论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　4、作物病虫害胁迫遥感识别和程度区分算法

　　为实现对作物病虫害的遥感识别和程度区分，除了需要选择合适的波段或植被指数外，还需要选择合适的识别和区分算法，以建立这些病情和光谱特征之间的关系。目前针对不同类型的病虫害以及病虫害的不同特点，研究者们提出了各种各样的方法和模型。大致可以分为2类：一类是基于高光谱非成像数据建立的模型，一类是基于图像的数据分析方法。这些方法涉及了多元统计分析，数据挖掘算法和图像分析方法，总的目的是为了使所建立的模型具有较高的精度和专一性。

　　4.1针对非成像光谱的病虫害遥感识别及区分算法

　　基于高光谱非成像数据的方法以统计和数据挖掘算法为主。在小麦病害方面：Graeff等采用方差分析（analysisofvariance），相关分析（correlationanalysis）和回归分析（regressionanalysis）研究小麦条锈病和全蚀病病情程度与光谱特征之间的关系，并进行敏感波段筛选；Huang等利用回归分析构建了小麦条锈病的病情程度反演模型。在水稻病虫害研究方面，近年来浙江大学环境与资源学院的黄敬峰研究团队运用包括主成分分析（PCA）,概率神经网络（PNN），支持向量机（SVM）等多种数据挖掘算法进行光谱数据分析和模型构建，在水稻稻瘟病、稻纵卷叶螟、稻干尖线虫病、水稻胡麻斑病等多种病害的识别、监测方面开展了系列研究。

　　如刘占宇等以红边面积和红边位置作为非线性软间隔分类机（C-SVC）的输入向量,在识别水稻干尖线虫胁迫叶片和健康叶片的研究中获得较高精度。李波等基于主成分分析技术（PCA）和概率神经网络（PNN）对稻干尖线虫病和稻纵卷叶螟进行识别，识别精度高达95.65%，研究表明将PCA和PNN相结合,可以实现对多种水稻病虫害进行快速、精确的分类识别。在其他果蔬研究方面：Huang等利用偏最小二乘回归（PLSR）方法，对受到菌核病感染的芹菜叶片原始光谱及经光谱变化的一阶和二阶微分光谱进行建模分析，以预测其感病概率，结果表明两种模型精度均达到80%以上，分别为89%和87%；Xu等采用回归分析对受番茄斑潜蝇侵扰的番茄植株进行了研究，所建立的估测模型精度达到0.982，能够很好的预测病害发生严重度；Costa等采用主成分变换（principalcomponentanalysis）后的光谱信号进行猕猴桃的灰霉病（graymold）和核盘霉病（sclerotiniarot）的早期诊断，效果显著；Naidu等采用判别分析（discriminantanalysis）能够在早期对葡萄卷叶病进行诊断;Liu等比较了多元逐步回归（multiplestepwiseregression）、主成分分析和偏最小二乘回归（partialleastsquaresregression）在估算水稻胡麻叶斑病（brownspotdisease）严重度时的表现，研究发现：利用偏最小二乘回归分析估测病害严重度，精度在95%以上，其次是多元逐步回归分析，精度在90%以上，最差的是主成分分析法，估算精度低于90%；Liu等针对水稻颖枯病的光谱采用主成分分析，方差分析进行病害特征提取，并采用人工神经网络（artificialneuralnetwork，ANN）方法进行分类和识别；Jones等在叶片尺度上利用偏最小二乘回归和多元逐步回归建立预测模型以探测番茄叶斑病，所得模型均方根误差为0.049，决定系数为0.82，结果表明光谱技术可为番茄叶斑病监测提供有效方法；Rumpf等利用支持向量机（supportvectormachine）算法对甜菜感染Cercosporabeticola的病叶光谱进行分析，成功建立了高精度的病斑识别模型；Muhammed和Larsolle，以及Muhammed结合独立成分分析（independentcomponentanalysis）和主成分分析对小麦褐斑病（tanspotdisease）进行研究，达到较好的效果。通过上述研究可以看到，基于高光谱非成像数据的研究方法主要是通过各种统计判别、回归模型或数据挖掘算法建立光谱特征与病虫害类型、病情程度之间的关系。

　　4.2针对成像光谱的病虫害遥感识别及区分算法

　　近年来，使用成像光谱分析作物病虫害的研究报道不断增多，并且逐渐从叶片，近地成像尺度扩展到航空甚至航天的观测尺度。在这些研究中，研究者所使用的分析和建模方法侧重于对图像中光谱和空间的变异信息进行提取。如Delwiche和Kim基于逐步判别分析（stepdiscrimination）和图像机器视觉方法对小麦赤霉病进行了区分和识别，结果表明高光谱图像在小麦赤霉病的探测方面具有较大潜力；Zhang等通过对图像进行最小噪声分离变换（minimumnoisefractiontransformation）和光谱角度制图（spectralanglemapping）等处理，成功从航空图像中提取了番茄晚疫病的信息；Moshou等结合自组织图（self-organizingmap），神经网络（neuralnetwork）以及二次判别分析（quadraticdiscriminantanalysis）在冠层尺度利用光谱图像识别提取了小麦条锈病的信息，准确度达到95%以上；Huang等[35]基于航空高光谱图像，利用回归分析技术成功建立了小麦条锈病的严重度反演模型，并通过分析冠层、田块两个尺度的数据，初步验证了基于高光谱特征将病害监测模型从冠层尺度扩展到地块尺度的可能性；Qin等利用主成分分析对柑橘溃皮病进行识别，总体精度达到92.7%；Wang等通过图像分析提取了洋葱酸腐病的信息；Sighicell等结合光谱和荧光探测技术，探测了甜橙的青霉（bluemold）及褐腐病（browningrot）等病症，并得出由于植株体早期叶绿素和酚类物质量的变化可引起反射率和荧光信号改变的结论；Yang等采用主成分分析和交互自组织数据分析技术（interativeselforganizingdataanalysis，ISODATA）分别在高分辨率多光谱和高光谱航空影像中提取了棉花根腐病的发生范围，结果显示2类数据监测结果的精度差别并不显著，表明多光谱数据具有大范围病害监测的应用潜力。在卫星影像水平上，Jonas和Menz基于Quickbird影像，利用光谱角度制图和混合调谐滤波算法（mixturetunedmatchedfilteringalgorithm）进行了小麦白粉病和条锈病的识别。表3分别按照成像和非成像2种模式对已有病虫害光谱探测研究的相关算法进行总结。这些方法为病虫害遥感探测的应用提供了丰富的经验，但是，如何发展准确、简便、快速，标准化程度高，且仪器开发成本低的有效方法仍需要进行更多的尝试。

　　5、现存的问题和未来的发展趋势

　　在未来，随着理论和各类技术的进一步成熟，遥感技术将对大范围的作物病虫害监测预报产生更为重要的影响。笔者通过在国际科技论文综合性检索平台中对最近20年有关作物病虫害光谱分析及遥感应用方面的学术出版物进行检索，得到近20年的年纪动态图。图中一个明显的趋势即作物病虫害光谱分析及遥感监测相关出版物数量近年来呈迅速上升的态势，特别是在2000年之后增速较快。这一方面与国际科技出版界的整体发展有关，同时也体现了将遥感技术与作物病虫害监测相结合逐渐受到众多学者的广泛关注。在这些研究中，下述5个关键词出现的频次最高：“vegetationindex”，“canopyreflectance”，“neuralnetwork”，“chlorophyllcontent”，“precisionagriculture”。这些关键词反映了多数学者希望通过光谱特征和一些统计分析方法将遥感信息与病情相联系，从而推进第20期张竞成等：作物病虫害遥感监测研究进展7精准农业作业应用的意愿。另一方面，通过调研国际上提供精准农业服务的一些知名企业，如“SSTSoftware”，“PrecisionAG”，“GeneralDynamicsAdvancedInformationSystems”，“BallAerospace&TechnologiesCrop”，发现作物病虫害遥感监测在实践中大多仅限于农机平台自身装载的传感器，较少在大范围中提供病虫害监测服务。虽然部分学者，如Huang等，Jonas和Menz，对机载、星载平台的病害监测应用进行过一些成功的尝试，但由于数据获取不易或成本过高等原因，暂未能在生产实践中普及。此外，上述这些研究多需要丰富的先验知识，而对于作物在密度、品种、播期、管理等方面的影响未进行系统分析。

　　在对目前作物病虫害遥感监测的研究、应用情况进行了一番梳理后，笔者认为，这一领域目前的重要问题和未来的发展趋势主要体现在下述几个方面：

　　1）对病虫害光谱特征的专属性认识不足。作物病虫害由于和作物的其它胁迫（如养分胁迫）具有相似的生理机制，往往容易出现相类似的光谱特征，而对某些局部的病虫害专属性光谱特征的认识能够为在复杂的农田环境中将作物病虫害区域识别和分离出来提供依据，对病虫害遥感监测的实际应用具有重要意义。

　　2）针对多样化的作物病虫害类型缺乏比较研究。目前的研究虽已涉及较多类型，但总体上仍缺乏对某些重要病虫害的认识（如对危害较重和流行度较高的小麦白粉病、赤霉病等病害类型的研究相对稀少），更缺乏对各种病虫害类型中一些具代表性的病虫害类型的光谱响应特征进行比较、归纳和总结，因而缺乏进行分型识别的基础依据。

　　3）将多时相遥感影像用于大范围的作物病害监测亟待加强。作物病虫害的发生发展不仅会体现在光谱特征相对于正常的偏离，有时某些光谱特征所形成的时间特征会体现出更为显著的信号。早期的星载遥感数据难以同时满足空间分辨率和时间分辨率的要求，这对此方面的研究构成了硬件条件的障碍，但近年来随着如环境减灾卫星等一些中分辨率高重访周期数据的出现，对病虫害的遥感多时相监测提供了重要契机。而多时相数据的预处理，时间维信息的提取，遥感时空信息与病虫害发生间关系的建立等则是实现多时相病虫害遥感监测所需要解决的具体问题。

　　4）将多种类型遥感数据配合使用进行病虫害监测。对作物病虫害进行监测除了传统光学遥感数据外，还可以尝试结合主动光学技术，热红外数据和荧光数据等多源信息，进行综合分析和建模。目前多数光学遥感病虫害监测方法基于被动光学遥感系统设计，受天气影响较大。未来大田尺度的病虫害遥感监测和诊断可引入主动光学遥感的探测方式，减小方法对时相、天气条件的依赖。Mishra等发展了一种覆盖可见光、近红外波段的四波段调制式主动光学传感器对柑橘黄龙病进行监测，结果表明该系统可在冠层尺度实现对病害较准确的识别。作物受病害影响会发生气孔导度变化，从而引起呼吸、蒸腾作用等强度改变，通常使冠层温度升高。而热红外遥感数据由于能够捕捉物体热辐射强度的变化，因此具有病害探测的潜力。另一方面，作物叶绿素荧光信号是植株光合作用强度的良好指示器。病害引起的植物光合活性的改变能够通过叶绿素荧光的方式被仪器探测到。Kuckenberg等尝试将叶绿素荧光诱导技术应用于不同胁迫的区分研究，发现F690/F730这一荧光特征能有助于区分冬小麦白粉病、叶锈病和缺氮胁迫。R.mer等结合支持向量机分析，探讨叶片尺度荧光信号对小麦叶锈病早期监测的潜力，结果表明识别精度达到93%。与光谱数据不同，热红外遥感数据和荧光遥感数据能够捕捉作物瞬时的生理状态，因此可以从不同的角度为病害探测提供有效信息。如Stoll等利用热红外成像技术，对早期葡萄霜霉病进行监测，结果表明热成像仪可捕捉病菌感染早期的叶温变化，从而实现病害的早期监测，提高农药使用效率。目前，随着热红外遥感和荧光遥感相关仪器技术的不断成熟，这一方面的研究亟待加强。

　　5）结合遥感技术和传感器网络构建全国性作物病虫害实时监测与服务平台。目前，随着物联网技术的兴起和发展，遥感和传感技术结合成为精细农业发展的趋势。与作物估产、品质预报和长势诊断不同，作物病虫害具有类型多样，影响因素复杂多变，发生发展迅速的特点。因此，局部的研究和应用难以全面覆盖病虫害发生的热点区域，从而往往在病害发生的关键时期不能迅速响应，失去病害监测的先机。遥感数据能够提供面状连续的数据，而在某些关键地区布设无线传感器网络，则能够提供点状的连续时相的数据。Morais等将ZigBee基础引入葡萄栽培的精准管理，在病害实时监测和产量估测方面进行了应用示范。从病害监测未来的发展趋势看，将遥感和传感两种数据相互配合，则能够很好地优势互补，点面结合，为病害监测提供丰富而全面的信息。而基于WebGIS技术的全国尺度作物病虫害信息库和服务平台的建立，能够方便用户通过专家系统进行病情诊断或咨询，以及不同地区之间的信息共享，实现对农业病虫害的实时监控和有效控制。

　　6、结论

　　随着农业信息化革命的不断深入，利用遥感技术进行作物病害信息提取正从理论逐步走向应用。

　　不断涌现的各类数据源以及数据挖掘方法为病害遥感监测提供了丰富的资源。本篇综述分别从数据源、光谱特征以及算法等几个方面总结和梳理了目前遥感技术在作物病害监测方面的应用情况，并提出了这些技术和方法在未来的发展方向。目前，病虫害遥感监测总体上与生产管理的实际应用仍存在着不小的距离，受多种农田环境的复杂性因素影响，监测结果可靠性低，精度难以保证。而这些问题的解决，需要将农学和植保经验知识与遥感信息与模型进行有效整合，以充分挖掘遥感技术在作物病害监测方面的潜力，使得技术和方法在应用中不断走向成熟。