农业机械学报

作者：郭伟,朱耀辉,王慧芳,张娟,董萍,乔红波

单位：河南农业大学,河南农业大学,北京市气象局,河南农业大学,河南农业大学,河南农业大学,

关键词：冬小麦;全蚀病;无人机;遥感;高光谱;光谱指数

基金：国家自然科学基金项目(41501481)、河南省科技攻关项目(172102110055、172102110054)、河南省自然科学基金项目(182300410084)和河南农业大学科技创新基金项目(KJCX2015A12)

冬小麦全蚀病是导致小麦大幅减产甚至绝收的土传检疫性病害。快速、无损地监测冬小麦全蚀病空间分布对其防治具有重要意义。以无人机搭载成像高光谱仪为遥感平台，利用成像高光谱影像结合地面病害调查数据，在田块尺度对冬小麦全蚀病病情指数分布进行空间填图。利用地物光谱仪（ASD）同步获取的高光谱数据评价UHD185光谱数据质量，综合运用统计分析以及遥感反演填图技术，计算光谱指数 (Difference spectral index, DSI)、比值光谱指数 (Ratio spectral index, RSI) 及归一化差值光谱指数 (Normalized difference spectral index, NDSI) 与病情指数（DI）构建决定系数等势图，筛选最优光谱指数与DI构建线性回归模型，并利用3个光谱指数构建偏最小二乘回归预测模型，以对比模型预测精度与稳健性。最后用独立数据对模型进行检验。结果表明，冬小麦冠层的ASD光谱数据与UHD185光谱数据相关性显著，决定系数R2达0.97以上，3类光谱指数与DI构建偏最小二乘回归模型，得到模型验证结果R2=0.6292,RMSE=10.2%,MAE=16.6%），其中DSI(R818,R534)对模型贡献度最高，利用DSI(R818,R534)与DI构建线性回归模型为?y=-6.4901x+1.4613 (R2=0.8605, RMSE=7.3%, MAE=19.1%)，且通过独立样本的模型验证精度（R2=0.76，RMSE=14.9%，MAE=11.7%，n=20）。最后使用该模型对冬小麦进行病情指数反演，制作了冬小麦全蚀病病害空间分布图，本研究结果为无人机高光谱遥感在冬小麦全蚀病的精准监测方面提供了技术支撑，并对未来卫星遥感探索冬小麦全蚀病大面积监测提供了理论基础。

来源：2019年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第9期