基于星地遥感数据协同的农作物病虫害监测方法技术

本申请公开了一种基于星地遥感数据协同的农作物病虫害监测方法，涉及林业典型病虫害遥感监测技术领域，包括采集病虫害发生区域的原始近地面高光谱数据；对原始近地面高光谱数据进行光谱变换分析，选择出对病虫害响应的敏感光谱区域和谱段，得到近地面高光谱数据，建立农作物病虫害反演模型；获取病虫害发生区域的卫星遥感数据并做预处理；提取卫星遥感数据宽波段响应函数并计算农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，采用波段组合的方法构建多光谱指数；将反演模型与多光谱指数协同分析，获得星地遥感数据协同的农作物病虫害监测模型；保证农作物病虫害的检测精度，实现对于农作物进行大面积多时相检测。

Monitoring method of crop diseases and insect pests based on satellite ground remote sensing data cooperation

The application discloses a monitoring method for crop diseases and insect pests based on the cooperation of satellite remote sensing data, which relates to the field of remote sensing monitoring technology for typical forestry diseases and insect pests, including collecting the original near ground hyperspectral data of the areas where the diseases and insect pests occur; analyzing the original near ground hyperspectral data by spectral transformation, selecting the sensitive spectral areas and spectral segments that respond to the diseases and insect pests, and obtaining the near ground hyperspectral data Hyperspectral data, establish the inversion model of crop diseases and insect pests; obtain and preprocess the satellite remote sensing data of disease and insect occurrence area; extract the wide band response function of satellite remote sensing data and calculate the multispectral reflectance corresponding to the wide band of the satellite remote sensing data of the crop diseases and insect occurrence area, and construct the multispectral index by the method of band combination; combine the inversion model and multispectral index In order to ensure the detection accuracy of crop diseases and insect pests and to realize the large-scale and multi temporal detection of crops, the monitoring model of crop diseases and insect pests based on the satellite ground remote sensing data is obtained.

【技术实现步骤摘要】
基于星地遥感数据协同的农作物病虫害监测方法
本申请涉及林业典型病虫害遥感监测
，具体地说，涉及一种基于星地遥感数据协同的农作物病虫害监测方法。
技术介绍
近地面高光谱农作物病虫害监测技术利用高光谱仪获取地面光谱数据，使用手持GPS获取地面样点准确的经纬度坐标。然后进行平滑、光谱微分变换等处理，选择对农作物病虫害响应的敏感光谱区域和谱段，运用多元线性回归方法、最小二乘法等回归方法建立农作物病虫害监测反演模型。但野外实地采集光谱数据需要耗费较大的人力物力，难以进行农作物田大面积应用。当农作物田发生大面积病虫害时，高光谱近地面采集不但耗时、费力，而且预报滞后增加了损失程度，从而在一定程度上影响了预报的精确度。
技术实现思路
有鉴于此，本申请提供了一种基于星地遥感数据协同的农作物病虫害监测方法，通过得到近地面高光谱数据，以近地面高光谱数据建立农作物病虫害反演模型；进一步获取农作物病虫害发生区域的卫星遥感数据，提取卫星遥感数据宽波段函数，并计算农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，进而构建多光谱指数；将多光谱指数替代反演模型中相应的高光谱数据，获得星地遥感数据协同的农作物病虫害监测模型；能够实现对于农作物患病虫害情况进行大面积多时相检测，同时提供给工作人员重要病虫害的蔓延趋势，从而有利于工作人员及时采取治理措施，减少农作物产量损失。为了解决上述技术问题，本申请有如下技术方案：一种基于星地遥感数据协同的农作物病虫害监测方法，包括：采集农作物病虫害发生区域的原始近地面高光谱数据，并获取所述农作物病虫害发生区域地面样点的经纬度坐标；对采集的所述原始近地面高光谱数据进行光谱变换分析，包括对所述高光谱数据进行异常值剔除、光谱曲线平滑、光谱微分变换和连续统去除变换，从备选光谱特征中选择对农作物病虫害响应的敏感光谱区域和谱段，得到近地面高光谱数据；根据所述近地面高光谱数据建立农作物病虫害反演模型；获取农作物病虫害发生区域的卫星遥感数据；对所述卫星遥感数据进行预处理；以所述近地面高光谱数据为基础，提取所述卫星遥感数据宽波段响应函数，利用所述卫星遥感数据宽波段响应函数计算所述农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，基于所述多光谱反射率，采用波段组合的方法构建多光谱指数；将根据所述近地面高光谱数据建立的所述农作物病虫害反演模型与所述多光谱指数进行协同分析，获得星地遥感数据协同的农作物病虫害监测模型。可选地，其中：根据所述近地面高光谱数据建立农作物病虫害反演模型，进一步为：基于所述近地面高光谱数据，分析所述高光谱数据的每个波段或几个波段的组合，获取对所述农作物健康和患病区分度最高的高光谱数据波段。可选地，其中：所述高光谱数据包括健康农作物植株和害病虫害农作物植株的冠层光谱数据。可选地，其中：所述根据所述近地面高光谱数据建立农作物病虫害反演模型，具体为：运用多元线性回归方法、偏最小二乘法建立所述农作物病虫害反演模型。可选地，其中：所述多元线性回归方法对应的回归方程为：Y＝β1X1+β2X2+...+βkXk其中，Y为因变量，X1，X2…，Xk为自变量，β1，β2…，βk为各个自变量的系数。可选地，其中：所述将根据所述近地面高光谱数据建立的所述农作物病虫害反演模型与所述多光谱指数进行协同分析，具体为：用所述多光谱指数替代所述反演模型中相应的高光谱数据。可选地，其中：所述对所述卫星遥感数据进行预处理，具体为：对获取的同区域、同时相的所述卫星遥感数据中的卫星影像进行辐射定标、大气校正、几何校正。可选地，其中：所述备选光谱特征包括单波段反射率、植被指数、微分变换。与现有技术相比，本申请所述的基于星地遥感数据协同的农作物病虫害监测方法，达到了如下效果：本申请提供的基于星地遥感数据协同的农作物病虫害监测方法，通过卫星遥感在高空尺度下对地面农作物宏观状况的检测，获取农作物病虫害发生区域的卫星遥感数据，提取卫星遥感数据宽波段函数，并计算农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，构建出农作物病虫害发生区域的多光谱指数；并通过近地面高光谱数据建立农作物病虫害反演模型，通过多光谱数据和反演模型这两种数据之间的一致性和相关性，得到星地遥感数据协同的农作物病虫害监测模型，保证了农作物病虫害的检测精度，也能够实现对于农作物进行大面积多时相检测，同时提供给工作人员重要病虫害的蔓延趋势，从而有利于工作人员及时采取治理措施，减少农作物产量损失。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1所示为本申请实施例所提供的基于星地遥感数据协同的农作物病虫害监测方法的流程图。具体实施方式如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。野外实地采集光谱数据需要耗费较大的人力物力，难以进行农作物田大面积应用。当农作物田发生大面积病虫害时，高光谱近地面采集不但耗时、费力，而且预报滞后增加了损失程度，从而在一定程度上影响了预报的精确度。有鉴于此，本申请提供了一种基于星地遥感数据协同的农作物病虫害监测方法，通过得到近地面高光谱数据，以近地面高光谱数据建立农作物病虫害反演模型；进一步获取农作物病虫害发生区域的卫星遥感数据，提取卫星遥感数据宽波段函数，并计算农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，进而构建多光谱指数；将多光谱指数替代反演模型中相应的高光谱数据，获得星地遥感数据协同的农作物病虫害监测模型；能够实现对于农作物患病虫害情况进行大面积多时相检测，同时提供给工作人员重要病虫害的蔓延趋势，从而有利于工作人员及时采取治理措施，减少农作物产量损失。以下结合附图和具体实施例进行详细说明。图1所示为本申请实施例所提供的基于星地遥感数据协同的农作物病虫害监测方法的流程图，请参照图1，基于星地遥感数据协同的农作物病虫害监测方法，包括：步骤101、采集农作物病虫害发生区域的原始近地面高光谱数据，并获取农作物病虫害发生区域地面样点的经纬度坐标；步骤102、对采集的原本文档来自技高网...

【技术保护点】
1.一种基于星地遥感数据协同的农作物病虫害监测方法，其特征在于，包括：/n采集农作物病虫害发生区域的原始近地面高光谱数据，并获取所述农作物病虫害发生区域地面样点的经纬度坐标；/n对采集的所述原始近地面高光谱数据进行光谱变换分析，包括对所述高光谱数据进行异常值剔除、光谱曲线平滑、光谱微分变换和连续统去除变换，从备选光谱特征中选择对农作物病虫害响应的敏感光谱区域和谱段，得到近地面高光谱数据；/n根据所述近地面高光谱数据建立农作物病虫害反演模型；/n获取农作物病虫害发生区域的卫星遥感数据；/n对所述卫星遥感数据进行预处理；/n以所述近地面高光谱数据为基础，提取所述卫星遥感数据宽波段响应函数，利用所述卫星遥感数据宽波段响应函数计算所述农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，基于所述多光谱反射率，采用波段组合的方法构建多光谱指数；/n将根据所述近地面高光谱数据建立的所述农作物病虫害反演模型与所述多光谱指数进行协同分析，获得星地遥感数据协同的农作物病虫害监测模型。/n

【技术特征摘要】
1.一种基于星地遥感数据协同的农作物病虫害监测方法，其特征在于，包括：
采集农作物病虫害发生区域的原始近地面高光谱数据，并获取所述农作物病虫害发生区域地面样点的经纬度坐标；
对采集的所述原始近地面高光谱数据进行光谱变换分析，包括对所述高光谱数据进行异常值剔除、光谱曲线平滑、光谱微分变换和连续统去除变换，从备选光谱特征中选择对农作物病虫害响应的敏感光谱区域和谱段，得到近地面高光谱数据；
根据所述近地面高光谱数据建立农作物病虫害反演模型；
获取农作物病虫害发生区域的卫星遥感数据；
对所述卫星遥感数据进行预处理；
以所述近地面高光谱数据为基础，提取所述卫星遥感数据宽波段响应函数，利用所述卫星遥感数据宽波段响应函数计算所述农作物病虫害发生区域相应于卫星遥感数据宽波段的多光谱反射率，基于所述多光谱反射率，采用波段组合的方法构建多光谱指数；
将根据所述近地面高光谱数据建立的所述农作物病虫害反演模型与所述多光谱指数进行协同分析，获得星地遥感数据协同的农作物病虫害监测模型。


2.根据权利要求1所述的一种基于星地遥感数据协同的农作物病虫害监测方法，其特征在于，根据所述近地面高光谱数据建立农作物病虫害反演模型，进一步为：
基于所述近地面高光谱数据，分析所述高光谱数据的每个波段或几个波段的组合，获取对所述农作物健康和患病区分度最高的高光谱数据波段。


3.根据权利要求1所述的一种基于星地遥感数据协同的农作物...

【专利技术属性】
技术研发人员：郭朝贺，于梦馨，施蕾蕾，刘龙，宫华泽，陈祺，
申请(专利权)人：北京麦飞科技有限公司，
类型：发明
国别省市：北京;11