一种棉花蚜虫遥感预报模型的构建方法技术

本发明专利技术属于农业遥感领域技术领域，具体涉及一种棉花蚜虫遥感预报模型的构建方法。本发明专利技术提取苗期的棉花冠层光谱数据，分析健康棉株和棉蚜虫害棉株的光谱，构建基于光谱特征的棉花蚜虫识别模型(多光谱影像棉蚜识别模型、高光谱影像棉蚜识别模型和地面高光谱棉蚜识别模型)；通过研究棉花的物候生长状态，构建棉花生长模型；研究蚜虫的扩散规律与影响因子，构建棉蚜扩散模型，采用4DVar同化方法构建棉花蚜虫遥感预报模型，实现遥感技术对棉花蚜虫的识别及扩散的精准判别，有助于掌握棉田棉花的虫害发生情况和用药情况，进而为指导精准用药消杀棉蚜虫害，节约用药成本、提升生态环境质量等有着重要意义。量等有着重要意义。量等有着重要意义。

【技术实现步骤摘要】
一种棉花蚜虫遥感预报模型的构建方法


[0001]本专利技术属于农业遥感
，具体涉及一种棉花蚜虫遥感预报模型的构建方法。

技术介绍

[0002]棉花是我国主要的经济作物，新疆棉花种植面积与产量已连续27年居全国首位，棉花 产业实现沙漠增绿、农民增收、国民经济发展等方面发挥重要作用。陆地棉相较于海岛棉， 在生长过程中更易发生病虫害，常年造成危害的害虫有10余种，虫害导致棉花减产约 10
‑
15％，且受全球气候环境变化及连片种植导致棉田生态自然调控减弱等影响，棉花虫害 有日益加剧的趋势。
[0003]蚜虫是危害棉花的主要害虫之一，寄生在植株幼嫩部位，个体非常小，成虫体长不到2 毫米，早期危害症状不易捕捉和检测，出现蚜害后导致叶片出现黄白斑、卷曲或皱缩，严 重时影响新叶发育、生长停滞，生长周期推迟，严重影响棉花的品质和产量。危害新疆棉 花的蚜虫有3种，苗期棉黑蚜，然后是棉蚜和棉长管蚜，以棉蚜的发生和危害最为严重； 同时棉蚜具有迁飞性，移动能力强，虫情暴发迅速、快速蔓延，会给棉花生产造成不可估 量的损失。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种棉花蚜虫遥感预报模型的构建方法，其特征在于：包括以下步骤：步骤1：在棉花苗期多次获取正常棉株和受蚜虫胁迫棉株的棉花冠层地面高光谱数据；步骤2：对步骤1中得到的棉花冠层地面高光谱数据进行分析处理，筛选出敏感谱段，根据敏感谱段构建地面高光谱棉蚜识别模型；步骤3：根据步骤1的时间节点，同步采集多源遥感数据，对所述多源遥感数据中的无人机多光谱影像数据、无人机高光谱影像数据、卫星多光谱影像数据和卫星高光谱影像数据进行分析处理，构建棉蚜虫害多光谱识别方法；对所述卫星多光谱影像数据进行分析处理，并结合所述棉蚜虫害多光谱识别方法得到多光谱影像棉蚜识别模型；对所述卫星高光谱影像数据进行分析处理，并结合步骤2得到的地面高光谱棉蚜识别模型，得到高光谱影像棉蚜识别模型；步骤4：根据步骤1的时间节点，获取生长物候数据，根据生长物候数据构和步骤3获得的多源遥感数据构建棉花生长模型；步骤5：确定棉蚜扩散的影响因子，根据步骤1的时间节点，多次采集并记录棉蚜虫口数、棉蚜天敌数和影响因子的相关数据，根据采集的数据构建棉蚜扩散模型；步骤6：根据步骤3得到的多光谱影像棉蚜识别模型和高光谱影像棉蚜识别模型、步骤4得到的棉花生长模型和步骤5得到的棉蚜扩散模型构建棉花蚜虫遥感预报模型。2.根据权利要求1所述的一种棉花蚜虫遥感预报模型的构建方法，其特征在于：步骤1中通过地物光谱仪获得棉花冠层地面高光谱数据，所述地物光谱仪的观测探头离棉花冠层的高度为H，所述高度H的计算公式为：其中θ为观测探头视场角，L为棉花种植行距。3.根据权利要求1所述的一种棉花蚜虫遥感预报模型的构建方法，其特征在于：步骤2中获得地面高光谱棉蚜识别模型的具体步骤包括：步骤2.1：清洗：对步骤1中得到的棉花冠层地面高光谱数据清洗，剔除异常值；步骤2.2：预处理：将步骤2.1得到的棉花冠层地面高光谱数据进行去噪和平滑处理；步骤2.3：相关导数与微分计算：对步骤2.2得到的棉花冠层地面高光谱数据进行导数和微分计算；其中，导数采用和公式模型进行计算；其中，R
1st
(λ
i
)为在光谱段λ
i
上的一阶导数值，R(λ
i
)为i波段处的反射率数值，R(λ
i+1
)为(i+1)波段处的反射率数值；R
2nd
(λ
i
)为在光谱段λ
i
上的二阶导数值；微分采用和ρ
″
(λ
i
)＝[ρ
′
(λ
i+1
)
‑
ρ
′
(λ
i
‑1)]/2(λ
i+1
‑
λ
i
‑1)公式模型进行计算；其中，ρ
′
(λ
i
)为在光谱段λ
i
上的一阶微分值；ρ(λ
i+1
)为(i+1)波段处的反射率数值；ρ(λ
i
‑1)为(i
‑
1)波段处的反射率数值；ρ
″
(λ
i
)为在光谱段λ
i
上的二阶微分值；ρ
′
(λ
i+1
)为(i+1)波段处的一阶微分值；ρ
′
(λ
i
‑1)为(i
‑
1)波段处的一阶微分值；λ
i
为i波段的波长值；λ
i+1
为(i+1)波段的波长值；
步骤2.4：指数计算：根据步骤2.2得到的棉花冠层地面高光谱数据，计算出NNIR指数、红边指数R
(550，760)
和病害植株光谱指数β；其中，NNIR指数采用公式模型进行计算，其中NNIR为植被指数，ρ
760
为760nm波段处的反射率值；ρ
650
为650nm波段处的反射率值；ρ
550
为550nm波段处的反射率值；红边指数R
(550，760)
采用公式模型进行计算，其中R
(550，760)
为比值植被指数；ρ
760
为760nm波段处的反射率值；ρ
550
为550nm波段处的反射率值；病害植株光谱指数β采用公式模型进行计算，其中NNIR为植被指数，R
(550，760)
为比值植被指数；步骤2.5：虫害判断：根据步骤2.4计算出的红边指数R
(550，760)
和病害植株光谱指数β判断棉花是否发生虫害和发生虫害的程度；步骤2.6：特征谱段分析：综合分析步骤2.2得到的棉花冠层地面高光谱数据、步骤2.3计算出的导数数据与微分数据，筛选出棉蚜虫害的特征谱段；步骤2.7：构建模型：根据步骤2.6筛选出的棉蚜虫害的特征谱段采用波谱角模型构建地面高光谱棉蚜识别模型。4.根据权利要求3所述的一种棉花蚜虫遥感预报模型的构建方法，其特征在于：步骤3中获得多光谱影像棉蚜识别模型和高光谱影像棉蚜识别模型的具体步骤包括：步骤3.1：无人机遥感数据的采集：根据步骤1的时间节点，使用无人机获取棉花苗期的正常棉株和受蚜虫胁迫棉株的无人机棉花冠层多光谱数据集；步骤3.2：无人机遥感数据处理：将步骤3.1得到的无人机棉花冠层多光谱数据集进行预处理，得到无人机多光谱影像数据和无人机高光谱影像数据；步骤3.3：卫星遥感数据的采集：根据步骤1的时间节点，采集卫星高分辨率遥感数据和卫星高光谱遥感数据；步骤3.4：卫星遥感数据处理：将步骤3.3获得的卫星高分辨率遥感数据进行预处理，使用ENVI Registration工具采用二阶多项式方法完成地理配准，得到卫星多光谱影像数据和卫星全色影像数据，将步骤3.3获得的卫星高光谱遥感数据进行预处理，得到卫星高光谱影像数据；步骤3.5：棉蚜虫害多光谱识别方法的构建：根据步骤3.2获得的无人机多光谱影像数据和步骤3.4获得的卫星多光谱影像数据分析多光谱棉蚜虫害的识别特征，构建棉蚜虫害多光谱识别方法，所述棉蚜虫害多光谱识别方法的构建方法包括以下步骤：步骤3.5.1：多光谱棉蚜特征谱段与指数选择：根据步骤2.4所列公式计算卫星多光谱影像数据和无人机多光谱影像数据的NNIR
mul
指数(F＝1.26；df＝4，12；
a
P＝0.0368)、红边指数R
mul
(550，760)(F＝1.57；df＝4，12；
a
P＝0.0460)和病害植株光谱指数β
mul
(F＝9.73；df＝4，12；
b
P＝0.0008)，其中F为两个均方的比值，df为因子自由度，P确定因子显著性，
a
P＜0.05；
b
P＜0.001；步骤3.5.2构建二阶多项式回归模型，其中y为棉蚜虫害判读指数；φ、γ为产量系数；b为调节系数；
步骤3.5.3：设棉蚜虫害判读阈值为T1，即有y＜T1时，棉花蚜虫不明显；y≥T1时，表明棉花蚜虫已发生；步骤3.6：多光谱影像棉蚜识别模型的构建：将步骤3.4获得的卫星多光谱影像数据与卫星全色影像数据进行同源融合后，获得融合后的超分辨率多光谱影像数据，将步骤3.5获得的棉蚜虫...

【专利技术属性】
技术研发人员：周学林，蒋平安，周建勤，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：