一种基于地表温度反演技术的小麦白粉病遥感监测方法技术

本发明专利技术涉及一种基于地表温度反演技术的小麦白粉病遥感监测方法，与现有技术相比解决了难以将多时相地表温度作为生境因子进行白粉病遥感监测的缺陷。本发明专利技术包括以下步骤：源数据的获取和预处理；小麦种植面积的提取；小麦生长状态的反演；地表温度的反演；MODIS温度和Landsat‑8反演地表温度的时空融合；基于地表温度遥感监测模型的构建；小麦白粉病遥感监测结果的获得。本发明专利技术基于多时相Landsat‑8和MODIS遥感数据反演地表温度，利用国产GF‑1数据反演植被指数，通过Linear‑SVM构建综合决策树以反演小麦白粉病严重度，实现小麦白粉病病情严重度的遥感监测。

【技术实现步骤摘要】
一种基于地表温度反演技术的小麦白粉病遥感监测方法
本专利技术涉及遥感监测
，具体来说是一种基于地表温度反演技术的小麦白粉病遥感监测方法。
技术介绍
近年来，遥感技术的发展为大面积病虫害监测预测提供了重要手段。许多学者对于小麦各种病虫害的遥感监测进行了研究，研究范围涵盖地面高光谱，无人机遥感和卫星遥感等诸多方式。现有技术中，发现光化学植被指数与小麦黄锈病严重度高度相关，反演模型的决定系数达到0.97，同时通过对冬小麦叶片上白粉病的损害进行了广泛的分析，检测了三种光谱特征(共计32个，包括衍生光谱特征，连续统变换的光谱特征和植被指数)的表现。研究结果表明，通过这些特征的优化组合，基于偏最小二乘回归的反演模型对于白粉病严重度的检测决定系数可达0.8。基于拥有三个红边波段的Sentinel-2卫星数据构建了监测冬小麦条锈病病的植被指数-红边病害胁迫指数(REDSI)，其对于条锈病有很好的监测效果。综合运用小波分析与支持向量机方法，基于环境一号卫星数据构建了河北某地的冬小麦白粉病监测模型。在实地研究中发现，地表温度对冬小麦病害的影响具有累积效果，地表温度若可以作为关键的生境因子参与了白粉病监测模型的构建，则会大大提高白粉病的遥感监测准确度。但单时相的地表温度无法准确表征冬小麦整个关键生育期的生长环境，因此如何将地表温度有效应用到小麦白粉病的遥感监测中已经成为急需解决的技术问题。
技术实现思路
本专利技术的目的是为了解决现有技术中难以将多时相地表温度作为生境因子进行白粉病遥感监测的缺陷，提供一种基于地表温度反演技术的小麦白粉病遥感监测方法来解决上述问题。为了实现上述目的，本专利技术的技术方案如下：一种基于地表温度反演技术的小麦白粉病遥感监测方法，包括以下步骤：源数据的获取和预处理，获取遥感卫星数据包括高分一号WFV数据、Landsat-8OLI数据和MODIS数据，并进行数据预处理；小麦种植面积的提取，利用高分一号WFV数据反演NDVI结合高程数据以及近红外波段反射率进行小麦种植面积的提取；小麦生长状态的反演，采用ReliefF算法进行植被指数特征选择，计算植被指数特征与各类别的相关性赋予特征不同的权重，按照从高到低的权重选择特征，对各特征进行分析，选择类间相关系数最小的组合作为模型反演的最佳特征组合；地表温度的反演，以Landsat-8TIRS数据反演对小麦白粉病发生的生境影响因子地表温度；MODIS温度和Landsat-8反演地表温度的时空融合，以MODIS温度数据作为时序数据序列的组成部分，进行Landsat-8地表温度数据和MODIS温度的时空融合；基于地表温度遥感监测模型的构建，建立将LST和植被指数作为输入因子的遥感监测模型；小麦白粉病遥感监测结果的获得，使用高分一号WFV数据的植被指数作为植被长势因子，使用Landsat-8地表温度和MODIS时空融合所得的地表温度作为生境因子，通过基于地表温度遥感监测模型，获得了小麦白粉病情遥感监测的结果。所述小麦生长状态的反演包括以下步骤：将所有植被指数特征根据Relief算法按权重降序排序，以权重0.075为阈值，选择出8个植被指数特征；对8个植被指数特征进行两两相互分析，与权重最高特征相关系数高于0.9的剔除，之后剔除与权重次高特征的相关系数高于阈值的特征，并以此类推；选出3个植被指数特征作为地表温度遥感监测模型的基础。所述地表温度的反演包括以下步骤：图像预处理，对OLI数据和TIRS数据进行辐射定标、去云处理；根据OLI数据计算归一化植被指数NDVI；根据由归一化植被指数NDVI计算的植被覆盖度FVC，并按照地表比辐射率公式计算各像元的比辐射率；其中，NDVIs为裸土的NDVI值，NDVIv为纯植被的NDVI值；根据两个热红外通道的观测亮温选定一定范围的滑动窗口通过协方差与方差的比值计算大气水汽柱含量并据此确定公式中的系列参数bi，利用MODTRAN和TIGR大气廓线建立通过率比值与大气水汽含量的经验关系式并用其计算大气透过率，非线性劈窗算法计算地表温度的公式如下：其中，反演地表温度LST为TIRS数据的热线外数据，ε和Δε分别表示MODTRAN和TIGR大气廓线的发射率均值与差值，取决于地表分类与覆盖度；Ti和Tj为MODTRAN和TIGR大气廓线的观测亮温，bi(i＝0,1...,7)为各项系数，其为可通过实验室数据、大气参数数据以及大气辐射传输方程得到的模拟数据集；计算像元的地表温度，选取了小麦关键的起身期、拔节期、开花期和灌浆期的四期Landsat-8数据反演计算像元的地表温度，其公式如下：其中，LSTi为单时相Landsat-8反演的地表温度，为LSTi归一化后的温度因子，i＝(1,2,3,4)代表四个时相，20的意义在于白粉病发生的适宜温度上限为20℃，SLST代表Landsat-8多时相地表温度的累积。所述MODIS温度和Landsat-8反演地表温度的时空融合包括以下步骤：利用Landsat-8反演LST数据和MODIS温度产品计算LST；STARFM算法获取同一时刻tk的低分辨率遥感图像LR和高分辨率遥感图像HR，得到该时刻HR和LR间像元值之间的偏差值D，偏差值由系统误差和地物变化引起，公式如下：D＝HR(xi,yi,tk)-LR(xi,yi,tk)；根据选择的移动窗口确定相似像元的时间距离权重和空间距离权重，基于两者都是LST，光谱距离权重为1；根据某一时刻的MODISLST预测对应时刻的Landsat-8LST，假定偏差值不变，其计算公式如下：其中，w为移动窗口的尺度，(xw/2,yw/2)为移动窗口中心像元的位置，Wij为窗口内相似像元对中心像元的权重系数；根据STARFM算法得出的时空融合后的20期LST数据(LSTj)与4期Landsat-8LST数据(LSTi)计算LMLST，其公式如下：所述基于地表温度遥感监测模型的构建包括以下步骤：设定支持向量机SVM，其模型的判别函数如下：其中，ai为Lagrange乘子，Sv为支持向量，xi与yi为两个类别的支持向量，b为阈值，k(xi,x)为满足Mercer定理的正定核函数；设定输入因子xi为选取出的植被指数特征，输入类型yi为MODIS地表温度时空融合的累积温度LMLST。有益效果本专利技术的一种基于地表温度反演技术的小麦白粉病遥感监测方法，与现有技术相比基于多时相Landsat-8和MODIS遥感数据反演地表温度，利用国产GF-1数据反演植被指数，通过Linear-SVM构建综合决策树以反演小麦白粉病严重度，实现小麦白粉病病情严重度的遥感监测。本专利技术在地表温度的反演中，Landsat-8数据的空间分辨率能够满足要求，MODIS数据的时间分辨率能够满足要求，故结合两者的优点加以合成可以获得更好的结果。附图说明图1为本专利技术的方法顺序图；图2为利用本专利技术的遥感监测结果图。具体实施方式为使对本专利技术的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：如图1所示，本专利技术所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法，包括以下步骤：第一步，源数据的获取和预处理。获取遥感卫星数据包括高分一号WFV数据、Landsat-8OLI数据和MODIS本文档来自技高网...

【技术保护点】
1.一种基于地表温度反演技术的小麦白粉病遥感监测方法，其特征在于，包括以下步骤：11)源数据的获取和预处理，获取遥感卫星数据包括高分一号WFV数据、Landsat‑8OLI数据和MODIS数据，并进行数据预处理；12)小麦种植面积的提取，利用高分一号WFV数据反演NDVI结合高程数据以及近红外波段反射率进行小麦种植面积的提取；13)小麦生长状态的反演，采用ReliefF算法进行植被指数特征选择，计算植被指数特征与各类别的相关性赋予特征不同的权重，按照从高到低的权重选择特征，对各特征进行分析，选择类间相关系数最小的组合作为模型反演的最佳特征组合；14)地表温度的反演，以Landsat‑8TIRS数据反演对小麦白粉病发生的生境影响因子地表温度；15)MODIS温度和Landsat‑8反演地表温度的时空融合，以MODIS温度数据作为时序数据序列的组成部分，进行Landsat‑8地表温度数据和MODIS温度的时空融合；16)基于地表温度遥感监测模型的构建，建立将LST和植被指数作为输入因子的遥感监测模型；17)小麦白粉病遥感监测结果的获得，使用高分一号WFV数据的植被指数作为植被长势因子，使用Landsat‑8地表温度和MODIS时空融合所得的地表温度作为生境因子，通过基于地表温度遥感监测模型，获得了小麦白粉病情遥感监测的结果。...

【技术特征摘要】
1.一种基于地表温度反演技术的小麦白粉病遥感监测方法，其特征在于，包括以下步骤：11)源数据的获取和预处理，获取遥感卫星数据包括高分一号WFV数据、Landsat-8OLI数据和MODIS数据，并进行数据预处理；12)小麦种植面积的提取，利用高分一号WFV数据反演NDVI结合高程数据以及近红外波段反射率进行小麦种植面积的提取；13)小麦生长状态的反演，采用ReliefF算法进行植被指数特征选择，计算植被指数特征与各类别的相关性赋予特征不同的权重，按照从高到低的权重选择特征，对各特征进行分析，选择类间相关系数最小的组合作为模型反演的最佳特征组合；14)地表温度的反演，以Landsat-8TIRS数据反演对小麦白粉病发生的生境影响因子地表温度；15)MODIS温度和Landsat-8反演地表温度的时空融合，以MODIS温度数据作为时序数据序列的组成部分，进行Landsat-8地表温度数据和MODIS温度的时空融合；16)基于地表温度遥感监测模型的构建，建立将LST和植被指数作为输入因子的遥感监测模型；17)小麦白粉病遥感监测结果的获得，使用高分一号WFV数据的植被指数作为植被长势因子，使用Landsat-8地表温度和MODIS时空融合所得的地表温度作为生境因子，通过基于地表温度遥感监测模型，获得了小麦白粉病情遥感监测的结果。2.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法，其特征在于，所述小麦生长状态的反演包括以下步骤：21)将所有植被指数特征根据Relief算法按权重降序排序，以权重0.075为阈值，选择出8个植被指数特征；22)对8个植被指数特征进行两两相互分析，与权重最高特征相关系数高于0.9的剔除，之后剔除与权重次高特征的相关系数高于阈值的特征，并以此类推；23)选出3个植被指数特征作为地表温度遥感监测模型的基础。3.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法，其特征在于，所述地表温度的反演包括以下步骤：31)图像预处理，对OLI数据和TIRS数据进行辐射定标、去云处理；32)根据OLI数据计算归一化植被指数NDVI；33)根据由归一化植被指数NDVI计算的植被覆盖度FVC，并按照地表比辐射率公式计算各像元的比辐射率；其中，NDVIs为裸土的NDVI值，NDVIv为纯植被的NDVI值；34)根据两个热红外通道的观测亮温选定一定范围的滑动窗口通过协方差与方差的比值计算大气水汽柱含量并据此确定公式中的系列参数bi，利用MODTRAN和TIGR大气廓线建...

【专利技术属性】
技术研发人员：赵晋陵，刘创，黄文江，黄林生，张东彦，梁栋，徐超，翁士状，阮莉敏，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34