一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法技术

本发明专利技术涉及一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比解决了赤霉病的遥感监测未针对麦穗尺度分析的缺陷。本发明专利技术包括以下步骤：高光谱遥感数据的获取；数据预处理；构建小麦赤霉病指数；多元逐步回归模型的建立；遥感监测结果的获得。本发明专利技术利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。

A Hyperspectral Remote Sensing Monitoring Method for Winter Wheat Scab Based on Spike Scale Analysis

【技术实现步骤摘要】
一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法
本专利技术涉及遥感监测
，具体来说是一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法。
技术介绍
小麦赤霉病俗称烂麦头、麦穗枯等，是由禾谷镰孢菌引起的世界性流行性病害，具有爆发性强的特点。赤霉病主要发生在小麦的穗部，大面积发生时可导致小麦严重减产，且染病小麦含有毒素，食用后可引起人畜中毒。目前小麦赤霉病监测预测研究的主流方法有三种，一是传统的目测手查方式，即通过测定赤霉病孢子密度来确定赤霉病的发生状况；二是赤霉病的气象预报，通过分析气象因素与小麦赤霉病之间的相关关系，建立赤霉病预报模型；三是通过遥感技术实现赤霉病估测。植物在生化、形态、结构等方面具有高度的复杂性，因此对于不同植物、不同病害可能会形成多样的光谱特征。由于赤霉病菌主要侵染小麦的穗部，因此，相关研究主要通过麦穗或麦穗籽粒对赤霉病的光谱响应特征进行分析，如Delwiche和Kim(2000)发现小麦在发生赤霉病病变时能够引起550nm,568nm,605nm,623nm,660nm,697nm,715nm,733nm位置上的光谱响应。BauriegelandHerppich(2014)指出健康和病害小麦麦穗的光谱主要在可见光和短波近红外光谱范围内(400～1000nm)存在差异。ShahinandSymons(2011)利用450～950nm的高光谱成像技术，成功探测到不同严重程度的赤霉病麦穗，预测准确率达86％。在冠层尺度，Whetton(2018)等利用高光谱成像仪对位于英国的贝德福德郡的四个区域中的小麦和大麦赤霉病进行识别，分别通过视觉(infieldvisualassessment,IVA)和图片解译(photointerpretationassessment,PIA)两种方法来评估RGB图像中小麦赤霉病覆盖率，利用光谱数据和赤霉病覆盖率进行偏最小二乘回归分析(PLSR)，结果表明，PIA-PLSR模型的分类效果最好。上述小麦赤霉病的识别分类研究大都基于成像高光谱，较之便携式地物光谱仪(ASD)的非成像高光谱数据其光谱分辨率较低，不利于对光谱信息进行更细致的分析。基于麦穗尺度的赤霉病研究将有利于我们更好地分析赤霉病的光谱响应特征，而田间环境与卫星遥感的环境比较类似，获取的光谱都是混合光谱，因此与航空遥感的环境较为接近，故在某些情况下，研究不同赤霉病等级的冠层光谱响应特征，可以为卫星遥感及航空遥感监测小麦赤霉病提供理论基础。综上所述，小麦赤霉病的主要侵染部位是穗部，对麦穗进行光谱研究将有利于我们分析赤霉病的光谱响应特征，且穗部的光谱测量更少的受环境的影响，因此在穗部开展赤霉病的研究将是为卫星遥感及航空遥感监测小麦赤霉病提供理论基础。那么，如何基于麦穗尺度分析进行小麦赤霉病的有效遥感监测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赤霉病的遥感监测未针对麦穗尺度分析的缺陷，提供一种基于麦穗尺度分析的冬小麦赤霉病高光谱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：一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，包括以下步骤：高光谱遥感数据的获取：获取麦穗反射率光谱曲线，取20次麦穗的光谱反射率值平均值作为麦穗的光谱反射率值；数据预处理：对麦穗反射率光谱曲线进行选取，选取出350nm-1330nm波段光谱数据，并对350nm-1330nm波段光谱数据进行一阶微分处理；构建小麦赤霉病指数：根据光谱数据的一阶微分值构建小麦赤霉病指数WSI；多元逐步回归模型的建立：利用遥感数据计算赤霉病敏感的植被指数、光谱微分特征以及赤霉病指数WSI，获得赤霉病多元逐步回归模型的初选特征，并构建出多元逐步回归模型；遥感监测结果的获得：将待分析的植被指数、光谱微分特征以及赤霉病指数WSI输入多元逐步回归模型，得到冬小麦赤霉病高光谱遥感监测结果。所述的构建小麦赤霉病指数包括以下步骤：对原始光谱数据进行一阶微分；将光谱微分数据与病害等级进行相关分析进而筛选出450～488nm、500～540nm、552～667nm、687～756nm四个敏感波段范围；对4个敏感波段范围微分总和进行相关性分析，根据4个波段范围微分总和的相关关系选择相关性较小的两个波段区间构建赤霉病指数，得到相关性最小的两个波段范围分别为450～488nm和500～540nm；基于这两个敏感波段范围内一阶微分总和的归一化比值构建赤霉病指数WSI，其表达式如下：WSI＝(SD450～488-SD500～540)/(SD450～488+SD500～540)，其中，SD为一阶微分之和。所述的多元逐步回归模型的建立包括以下步骤：利用麦穗的光谱反射率值提取11个植被指数和11个光谱微分指数；利用光谱微分分析构建赤霉病指数WSI；将11个植被指数、11个光谱微分指数及WSI指数作为赤霉病多元逐步回归模型的初选特征；构建多元回归方程，其表达式如下所示：y＝30.627WSI-82.765(SDg/SDb)-192.218NBNDVI-984.01SDg+276.882，其中，SDg为绿边一阶微分总和，SDb为蓝边一阶微分总和。有益效果本专利技术的一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。本专利技术以染病麦穗高光谱数据为研究对象，通过分析不同病害程度的光谱特征发现：可见光波段的反射率受赤霉病的影响较近红外波段更为明显，但原始光谱数据的病害特征并不显著。通过对光谱微分值与赤霉病病情严重度进行相关分析，光谱微分值在可见光波段处与赤霉病病情严重度之间具有良好的相关性，由此筛选出450～488nm和500～540nm两个敏感波段范围，以这两个敏感波段范围内一阶微分总和的归一化比值构建赤霉病指数WSI。利用构建的赤霉病指数WSI、11个植被指数及11个光谱微分特征进行多元逐步回归，多元逐步回归效果优于单一指数构建的一元线性回归效果，实现小麦赤霉病的有效监测。附图说明图1为本专利技术的方法顺序图。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麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其包括以下步骤：第一步，高光谱遥感数据的获取。获取麦穗反射率光谱曲线，取20次麦穗的光谱反射率值平均值作为麦穗的光谱反射率值。光谱测量采用ASDFieldSpecPro(350～2500nm)光谱仪，该光谱仪的光谱分辨率为3nm(350～1000nm)和10nm(1000～2500nm)。测量均在阳光充足的正午时间(10：00～14：00)进行，测量时，将小麦麦穗放在黑布中间，将传感器的探头垂直向下，分别测量穗的直立面、正面和侧面。每次测量前后均用标准白板进行校正，通过麦穗和参考板辐射亮度的比值计算求得麦穗反射率光谱曲线，取20次的反射率值平均值作为麦穗的光谱反射率值。R目标反射率＝(DN目标/DN参考板)×本文档来自技高网...

【技术保护点】
1.一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，包括以下步骤：11)高光谱遥感数据的获取：获取麦穗反射率光谱曲线，取20次麦穗的光谱反射率值平均值作为麦穗的光谱反射率值；12)数据预处理：对麦穗反射率光谱曲线进行选取，选取出350nm‑1330nm波段光谱数据，并对350nm‑1330nm波段光谱数据进行一阶微分处理；13)构建小麦赤霉病指数：根据光谱数据的一阶微分值构建小麦赤霉病指数WSI；14)多元逐步回归模型的建立：利用遥感数据计算赤霉病敏感的植被指数、光谱微分特征以及赤霉病指数WSI，获得赤霉病多元逐步回归模型的初选特征，并构建出多元逐步回归模型；15)遥感监测结果的获得：将待分析的植被指数、光谱微分特征以及赤霉病指数WSI输入多元逐步回归模型，得到冬小麦赤霉病高光谱遥感监测结果。

【技术特征摘要】
1.一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，包括以下步骤：11)高光谱遥感数据的获取：获取麦穗反射率光谱曲线，取20次麦穗的光谱反射率值平均值作为麦穗的光谱反射率值；12)数据预处理：对麦穗反射率光谱曲线进行选取，选取出350nm-1330nm波段光谱数据，并对350nm-1330nm波段光谱数据进行一阶微分处理；13)构建小麦赤霉病指数：根据光谱数据的一阶微分值构建小麦赤霉病指数WSI；14)多元逐步回归模型的建立：利用遥感数据计算赤霉病敏感的植被指数、光谱微分特征以及赤霉病指数WSI，获得赤霉病多元逐步回归模型的初选特征，并构建出多元逐步回归模型；15)遥感监测结果的获得：将待分析的植被指数、光谱微分特征以及赤霉病指数WSI输入多元逐步回归模型，得到冬小麦赤霉病高光谱遥感监测结果。2.根据权利要求1所述的一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，所述的构建小麦赤霉病指数包括以下步骤：21)对原始光谱数据进行一阶微分；22)将光谱微分数据与病害等级进行相关分析进而筛选出450～488nm、500～540nm、552～667nm、687...

【专利技术属性】
技术研发人员：黄林生，张寒苏，丁文娟，黄文江，胡廷广，翁士状，赵晋陵，曾玮，张东彦，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34