密級： 論文編號： 中國農(nóng)業(yè)科學(xué)院 學(xué)位論文 基于遙感的農(nóng)作物病蟲害監(jiān)測方法研究 以襄樊地區(qū)冬小麥條銹病為例 of A 士研究生： 江道輝 指 導(dǎo) 教 師： 周清波 研究員 申請學(xué)位類別： 工學(xué)碩士 專 業(yè)： 環(huán)境工程 研 究 方 向： 農(nóng)業(yè)遙感應(yīng)用 培 養(yǎng) 單 位： 農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所 研究生院 提交日期 2007 年 6 月 of A 2007 摘 要 提高農(nóng)作物病蟲害的監(jiān)測水平，對維護(hù)我國糧食安全，保護(hù)生態(tài)環(huán)境有著重要意義。遙感作為一種大面積、快速、無破壞、無污染的監(jiān)測技術(shù)，能實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)、生態(tài)效益的統(tǒng)一。本文以襄樊地區(qū)冬小麥條銹病的監(jiān)測為例，研究了遙感方法在病蟲害監(jiān)測中的應(yīng)用。 本研究的主要內(nèi)容有： 1、高光譜的監(jiān)測。通過對病害葉片和健康葉片的葉綠素含量進(jìn)行分析，發(fā)現(xiàn)病害葉片與健康葉片的葉綠素含量存在很大差異，因此選擇病害葉片中對葉綠素敏感的470550635680800合實(shí)測的葉綠素含量，建立了條銹病為害后，葉片葉綠素含量的估算模型。該模型能較好評價(jià)冬小麥?zhǔn)軛l銹病影響的程度。冠層水平上的研究，是通過對病害冠層和健康冠層的原始光譜和一階微分光譜進(jìn)行定量分析，確定可以選擇 o 、為高光譜特征參數(shù)，進(jìn)行條銹病的診斷。 2、生境因子的監(jiān)測。以襄樊地區(qū)1980 到1999 年的氣象資料和病害發(fā)生率為研究對象。通過對月平均氣溫、月平均最高氣溫、月平均最低氣溫、月降水量與條銹病發(fā)生率的相關(guān)分析，結(jié)果表明：影響襄樊地區(qū)冬小麥條銹病發(fā)生的主要生境因子是6 、 7、1 、2 月的平均最高氣溫。降水量對該地區(qū)條銹病發(fā)生程度的影響不大，并對原因進(jìn)行了簡要分析。在此基礎(chǔ)上，建立了一個(gè)條銹病發(fā)生率的預(yù)測模型?？梢宰鳛闂l銹病監(jiān)測的輔助方法。 3、遙感植被指數(shù)的監(jiān)測。通過各種植被指數(shù)的比較，選定用進(jìn)行監(jiān)測。選取襄樊地區(qū)2004年 4月 8日的一景像，對影像進(jìn)行預(yù)處理以后，運(yùn)用監(jiān)督分類法進(jìn)行分類，將該地區(qū)小麥分為不同類型，再分別提取其確定不同小麥的健康狀況。并對每一類小麥的面積進(jìn)行了統(tǒng)計(jì)。結(jié)果表明：大致將健康區(qū)與病害區(qū)區(qū)分開，從發(fā)生面積上與實(shí)測值大體吻合。 關(guān)鍵詞： 遙感，條銹病，高光譜，生境因子，植被指數(shù) I t to to As a no no of In we as a of of in 1. is a on 470550635680800to to is be of of is on on of as to 2. of is of is a A of is to as to 3. on he by on M 004 is is be be to It is in I 目 錄 第一章 緒論 . 1 究意義 .內(nèi)外的研究進(jìn)展 . 農(nóng)作物病害的監(jiān)測 . 2 作物蟲害的監(jiān)測 . 4 前存在的問題 . 遙感信息處理技術(shù)難以滿足應(yīng)用需要 . 5 境因子的反演精度不高 . 6 蟲害發(fā)生等級與遙感影像之間的關(guān)系尚不明確 . 6 展趨勢 . 6 文總體設(shè)計(jì) . 研究內(nèi)容 . 7 術(shù)路線 . 7 文結(jié)構(gòu) . 7 第二章 研究區(qū)概況和數(shù)據(jù)源 . 9 究區(qū)概況 . 研究區(qū)自然環(huán)境因素 . 9 究區(qū)冬小麥條銹病的發(fā)生情況 . 10 2. 2 數(shù)據(jù)源 .三章 高光譜監(jiān)測冬小麥條銹病的研究 . 11 究背景 . 高光譜的基本概念 . 11 光譜遙感在植被研究中的應(yīng)用 . 11 光譜遙感監(jiān)測在本研究中的應(yīng)用 . 12 料和方法 . 光譜測量 . 13 綠素含量的測定 . 14 . 14 害葉片的研究 .葉綠素含量差異性分析 . 15 害影響下葉片的光譜特征分析 . 15 害葉片的葉綠素含量與單波段反射光譜的關(guān)系 . 16 譜測量病害葉片葉綠素含量與多波段反射光譜回歸分析 . 18 型的檢驗(yàn) . 18 害冠層的研究 . 害影響下冠層的光譜特征 . 18 層光譜特征的定量分析 . 20 章小結(jié) .第四章 冬小麥條銹病生境因子監(jiān)測的研究 . 24 究背景 . 生境的概念 . 24 作物病蟲害生境監(jiān)測的進(jìn)展 . 24 境監(jiān)測在本研究中的應(yīng)用 . 25 究數(shù)據(jù)和方法 . 研究數(shù)據(jù) . 25 究方法 . 26 究結(jié)論 . 氣溫、降水量與病害發(fā)生率的相關(guān)性 . 27 歸模型的建立 . 28 歸模型的驗(yàn)證 . 29 章小結(jié) .五章 遙感植被指數(shù)監(jiān)測冬小麥條銹病的研究 . 31 用植被指數(shù) . 基于波段線性組合的植被指數(shù) . 31 除影響因子的植被指數(shù) . 31 感影像的選取 .感影像的預(yù)處理 . 輻射定標(biāo) . 34 影像的大氣校正 . 34 影像的幾何校正 . 35 影像的剪切 . 36 感影像的分類 . 訓(xùn)練樣本的選擇 . 37 類結(jié)果 . 38 感植被指數(shù)的計(jì)算 .章小結(jié) .六章 結(jié)論和討論 . 41 究結(jié)論 .研究的創(chuàng)新點(diǎn) .論 .考文獻(xiàn) . 43 致謝 . 48 作者簡歷 . 49 圖表目錄 圖 1研究總體技術(shù)路線 . 2襄樊市政區(qū)圖 . 9 圖 3成像光譜學(xué)的基本概念 . 12 圖 3. 3美能達(dá) . 3病害葉片與健康葉片的反射率曲線 . 3一階微分后的病害葉片與健康葉片的光譜曲線 . 3527. 3527. 3病害冠層與健康冠層的反射率曲線 . 3一階微分后病害冠層與健康冠層的光譜曲線 . 4襄樊地區(qū) 19802004 年冬小麥條銹病發(fā)生圖 . 26 圖 4氣溫因子與條銹病發(fā)生率的相關(guān)性 . 4降水量與條銹病發(fā)生的相關(guān)性 . 4回歸方程（41）預(yù)測的病害率與實(shí)測病害率的關(guān)系圖 . 4回歸方程（42）預(yù)測的病害率與實(shí)測病害率的關(guān)系圖 . 5訓(xùn)練區(qū)及樣本：左為水體訓(xùn)練區(qū)，右為小麥. 37 圖 5各地物在不同波段的平均光譜曲線 . 5分類后的. 3病害葉片與健康葉片葉綠素含量的比較 . 15 表 3藍(lán)光區(qū)不同波長反射率與病害葉片葉綠素含量的回歸方程 . 3紅邊區(qū)不同波長反射率與病害葉片葉綠素含量的回歸方程 . 3冠層光譜特征定量分析所使用的變量 . 3健康冠層與病害冠層的高光譜特征參數(shù)比較 . 4冬小麥條銹病歷年見病期與發(fā)生程度 . 26 表 5. 34 表 5研究區(qū) 影像幾何精校正控制點(diǎn) . 36 表 5可分離報(bào)告 . 38 第一章 緒論 第一章 緒論 究意義 據(jù)聯(lián)合國糧農(nóng)組織（估計(jì)，在對病蟲害不防治的情況下，糧食會(huì)減產(chǎn)約 30%。如果我們能準(zhǔn)確對農(nóng)作物的病蟲害作出預(yù)報(bào)，然后指導(dǎo)農(nóng)民有針對性的采取措施，這樣就能把損失降到最低。但目前的情況是農(nóng)民獲得此類信息的途徑較少，有的農(nóng)藥廣告片面夸大了某種病蟲害的發(fā)生，不僅增加了農(nóng)民生產(chǎn)成本，還會(huì)因?yàn)E施農(nóng)藥導(dǎo)致環(huán)境污染。長期以來，我國對重大病蟲害的災(zāi)變趨勢、成災(zāi)規(guī)律與機(jī)理等方面的基礎(chǔ)性和公益性研究較薄弱，缺乏對農(nóng)作物病蟲害的實(shí)時(shí)監(jiān)測，也就談不上準(zhǔn)確預(yù)報(bào)，這是造成農(nóng)作物生物災(zāi)害防不勝防被動(dòng)局面的主要原因之一。農(nóng)作物病蟲生物災(zāi)害一旦發(fā)生，將造成我國糧食生產(chǎn)重大減產(chǎn)和經(jīng)濟(jì)損失。要實(shí)現(xiàn) 21 世紀(jì)的中國農(nóng)業(yè)可持續(xù)發(fā)展戰(zhàn)略目標(biāo)，防御和減輕農(nóng)作物病蟲災(zāi)害及其它自然災(zāi)害是必不可少的重要環(huán)節(jié)，這一環(huán)節(jié)如不達(dá)標(biāo)，農(nóng)業(yè)穩(wěn)定、持續(xù)發(fā)展將成為空中樓閣。遙感技術(shù)的迅速發(fā)展為我們解決農(nóng)作物病蟲害的實(shí)時(shí)監(jiān)測與準(zhǔn)確預(yù)報(bào)提供了一個(gè)有力的手段。 20 世紀(jì) 60 年代以來，遙感技術(shù)取得了迅猛的發(fā)展，已廣泛應(yīng)用于國民經(jīng)濟(jì)的各個(gè)領(lǐng)域。按照遙感大辭典的定義，遙感是指從遠(yuǎn)距離、高空乃至外層空間的平臺(tái)上利用可見光、紅外、微波等，通過攝影或掃描，信息感應(yīng)、傳輸和處理，從而識別地面物質(zhì)的性質(zhì)和運(yùn)動(dòng)狀態(tài)的現(xiàn)代化技術(shù)系統(tǒng)。從這個(gè)定義可以看出，信息處于核心位置，遙感過程的本質(zhì)就是獲取信息作物病蟲害作為反映農(nóng)作物生長狀況的重要信息，通過遙感技術(shù)來獲取，并應(yīng)用于農(nóng)業(yè)生產(chǎn)的實(shí)踐成為遙感技術(shù)發(fā)展的一個(gè)新領(lǐng)域。 遙感技術(shù)監(jiān)測農(nóng)作物病蟲害的優(yōu)勢 （1 ） 能夠進(jìn)行大面積的同步觀測。 災(zāi)害的發(fā)生，有一個(gè)閾值，只有達(dá)到一定程度，才能稱為災(zāi)害。在自然生態(tài)系統(tǒng)中，生物與生物之間相互作用、生物與環(huán)境之間相互適應(yīng)，使物種保持平衡密度。在半人工的農(nóng)田生態(tài)系統(tǒng)中，由于圍繞增產(chǎn)的目的使系統(tǒng)環(huán)境極大改變，加上害蟲的生態(tài)適應(yīng)，致使某些種群迅速上升，其平衡密度處于很高的水平，往往超過了害蟲防治的經(jīng)濟(jì)水平。換言之，只有當(dāng)害蟲危害所引起的經(jīng)濟(jì)損失超過其防治時(shí)所要花費(fèi)的費(fèi)用，害蟲才真正是害蟲，才需要進(jìn)行預(yù)報(bào)和防治。通常的定點(diǎn)觀測的方法，在應(yīng)用中就存在這一個(gè)問題。從樣點(diǎn)來看，發(fā)生了病蟲害，于是采取了防治措施，但結(jié)果可能并未成災(zāi)，造成了經(jīng)濟(jì)上的浪費(fèi)。利用遙感技術(shù)進(jìn)行大面積的同步觀測，就為正確判斷災(zāi)害程度，發(fā)生范圍提供了保證，也為如何防治提出了科學(xué)的決策依據(jù)。 （2 ）數(shù)據(jù)的獲取是經(jīng)常的, 便捷的, 系統(tǒng)的，而且成本是低廉的。 當(dāng)代遙感技術(shù)已能全面覆蓋大氣窗口的所有部分，包括可見光、近紅外和短波紅外區(qū)域。遙感已具有高的空間分辨率、光譜分辨率和時(shí)間分辨率。遙感探測，尤其是空間遙感探測，可以在短時(shí)間內(nèi)對同一地區(qū)進(jìn)行重復(fù)觀測，因此獲取數(shù)據(jù)是經(jīng)常的，便捷的。遙感的費(fèi)用投入與所獲取的效益，與傳統(tǒng)監(jiān)測方法相比，不但節(jié)約了時(shí)間，而且更節(jié)省了人力，物力，財(cái)力。有些遙感數(shù)據(jù)，還是免費(fèi)接收的。 （3 ）一些重要的參數(shù)可以從遙感數(shù)據(jù)中方便獲取。 1中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 如 綠色植物生物量等可以直接從遙感數(shù)據(jù)中獲取。病蟲害發(fā)生的一些生境參數(shù)，如地表溫度、土壤水分等可以通過遙感數(shù)據(jù)進(jìn)行反演。 （4 ） 遙感數(shù)據(jù)的空間特性為監(jiān)測農(nóng)作物病蟲害提供了一個(gè)有利條件。 傳統(tǒng)的監(jiān)測方法都是點(diǎn)源監(jiān)測，在空間上可以認(rèn)為是隨機(jī)的，因此很難反映出病蟲害在空間上的變化情況，也就難以進(jìn)行預(yù)報(bào)。而遙感數(shù)據(jù)在空間上是連續(xù)的，結(jié)合 容易進(jìn)行災(zāi)害遷移方向，發(fā)生范圍的預(yù)測。獲得信息是空間連續(xù)的，這對一些生態(tài)上不穩(wěn)定的區(qū)域更為重要，有時(shí)，生態(tài)上的突變和害蟲的暴發(fā)最初發(fā)生在點(diǎn)、片區(qū)域，連續(xù)的信息對監(jiān)測點(diǎn)、片發(fā)生非常重要。例如，(1995) 對在美國懷俄明州發(fā)生的草地蝗進(jìn)行了研究，他們系統(tǒng)的收集了該州 48 年來內(nèi)的草地蝗的發(fā)生資料，并利用 術(shù)將每年的蝗蟲分布圖與行政區(qū)界限圖相疊置，歷史上蝗災(zāi)發(fā)生的具體位置借助 以確定，在此基礎(chǔ)上，編制了該州“ 蝗蟲成災(zāi)頻率圖” 。從以上的優(yōu)勢我們可以看出，利用遙感技術(shù)監(jiān)測農(nóng)作物的病蟲害有比較大的發(fā)展空間，十分有必要加強(qiáng)這方面的研究。 內(nèi)外的研究進(jìn)展 作物病害的監(jiān)測 由于不同的植物具有不同的反射光譜特征，并且同一種植物在不同生長發(fā)育階段和不同生長條件下的反射光譜特征也不盡相同，因此，可以利用多光譜遙感數(shù)據(jù)來監(jiān)測植被生長（彭少麟，等 1999），這是利用遙感技術(shù)監(jiān)測農(nóng)作物病蟲害的理論基礎(chǔ)。一般作物的反射能力越強(qiáng)，圖像上接收的輻射能量就越多，顏色就發(fā)白，發(fā)灰；反之，作物的反射能力越弱，圖像上接收的輻射能量就越少，顏色就發(fā)暗，發(fā)黑。（蕭術(shù)，等 1984）現(xiàn)有的研究大多基于光譜參數(shù)法，即從遙感數(shù)據(jù)中提取出植物生物物理方面的信息，以探測農(nóng)作物的生長情況以及是否受病蟲害的危害. 具體算法主要是通過一元或多元回歸分析方法建立高光譜數(shù)據(jù)或由此衍生的植被指數(shù)與作物農(nóng)學(xué)參量之間的關(guān)系。（1 ）植被指數(shù)與作物農(nóng)學(xué)參數(shù)。光合作用干物質(zhì)積累葉面積增長生物量增加，這四個(gè)有聯(lián)系的因子的信息，大多不能為遙感傳感器所直接獲取。但是，它們的生理機(jī)制卻能通過植物發(fā)射光譜中不同波段發(fā)射率的組合而間接地從遙感數(shù)據(jù)的分析中得到證實(shí)，這就為通過遙感監(jiān)測作物的生長狀況提供了一個(gè)良好的基礎(chǔ)。典型的綠色植物發(fā)射光譜曲線上，藍(lán)光區(qū)和紅光區(qū)各有一個(gè)葉綠素吸收帶( 吸收中心在 45050近紅外區(qū)則有一個(gè)強(qiáng)反射峰，植被對可見光和近紅外輻射的吸收一反射作用的兩種截然不同的表現(xiàn)是由色素及細(xì)胞內(nèi)部機(jī)構(gòu)差異造成的 兩個(gè)波段的組合建立綜合“ 植被指數(shù)” ，常被有效地用于作物長勢監(jiān)測. 植被指數(shù)在一定程度上反映著植被的演化信息. 植被指數(shù)的一個(gè)重要特點(diǎn)是可以轉(zhuǎn)換成葉冠生物物理學(xué)參數(shù)。植被指數(shù)是無量綱量，是利用葉冠的光學(xué)參數(shù)提取出的獨(dú)特的光譜信號( 特別是在紅色和近紅外光譜區(qū)的信號) ，適用于開展對植被活動(dòng)的輻射度量。其主要優(yōu)勢是簡單，除了輻射觀測之外，不需要其他的輔助資料，也沒有假定條件。問題的關(guān)鍵就是如何有效地綜合各觀測通道的信息，在增強(qiáng)植被信號的同時(shí)使非植被信號最小化。歸一化植被指數(shù)( 最為常用的一種植被指數(shù)，即 （ （1 1 ） 式中: 別指植被在近紅外波段和紅色波段的光譜反射率 人研究發(fā)現(xiàn)玉米、花生和大豆的 葉綠素含量呈現(xiàn)正相關(guān)。2中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 這樣就可以從遙感衛(wèi)星獲取光譜反射率，估量作物受脅迫引起的色素變化。S 棉花、土豆、大豆、玉米、向日葵) 的光譜特征和生物物理量(H 等) ，運(yùn)用回歸分析方法建立它們之間的關(guān)系，在 350 050 譜范圍的 490個(gè)通道中，計(jì)算 4 個(gè)不同類型的 數(shù)( 寬波段 數(shù)、490 個(gè)窄波段內(nèi)所有可能的兩波段組合的 90 個(gè)窄波段內(nèi)的多元線性回歸、經(jīng)調(diào)整土壤影響的窄波段 。根據(jù)研究結(jié)果，推薦了用于農(nóng)作物研究的 12 個(gè)特別的高光譜窄波段，以及它們的中心波長和波段寬度，比如，第 5 個(gè)波段 (中心波長 668 段寬 4 第 6 個(gè)波段 (中心波長 682 段寬 4 第 7 個(gè)波段( 中心波長 696 段寬 4 別是葉綠素 3 個(gè)吸收峰值的光譜部分。（2 ）紅邊參數(shù)與農(nóng)作物農(nóng)學(xué)參數(shù)。紅邊(現(xiàn)象是由于植被葉綠素在紅光波段強(qiáng)烈的吸收與植物細(xì)胞在近紅外波段強(qiáng)烈的反射造成的。植被紅邊(600曲線含有植被的許多信息，其光譜特征有很強(qiáng)的表現(xiàn)能力。因此可以從紅邊光譜曲線提取特征參量。 人用倒置高斯模型曲線的一半擬合植被紅邊曲線是一個(gè)好方法。該模型曲線的數(shù)學(xué)表達(dá)式為 R（ ） =(og)( （1 2 ） 其中， 為模型曲線拐點(diǎn)波長與 p=0+代表模型曲線拐點(diǎn)波長。其形狀由 個(gè)特征參量確定。 紅邊位置是指光譜反射率增長率最大處所對應(yīng)的波長，由曲線拐點(diǎn)波長確定。紅邊位置和紅邊曲線的特征是植物參數(shù)在可見光區(qū)和近紅外光區(qū)的好的指示器。 . 邊位置是一個(gè)對植物生長變化敏感的紅邊參數(shù)，它與葉片的葉綠素含量有關(guān)。用倒置高斯模型擬合小麥植被紅邊曲線，確定拐點(diǎn)波長，得到了小麥在不同生長時(shí)期的拐點(diǎn)處波長也不相同。不同生長階段的小麥地，小麥光譜的拐點(diǎn)波長明顯地從 713 到 723 用回歸分析方法建立拐點(diǎn)波長與植被的農(nóng)學(xué)參數(shù) 葉綠素含量之間的線性關(guān)系，結(jié)果表明它們之間的相關(guān)性較高。同時(shí)研究發(fā)現(xiàn)拐點(diǎn)波長的位置在隨著農(nóng)學(xué)參數(shù) 的增大而向較長波長處移動(dòng)。 黃木易通過高光譜對冬小麥的條銹病進(jìn)行監(jiān)測，從理論上證明，在冬小麥條銹病發(fā)生的最佳防治時(shí)期( 病葉率5%) 內(nèi)，高光譜遙感可以對條銹病進(jìn)行相應(yīng)診斷。首次提出了冠層水平病情指數(shù)的反演條銹病害脅迫指數(shù)型(利用該模型可以對病情指數(shù)進(jìn)行反演監(jiān)測，正確率在 75% 以上。吳曙雯等通過對 4 個(gè)感染不同等級稻葉瘟的水稻冠層反射光譜進(jìn)行測試，受害輕時(shí)近紅外區(qū)反射率變化幅度大 , 受害重時(shí)綠光區(qū)和紅光區(qū)反射率變化幅度大。利用可見/ 近紅外分光鏡對匍匐翦股穎的褐斑病和一年生牧草的硬幣圓狀斑病進(jìn)行了研究，發(fā)現(xiàn)不同病情的冠層光譜反射率一階導(dǎo)數(shù)在 700 14001930有著明顯的特征?，F(xiàn)在基于成功發(fā)射的極地軌道環(huán)境遙感衛(wèi)星載有的一種對地觀測儀器。從數(shù)據(jù)資源開發(fā)和經(jīng)濟(jì)平衡角度考慮， 為據(jù)實(shí)行全世界免費(fèi)接收的政策，這樣的數(shù)據(jù)接收和使用政策對于目前我國大多數(shù)遙感用戶來說是不可多得的、廉價(jià)并且實(shí)用的數(shù)據(jù)資源，并且圖譜合一” 的光學(xué)遙感儀器。利用前主要從以下兩方面著手：（1 ）改進(jìn)植被指數(shù)的獲取精度。3中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 經(jīng)過一系列處理的品將極大減少噪聲，提高對植被的敏感度。（2 ）利用 演多種農(nóng)學(xué)參數(shù)。目前比較成熟的反演模型有。葉面積指數(shù)（定義了植物冠層的一個(gè)重要結(jié)構(gòu)特性，植物吸收的光合有效輻射比（量度了冠層吸收的400到 700納米光譜范圍的特定的光合有效波長中可利用的輻射部分。對農(nóng)作物病害的遙感監(jiān)測，困難在于識別病害的種類。一種作物發(fā)生病害時(shí)，往往是幾種病害同時(shí)發(fā)生，因此如何從遙感影像和高光譜上進(jìn)行識別，是一個(gè)棘手的問題。而各種病害所帶來的損失及防治方法是有差異的。筆者認(rèn)為這應(yīng)該是今后研究努力的方向。 作物蟲害的監(jiān)測 從目前的研究進(jìn)展來看，對蝗蟲的遙感監(jiān)測取得了很大進(jìn)步。遙感技術(shù)一般是通過 3 種途徑來監(jiān)測害蟲的: (1) 害蟲本身; (2) 害蟲的寄主植物及其所造成的危害; (3) 有利于害蟲種群發(fā)展的環(huán)境。在監(jiān)測森林蟲害中有了一定進(jìn)展。 1978 年美國用人造衛(wèi)星的有關(guān)資料數(shù)據(jù)，測定了樅色卷蛾（危害白云杉和香脂冷杉）吃光樹葉的林區(qū)并繪制成圖。同年緬因州大學(xué)根據(jù)衛(wèi)星遙感信息，做出該州必須噴霧防治樅色卷蛾的區(qū)地圖。對于危害森林、果樹及水稻等作物的舞毒蛾， 1978 年美國于賓夕法尼亞州進(jìn)行連續(xù)的航空攝影，監(jiān)測森林被害情況。 1980 年利用衛(wèi)星多光譜信息，測定舞毒蛾的發(fā)生區(qū)域和被害程度。而對農(nóng)作物蟲害的監(jiān)測，從現(xiàn)在的研究進(jìn)展來看，對蝗蟲的監(jiān)測研究取得了比較好的效果。 下面就以蝗蟲為例來介紹一下?；认x的個(gè)體不大，不可能從遙感影象上直接予以識別，因此從 1970 年代開始的早期監(jiān)測，就是采用這一思路，即通過對蝗蟲生境的監(jiān)測來間接監(jiān)測蝗蟲。生態(tài)學(xué)上的所謂生境（是指生物的個(gè)體、種群或群落所在的具體地段或完成生物過程的空間，生境內(nèi)包括生物所必須的生存條件以及其他的生態(tài)因素。例如用像可對蝗蟲賴以生存的綠色植被及其動(dòng)態(tài)作出有效的監(jiān)測。研究表明，雖然在 1 100 萬 效果并不非常理想。 80 年代后期，遙感植被指數(shù)與蝗蟲的關(guān)系被進(jìn)一步認(rèn)識。例如(1986) 于 80 年代后期，開始進(jìn)行遙感植被指數(shù)與蝗蟲關(guān)系的研究。選用 7 個(gè)時(shí)相的象，研究了 1980 至 1981 年間 出歸一化植被指數(shù)與蝗蟲調(diào)查數(shù)據(jù)、降雨量結(jié)合，進(jìn)一步計(jì)算了沙漠蝗的 “潛在繁殖因子”(結(jié)果表明， 這說明，“ 潛在繁殖因子” 是監(jiān)測沙漠蝗的一種重要指數(shù)，它可用于指導(dǎo)沙漠蝗的實(shí)地防治。進(jìn)入二十世紀(jì)九十年代以后，遙感技術(shù)用于蝗蟲的監(jiān)測有了很大進(jìn)展，這一階段的重要特點(diǎn)就是將遙感與如Vo s s 等(1994) 選用 1988 和 1991 年的六景 室內(nèi)對像進(jìn)行預(yù)判，并對與蝗蟲有關(guān)的自然特征進(jìn)行分析，初步確定沙漠蝗有代表性的生境類型。然后，進(jìn)行野外實(shí)地調(diào)查，并借助位，同時(shí)詳細(xì)收集歷史資料。在此基礎(chǔ)上利用最大似然分類法完成了 像的沙漠蝗生境類型監(jiān)督分類。此外，還利用沙漠蝗生境的有關(guān)參數(shù)進(jìn)行數(shù)據(jù)建庫、分析與制圖，并將其與遙感生境分類圖像進(jìn)行復(fù)合，從而獲得研究區(qū)的“ 沙漠蝗潛在繁殖區(qū)分布圖” 。倪紹祥等對青海湖環(huán)湖地區(qū)也開展了類似的研究。通過對M 圖像的數(shù)字處理，并借助地理信息系統(tǒng)技術(shù)，4中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 在連續(xù)數(shù)年實(shí)地調(diào)查和收集資料的基礎(chǔ)上，對該地區(qū)草地蝗蟲的生境類型進(jìn)行了劃分，并對這些生境類型的草地蝗蟲潛在發(fā)生和成災(zāi)的可能性進(jìn)行了評估。對蝗蟲的監(jiān)測固然重要，但準(zhǔn)確的對其發(fā)生和遷移進(jìn)行預(yù)報(bào)卻有更重要的實(shí)用價(jià)值。在用于沙漠蝗預(yù)測的統(tǒng)方面，迄今較為成熟的一個(gè)系統(tǒng)是聯(lián)合國糧農(nóng)組織(的 。通過該系統(tǒng)，研究人員可以方便的對所預(yù)報(bào)的事件進(jìn)行詢問，對氣象狀況、地面狀況等與蝗蟲分布之間的關(guān)系進(jìn)行計(jì)算，分析兩者之間的時(shí)間偏離程度，從而有利于做出蝗蟲發(fā)生的預(yù)測。此外，澳大利亞近年來已建立了基于“3S” 技術(shù)的決策支持系統(tǒng)（ ，該系統(tǒng)以平臺(tái)，并有專門的蝗蟲監(jiān)測模型，目前已在該國蝗蟲的監(jiān)測中獲得應(yīng)用。目前來看，對農(nóng)作物其他蟲害的遙感監(jiān)測還沒有大的進(jìn)展。主要有以下幾個(gè)方面的原因：（1 ）相對而言，蝗蟲所造成的農(nóng)作物損失比較大，而且分布范圍廣，與水災(zāi)、旱災(zāi)一起構(gòu)成人類的三大自然災(zāi)害。（2 ）蝗蟲的發(fā)生與生境的關(guān)系較為密切，為間接監(jiān)測提供了良好的基礎(chǔ)。因此，今后努力的方向就是在進(jìn)一步做好蝗蟲監(jiān)測的同時(shí)，加強(qiáng)對其他害蟲的監(jiān)測研究。 前存在的問題 感信息處理技術(shù)難以滿足應(yīng)用需要 遙感技術(shù)在信息獲取方面的發(fā)展，主要表現(xiàn)在不斷研制出新型的傳感器。當(dāng)前正在發(fā)展的新一代傳感器有兩方面的發(fā)展趨勢。一是增加更多譜段的遙感數(shù)據(jù)。例如成像光譜儀，它能在較窄的連續(xù)光譜波段內(nèi)同時(shí)獲取圖像，因此十分有利于在對地觀測中提高識別地物反射特征的能力。另一個(gè)趨勢是發(fā)展合成孔徑雷達(dá)（簡稱 重要特點(diǎn)是具有全天候、全日時(shí)、高分辨率等性能，且具有一定的地表穿透能力，它對地質(zhì)探礦及土壤水分、海洋大氣和海水監(jiān)測都有很好的應(yīng)用價(jià)值。所以，隨技術(shù)的發(fā)展，我們對遙感信息的來源是不用擔(dān)心的。但問題是，通過遙感傳感器獲得的地表影像和其他觀測數(shù)據(jù)，需要進(jìn)一步處理方可應(yīng)用于各類地表研究。雖然現(xiàn)在已經(jīng)發(fā)展了遙感數(shù)字圖像處理與信息提取技術(shù)，但由于地球表面結(jié)構(gòu)的極其復(fù)雜性，而研究者對信息提取的要求越來越高，希望能通過圖像處理，來得到許多“不可見”的底層信息，如地表溫度，土壤水分等，單純利用這些技術(shù)和方法還是很難達(dá)到預(yù)期效果。 就目前對農(nóng)作物病害的研究而言，大都是進(jìn)行控制性試驗(yàn)，誘導(dǎo)作物發(fā)生病害后，進(jìn)行實(shí)地或者室內(nèi)的各種測量，然后對測量數(shù)據(jù)進(jìn)行分析，得出相應(yīng)的結(jié)論。但在實(shí)際的生產(chǎn)中，作物發(fā)生病蟲害時(shí)，往往不是一種，而是幾種同時(shí)發(fā)生，這樣要在遙感影像上進(jìn)行區(qū)分，進(jìn)一步的進(jìn)行分類就會(huì)有很大的困難。另一方面，也存在“異物同譜”和“同物異譜”的難題。黃木易等通過試驗(yàn)表明，很難把不同的真菌病害通過高光譜監(jiān)測區(qū)分開來。就目前而言，還沒有研究能達(dá)到從遙感影像上區(qū)分作物不同的病害。對于蟲害而言，由于害蟲的個(gè)體往往較小，在遙感影像上難于識別，所以目前都采取間接監(jiān)測的方法，與實(shí)際的發(fā)生狀況有一定差異。只有在提高分辨率的基礎(chǔ)上，通過識別技術(shù)研究，提高圖象識別的智能化水平，才有可能進(jìn)行大面積的病蟲害監(jiān)測及預(yù)警。5中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 境因子的反演精度不高 因?yàn)閷οx害的監(jiān)測是間接監(jiān)測，因此通過遙感影像反演生境因子的精度對監(jiān)測結(jié)果有著十分重要的影響。從目前的研究進(jìn)展看，已經(jīng)建立了一些地面溫度、土壤水分等生境因子的反演模型，但反演精度都有待進(jìn)一步提高。最好能夠通過研究，建立起一套標(biāo)準(zhǔn)的反演體系，達(dá)到計(jì)算機(jī)能夠自動(dòng)識別處理的水平，劃分出不同的生境模型，為蟲害的預(yù)警提供良好的支持。提高反演精度，并不意味著就能進(jìn)行監(jiān)測了。由于是間接監(jiān)測，所以就要處理好遙感影像特征、害蟲生境因子與害蟲發(fā)生繁殖之間的關(guān)系。但一般來說，這種關(guān)系比較復(fù)雜，而且因地而異，并不存在一個(gè)固定模式。例如，據(jù)研究，北非地區(qū)沙漠蝗的發(fā)生密度與降雨 量的多少呈正相關(guān)關(guān)系；但加拿大艾伯塔省的草地蝗蟲則恰恰相反，在降雨量超過平均值的地區(qū)草地蝗蟲的密度趨于降低，這種情況與我們研究的我國環(huán)青海湖地區(qū)的情況相類似。 蟲害發(fā)生等級與遙感影像之間的關(guān)系尚不明確 從目前的研究進(jìn)展看，還沒有建立起作物病蟲害發(fā)生等級與相應(yīng)遙感影像之間的關(guān)系。但這作為監(jiān)測來說很重要。病蟲害是一個(gè)相對的概念，只有當(dāng)病蟲害危害的經(jīng)濟(jì)損失超過了防治所花費(fèi)的費(fèi)用，才能認(rèn)為發(fā)生了病蟲害，因此有必要針對不同的病蟲害，建立一個(gè)合理的經(jīng)濟(jì)閾值，將其在遙感影像的特征提取出來，建立起病蟲害的預(yù)警機(jī)制，從而達(dá)到監(jiān)測的目的。再就是可以通過歷史數(shù)據(jù)，結(jié)合病蟲害所造成的經(jīng)濟(jì)損失建立起各種病蟲害的災(zāi)害等級，再與同期的遙感影像結(jié)合起來，針對不同的等級，在遙感影像上建立起相應(yīng)的識別特征，為災(zāi)害評估打好基礎(chǔ)。 展趨勢 雖然遙感技術(shù)有著前述的若干優(yōu)點(diǎn)，但僅依靠遙感技術(shù)難以很好的完成對農(nóng)作物病蟲害的監(jiān)測。因?yàn)楸O(jiān)測的目的是為了預(yù)警，這就需要在遙感的基礎(chǔ)上結(jié)合地理信息系統(tǒng)和全球定位系統(tǒng)，對病