(fā)射的衛(wèi)星上加裝了專題繪圖儀（TM）來獲取地球表層信息。TM在光譜分辨率、輻射分辨率和地面分辨率都比MSS圖像有較大的改進。在光譜分辨率方面，它采用7個波段來記錄遙感器獲取的目標地物信息；在輻射分辨率方面，TM采用雙向掃描，改進了輻射測量精度，目標地物模擬信號經(jīng)過模數(shù)轉(zhuǎn)換，以256級輻射亮度來描述不同地物的光譜特性；在地面分辨率方面，TM瞬間視場對應(yīng)的地面分辨率為30m（第6波段除外）。遙感反射率遙感反射率是指如果假定衛(wèi)星處于天頂，并且不考慮大氣的散射和吸收作用，衛(wèi)星上的傳感器接收到被遙感物體的反射輻亮度，與被遙感物體本身接收的太陽輻亮度的比值。棉花與其它主要農(nóng)作物在光譜特征上差別分析基于LANDSAT-5像元尺度的棉田生長密度遙感監(jiān)測初步研究棉田生長密度（株數(shù)）是棉花產(chǎn)量構(gòu)成因子之一，是因苗管理的重要依據(jù)[1-5]。新疆棉花產(chǎn)量約占中國的30%，世界的8%，在國內(nèi)和國際棉花貿(mào)易中都具有舉足輕重的作用[6-8]。根據(jù)新疆獨特的氣候資源條件，新疆植棉業(yè)在消化和吸收現(xiàn)代科學技術(shù)成果后，形成了“矮、密、早、膜、滴”的種植技術(shù)體系，其中“密”是整個體系的核心，生長密度的分級數(shù)據(jù)是棉花苗期長勢最主要衡量指標；但受凍害、病害、冰雹以及土壤鹽堿化的影響，較低的棉田生長密度減弱了現(xiàn)有技術(shù)體系的增產(chǎn)作用[9-13]。因此，開展區(qū)域性的棉田生長密度監(jiān)測研究可以為分區(qū)管理和估產(chǎn)提供數(shù)據(jù)支持。棉田生長密度調(diào)查與計算為保證樣本數(shù)據(jù)的可靠性，調(diào)查樣區(qū)距離地頭不小于100m（特意選擇了地邊樣區(qū)除外），并在較大范圍內(nèi)生長密度穩(wěn)定；每個樣區(qū)選擇3個樣點，基本構(gòu)成等邊三角形，GPS定位選擇在3個樣點中心；每樣點相距約為10m，調(diào)查面積為26.7m2。以農(nóng)戶訪問的方式獲取棉田播種和出苗時間，分別選擇早期播種、中期播種和晚期播種的條田，進行棉田生長密度調(diào)查。試驗共調(diào)查13塊棉田（630hm2），60個樣區(qū)；其中，中期播種樣區(qū)48個（6個地邊點包括在中期播種樣區(qū)），早期播種樣區(qū)4個，晚期播種樣區(qū)8個，由于早期播種和晚期播種的棉田在生產(chǎn)中比例較小，因此，在本研究中以中期播種數(shù)據(jù)為例研究分播期監(jiān)測方式對監(jiān)測水平的影響。棉田生長密度計算方法如下：遙感影像及其預處理本試驗共用5個時期平均云量小于10%的LANDSAT-5影像數(shù)據(jù)，分別為2007年的4月22日（條帶號/行編號：143/29，下同）、5月24日，6月9日、6月25日、7月11日。分辨率為15m圖像采用“6S”模型進行大氣矯正，幾何精矯正應(yīng)用二次多項式、最鄰近法重采樣，地圖投影采用Lat/lonWGS-84，像元大小為28.5m×28.5m。植被指數(shù)計算方法估算結(jié)果準確性檢驗的方法不同生長發(fā)育期的棉田生長密度估算DEVI對棉田生長密度估算水平影響的分析不同估算模型的準確性檢驗及優(yōu)勢方法在區(qū)域上的應(yīng)用使用公式對新疆建設(shè)兵團148團的棉田生長密度監(jiān)測結(jié)果如圖3所示，該團棉田生長密度空間分布相關(guān)性強，變化連續(xù)性強，不同尺度都具有較強的群聚性；由圖3計算出，該團2007年棉花播種面積約為15811.7hm2，其中，≤1.20×105、1.20×105～1.35×105、1.35×105～1.50×105、1.50×105～1.65×105、1.65×105～1.80×105、1.80×105～1.95×105、1.95×105～2.10×105、2.10×105～2.25×105、2.25×105～2.40×105以及≥2.40×105株/hm2的面積分別約占總面積的17.1%、10.2%、13.1%、13.6%、12.6%、10.9%、8.7%、6.0%、3.8%和4.0%。南疆棉區(qū)主要作物農(nóng)時歷北疆棉區(qū)主要作物農(nóng)時歷東疆棉區(qū)主要作物農(nóng)時歷新疆石河子棉花種植分布圖利用Arcgis10．1軟件根據(jù)新疆建設(shè)兵團各師邊界對新疆農(nóng)作物遙感影像分類圖進行裁剪，得到新疆建設(shè)兵團的遙感影像分類圖。由于各團場面積較大且個數(shù)較少，不可能選擇團場為抽樣單元。為了保證抽樣精度，利用Arcgis10．1軟件生成格網(wǎng)并選擇格網(wǎng)作為抽樣單元。新疆建設(shè)兵團各師的部署是沿戰(zhàn)略交通線和邊界駐扎，所以其所屬地域的棉花種植面積分布極不均勻，而且裁剪后的新疆建設(shè)兵團各師格網(wǎng)數(shù)較少。如果對各師進行單獨抽樣，抽出的格網(wǎng)代表性較差影響后期反推的總精度，故需要先對各師進行分區(qū)然后再對各區(qū)進行分層隨機抽樣。根據(jù)遙感影像分類圖可以得到各師棉花種植面積占新疆建設(shè)兵團棉花種植總面積的比例(表1)?；诙鄷r相棉花長勢遙感的棉田質(zhì)量診斷農(nóng)田質(zhì)量是指農(nóng)田土壤肥力質(zhì)量、農(nóng)田環(huán)境質(zhì)量和農(nóng)田健康質(zhì)量的綜合量度，可以采用農(nóng)田產(chǎn)出能力進行評價[1]。棉田質(zhì)量差異是影響棉花的群體整齊度，限制棉花產(chǎn)量、效益進一步提高的主要因素[2~4]。以新疆為例，棉花總產(chǎn)占中國1/3以上，但受鹽漬化危害的棉田面積約為耕地總面積的30%[5]，沙化耕地約占總耕地的0.77%[6,7]；并且枯萎病、黃萎病、棉葉螨、棉鈴蟲等棉花病蟲害以及冰雹、凍害、冷害等自然災害對棉花豐產(chǎn)帶來巨大挑戰(zhàn)[8~10]。因此，適時監(jiān)測并掌握棉田質(zhì)量狀況，分析棉田質(zhì)量障礙原因，有助于針對性開展棉田土地改良，制訂分類指導的應(yīng)變管理與生產(chǎn)技術(shù)措施，從而提高資源及其管理技術(shù)的使用效率。在MODIS等衛(wèi)星遙感數(shù)據(jù)的時間序列支持下[19~25]，為需要時間序列才能解析的棉花長勢動態(tài)信息提供了數(shù)據(jù)平臺。探索利用棉花生長期內(nèi)多時相Sentinel-2A數(shù)據(jù)，研究棉花長勢動態(tài)變化與棉田質(zhì)量的相互關(guān)系，構(gòu)建條田級棉田質(zhì)量診斷的技術(shù)和方法，為生產(chǎn)的精準管理提供信息支持。遙感數(shù)據(jù)獲取與處理方法在棉花苗期至花鈴期，選擇平均云量小于10%的8景Sentinel-2A影像供本研究分析，分別為2018年的5月18日（條帶號/行編號：143/29，下同）、7月21日（143/29），2019年的5月21日（144/29）、6月6日（144/29）、6月22日（144/29）、7月8日144/29）、7月24日（144/29）、8月9日（144/29），棉花苗期和蕾期影像主要用于提取植棉區(qū)域棉田質(zhì)量分類方法結(jié)合棉花冠層物理參數(shù)、覆蓋度、生物量，在棉花生長盛期（花期和鈴期）于8塊定點調(diào)查條田中提取LANDSAT-5影像中不同棉花長勢區(qū)的波段反射率值（表2）。棉花長勢不同的棉田TM1、TM2、TM3、TM5、TM7極值之間有交互，而TM4波段反射率值的極值對不同棉花長勢棉田則比較有可分性，有障礙棉田和健康棉田極值范圍分別為0.511～0.802和0.820～0.935，且有障礙棉田的TM4波段中數(shù)接近極小值，而健康棉田的中數(shù)接近極大值，極值范圍的可信度高。由于在定點研究區(qū)外棉田像元TM4波段反射率有極少數(shù)介于0.802與0.820之間，為保證數(shù)據(jù)連續(xù)性，將兩類棉花長勢的劃分閾值確定為0.820。基于時間序列Landsat影像的棉花估產(chǎn)模型基于S2A影像純像元的植被指數(shù)時間序列準確地揭示了棉花整個生長期的長勢情況，不同長勢的棉花植被指數(shù)隨時間變化在花鈴期差異比較顯著。基于MODIS_NDVI最大值合成法的相關(guān)研究提供了理論依據(jù)，并且為其他農(nóng)作物的估產(chǎn)模型建立提供借鑒。資料數(shù)據(jù)產(chǎn)量數(shù)據(jù)按照面積劃分地塊，統(tǒng)計相應(yīng)的面積。2002年利用變量測產(chǎn)機械測定2個地塊的產(chǎn)量數(shù)據(jù)，產(chǎn)量精度4.5×4.5m2。A地塊產(chǎn)量為62896kg/hm2，B地塊產(chǎn)量為54836kg/hm2。遙感影像數(shù)據(jù)根據(jù)美國棉花生長期的特點，選取研究區(qū)2002年2－10月份的Landsat_5_TM和Landsat_7_ETM的時間序列遙感影像，共30幅。植被指數(shù)植被指數(shù)是由多光譜數(shù)據(jù)經(jīng)線性和非線性組合構(gòu)成的，是對植被有一定指示意義的各種數(shù)值，被越來越多地用于農(nóng)業(yè)和植被生態(tài)監(jiān)測。本研究采用應(yīng)用最廣泛的歸一化植被指（normalizeddifferencevegetationindex，NDVI）[17]以及增強型植被指數(shù)（enhancedvegetationindex，EVI）。采用相關(guān)分析、線性回歸方法對植被指數(shù)與實測產(chǎn)

量數(shù)據(jù)的關(guān)系進行分析，建立棉花產(chǎn)量預測模型。決定系數(shù)(determinationcoefficient,R2)均方根誤差(rootmeansquareerror,RMSE)模型驗證決定系數(shù)較高，均方根誤差較小，模型有很好的預測能力。本文選擇考慮到NDVI容易飽和的問題，同時計算了EVI，結(jié)果發(fā)現(xiàn)以NDVI為自變量的模型精度較高。根據(jù)花鈴期這一生長時期作為最優(yōu)估產(chǎn)時期所建立的模型具有很高的精度，可以推廣到其他地區(qū)進行棉花估產(chǎn)。對于本文的研究區(qū)來說，SanJoaquinValley氣候條件優(yōu)越，此時選擇平均值較適用；在其他多云的地區(qū)，也可以考慮選用最大值來建立模型。對于其他地區(qū)，可以選用花鈴期的某一晴天時期的影像進行棉花產(chǎn)量預測。綜合2個地塊考慮，基于多時期NDVI與單一時期NDVI的棉花遙感估產(chǎn)模型存在著各自的優(yōu)缺點：單時期模型精度較低，但單時期影像數(shù)據(jù)易于獲取，適用于多云地區(qū)，可用性較好；而多時期預測模型精度高，但易受氣象條件影響，對影像數(shù)據(jù)要求較嚴格。產(chǎn)量預測模型棉花估產(chǎn)基于時間序列NDVI相似性分析的棉花估產(chǎn)該文以新疆生產(chǎn)建設(shè)兵團農(nóng)一師一團的棉花為研究對象,提出了一種融合分區(qū)概念和時間序列NDVI（歸一化植被指數(shù)）相似性分析的棉花估產(chǎn)方法。首先，通過植被指數(shù)與產(chǎn)量的相關(guān)性比較分析，確定NDVI為棉花估產(chǎn)因子，在此基礎(chǔ)上根據(jù)棉花品種和土壤條件的差異，將研究區(qū)棉田劃分為不同類型的生長區(qū)；然后，結(jié)合每個生長區(qū)獲取的樣點產(chǎn)量數(shù)據(jù)，確定各生長區(qū)時序NDVI估產(chǎn)模型的擬合系數(shù)；最后，融合距離與角度相似性算法，對各生長區(qū)內(nèi)所有棉花像元的時序NDVI數(shù)據(jù)構(gòu)成的向量與產(chǎn)量樣點對應(yīng)的時序NDVI向量進行相似性分析，確定待測棉田像元最佳的估產(chǎn)模型，實現(xiàn)對整個棉田區(qū)域棉花產(chǎn)量的遙感估測。研究概況新疆生產(chǎn)建設(shè)兵團一師一團（阿克蘇地區(qū)）耕地面積約130km2，主要作物包括棉花、水稻、紅棗套種辣椒、紅棗、辣椒等，其中棉花種植面積所占比例最大。阿克蘇位于天山以南，東望塔里木河，西臨中吉邊境，南鄰塔里木盆地，屬暖溫帶大陸性氣候，氣候干燥，降雨量少，平均降水約75mm/a，蒸發(fā)量大，光熱資源豐富，平均氣溫約10℃，是新疆棉花的高產(chǎn)區(qū)。作物在每個生育時期的生長狀況均會影響產(chǎn)量的形成，因此構(gòu)建多時相遙感估產(chǎn)模型估算作物產(chǎn)量與單一時相相比更具有潛在的優(yōu)勢。盡管作物產(chǎn)量的形成受多種因素綜合影響[16-18]，如作物品種、氣象因素、土壤因素、生物因素（病蟲害等）以及田間管理與栽培方式等等，但這些因素綜合控制著作物的色素組分、含水率、細胞結(jié)構(gòu)、葉面積指數(shù)以及冠層結(jié)構(gòu)等植株理化參數(shù)，這些參數(shù)的變化往往會引起作物光譜反射特性相應(yīng)變化，并對最終產(chǎn)量的形成產(chǎn)生影響，這就為作物遙感估產(chǎn)經(jīng)驗模型的構(gòu)建提供了一定的解釋基礎(chǔ)。產(chǎn)量數(shù)據(jù)測定棉花測產(chǎn)：棉花產(chǎn)量在吐絮期已基本形成，測產(chǎn)一般在該時期內(nèi)進行，產(chǎn)量調(diào)查結(jié)果數(shù)據(jù)部分用于建模，部分用于驗證。按5行3m長的取樣面積進行棉花產(chǎn)量調(diào)查，數(shù)出棉花總株數(shù)與總成鈴數(shù)，然后根據(jù)收獲密度、平均單株成鈴數(shù)以及單鈴質(zhì)量計算籽棉產(chǎn)量：籽棉產(chǎn)量=收獲密度×平均單株成鈴數(shù)×單鈴質(zhì)量。估產(chǎn)因子確定在棉花不同生育時期，棉花光譜信息與其他地物光譜之間的差異不斷變化，不同時期棉花生長狀況對產(chǎn)量的敏感程度也明顯不同。因此，棉花種植面積提取與遙感估產(chǎn)需要根據(jù)實際情況選擇最佳時相，這是利用經(jīng)驗模型進行棉花遙感估產(chǎn)的重要環(huán)節(jié)。最具有代表性的植被指數(shù)除NDVI外，還包括差值植被指數(shù)（DVI）、比值植被指數(shù)（RVI）、垂直植被指數(shù)（PVI）、調(diào)整土壤植被指數(shù)（SAVI）等，都可以作為監(jiān)測作物長勢與產(chǎn)量估算的依據(jù)。本文根據(jù)幾個常用植被指數(shù)（表2）與產(chǎn)量數(shù)據(jù)進行相關(guān)性分析，進而確定用于估產(chǎn)的植被指數(shù)。時間序列NDVI數(shù)據(jù)相似性分析作物分區(qū)對于估產(chǎn)研究具有重要的意義，分區(qū)的本質(zhì)就是減少估產(chǎn)模型的異質(zhì)性，增加分模型的同一性，是提高估產(chǎn)精度的重要表現(xiàn)。本研究提出了一種基于時間序列NDVI相似性分析的分區(qū)方法。首先確定影響棉花單產(chǎn)差異的主要環(huán)境因子，根據(jù)每個生長區(qū)的棉花具有相似的生長環(huán)境的原則確定生長區(qū)的類別。每一類別生長區(qū)獲取一組產(chǎn)量調(diào)查數(shù)據(jù)，將每個待測像元對應(yīng)的時間序列NDVI向量與所有調(diào)查點對應(yīng)的時間序列NDVI向量進行相似性分析，將相似性最高的時序NDVI向量對應(yīng)的生長區(qū)類別確定為待測像元對應(yīng)的生長區(qū)類別，最終實現(xiàn)研究區(qū)所有棉花像元生長區(qū)的劃分。利用每個生長區(qū)的棉花產(chǎn)量調(diào)查數(shù)據(jù)，利用多元線性擬合方法構(gòu)建每個生長區(qū)的產(chǎn)量與NDVI之間的多元關(guān)系模型。式中，Y表示棉花產(chǎn)量，kg／hm2，N=（N1，N2，N3，…，Nn表示時間序列NDVI數(shù)據(jù)，n表示用于估產(chǎn)的遙感時相，A表示時間序列NDVI數(shù)據(jù)對應(yīng)的多元線性擬合系數(shù)，b表示常數(shù)項，A與b利用每個生長區(qū)本研究中兩個向量之間的相似性分析采用了夾角公式與距離公式聯(lián)合的方法，P、Q是兩個任意的具有n個元素的向量，計算兩個向量之間的相似性通常采用距離公式（2）或者角度公式（3）的產(chǎn)量調(diào)查數(shù)據(jù)計算得到。然而僅利用距離公式計算兩個向量的相似性，可能會發(fā)生模值接近但是夾角很大的情況；而利用角度公式計算兩個向量的相似性時，則有可能會發(fā)生角度接近，但模值卻差別很大的情形。本文采用將兩者聯(lián)合的方式判斷兩個向量的相似程度：1）用角度公式計算向量夾角θ，把3個最接近于0的向量保留；2）對于保留下來的向量再用距離公式，距離最小的兩個向量才是相似性最高的兩個向量。棉花種植區(qū)域提取估產(chǎn)作物種植面積提取是估產(chǎn)的一個重要內(nèi)容。本研究利用多時相遙感數(shù)據(jù)，通過目視解譯、野外調(diào)查與歷史資料，基于地塊單元的決策樹方法提取棉花種植面積。基于像元尺度的遙感影像分類通常得到離散的分類結(jié)果，對于具有空間連續(xù)性的土地利用區(qū)域中出現(xiàn)的誤分像元難以實現(xiàn)糾正，因此本文利用已有的地塊邊界數(shù)據(jù)裁切遙感影像，提取不同時期每個地塊單元NDVI的平均值，根據(jù)遙感影像的目視判讀結(jié)果和經(jīng)驗知識，利用決策樹方法獲取研究區(qū)的土地利用情況，這樣提取的棉花種植區(qū)域在空間上具有連續(xù)性。具體分類過程與分類結(jié)果分別見圖2與圖3。棉花生長區(qū)確定本研究中影響棉花產(chǎn)量差異的主要因素有土壤條件和棉花品種（采用統(tǒng)一的田間管理方式），所以生長區(qū)的劃分主要依據(jù)這兩個要素。研究區(qū)土壤類型包括壤土與粘土；氮素含量和有機質(zhì)含量是土壤環(huán)境中影響作物長勢和產(chǎn)量的兩個主要方面，所以根據(jù)土壤類型、土壤氮含量和有機質(zhì)含量作為生長區(qū)劃分的依據(jù)。根據(jù)土壤條件與棉花種類將研究區(qū)劃分為10類生長區(qū)，A1、A2、A3、b表示每個生長區(qū)不同時期NDVI對應(yīng)的擬合系數(shù)與常量，見表4。本文融合分區(qū)概念與時間序列NDVI數(shù)據(jù)相似性分析方法實現(xiàn)棉花估產(chǎn)研究。首先根據(jù)研究區(qū)概況確定生長區(qū)的類別，利用產(chǎn)量調(diào)查數(shù)據(jù)確定每個生長區(qū)對應(yīng)的多元線性擬合系數(shù)，然后通過待測像元對應(yīng)的NDVI向量與產(chǎn)量調(diào)查點對應(yīng)像元的NDVI向量的相似性分析，實現(xiàn)所有像元生長區(qū)的確定，然后將生長區(qū)對應(yīng)的擬合系數(shù)賦值給該生長區(qū)所有待測像元的時間序列NDVI數(shù)據(jù)，實現(xiàn)研究區(qū)棉花產(chǎn)量估算。圖5是利用時間序列NDVI向量分析方法得到的實驗區(qū)棉花單產(chǎn)結(jié)果，從中可以看出實驗區(qū)東南部棉花產(chǎn)量偏低，該區(qū)域主要種植普通棉花，土壤含氮量較低，鹽堿程度嚴重，因此棉花產(chǎn)量偏低?；跁r間序列NDVI數(shù)據(jù)相似性分析方法得到的實驗區(qū)棉花單產(chǎn)平均值為6825kg/hm2，與實際單產(chǎn)平均值6375kg/hm2基本一致。作物病蟲害遙感監(jiān)測研究進展近年來,隨著信息技術(shù)的迅速發(fā)展,遙感作為一種快速監(jiān)測手段已經(jīng)被運用到作物病蟲害監(jiān)測中。本文闡述了作物病蟲害遙感監(jiān)測的基本原理及特點,重點介紹了國內(nèi)外在其技術(shù)方法上的研究進展,提出了生產(chǎn)應(yīng)用中的技術(shù)流程。進一步分析了當前本領(lǐng)域研究中的難點,展望了其應(yīng)用前景,以期為棉花病蟲害遙感監(jiān)測研究提供借鑒與參考。作物病蟲害遙感監(jiān)測的基本原理作物病蟲害遙感監(jiān)測主要在單葉與冠層兩個層面上展開。對單葉,因病蟲危害導致葉片細胞結(jié)構(gòu)、色素、水分、氮素含量及外部形狀等發(fā)生變化,從而引起光譜的變化;對冠層,因病蟲危害引起LAI、生物量、覆蓋度等的變化,可見光到熱紅外波譜反射光譜與正常作物有明顯差異。在大尺度上,病蟲危害作物、高光譜掃描記錄上會引起灰度值的差異,在空間相、光譜相和時間相上有明顯的差異[5-6]。因此,可通過地面獲得的遙感數(shù)據(jù)結(jié)合高空成像儀獲得的遙感影像監(jiān)測作物病蟲害。作物病蟲害遙感監(jiān)測的特點傳統(tǒng)的病蟲害監(jiān)測主要是人工調(diào)查,田間取樣,綜合其它信息進行預測預報,做出決策,但該方法耗時、費力,時效性差,一定程度上影響了預測預報的及時性與精確性。應(yīng)用遙感技術(shù)監(jiān)測作物病蟲害,通過圖譜分析,可及早了解作物健況,獲得作物病蟲害發(fā)生、發(fā)展的定性和定量及空間分布信息,從而為決策者在病蟲害未造成嚴重為害前有針對性地決策、及時采取措施,加強重點防治,提供數(shù)據(jù)支持。利用遙感技術(shù)特別是高光譜、衛(wèi)星技術(shù)監(jiān)測病蟲害,具有快速、簡便、宏觀、無損、客觀等優(yōu)點,是作物病蟲害監(jiān)測的發(fā)展方向作物病蟲害遙感監(jiān)測的技術(shù)方法以往的研究中,如光譜反射率、回歸分析、植被指數(shù)、光譜微分、基于光譜位置變量的分析、遙感影像、多角度遙感等數(shù)據(jù)分析方法與技術(shù)被大量應(yīng)用。其不僅用于監(jiān)測作物水、肥、生化組分等信息,而且在作物病蟲害監(jiān)測方面也得到迅速發(fā)展。光譜反射率分析技術(shù)回歸模型分析技術(shù)植被指數(shù)分析技術(shù)光譜微分技術(shù)基于光譜位置變量的分析技術(shù)遙感影像分析技術(shù)多角度遙感分析技術(shù)光譜反射技術(shù)它是一種直接、簡單和快速的分析技術(shù)。它從傳感器直接獲得的數(shù)據(jù)入手,分析其轉(zhuǎn)化后的光譜反射率特征,獲取植被信息,具有普適性。以往研究雖然更多的使用反射光譜數(shù)據(jù)來估測作物光合有效輻射、LAI和葉綠素含量等生物物理參量,但也有估測作物病蟲害的。如Ponzo-ni等用PEC-TRONSE-590光譜儀(光譜波段400~900nm)和LICON積分球研究作物缺素時的光譜特性,認為在可見光波段能檢測到作物缺