遙感技術(shù)具有宏觀性、實時性和動態(tài)性的特點，通過多源遙感技術(shù)開展實時監(jiān)測，了解農(nóng)作物的分布、生長以及病蟲動態(tài)，不僅可以為作物生產(chǎn)管理者提供及時準確的數(shù)據(jù)信息，還可以有效控制病蟲害現(xiàn)象的發(fā)生。本文基于多源遙感技術(shù)采用光譜信息散度法和混合調(diào)諧濾波算法對薊州區(qū)小麥粉病發(fā)生情況進行提取和檢測，并對比了2種方法提取結(jié)果的差異，以期為促進多源遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用提供參考。

作物生長受到許多因素的影響，例如光合作用、氣溫條件、土壤成分、肥料使用情況以及病蟲害侵襲等，作物生長不但是多種因素綜合作用的結(jié)果，而且是一種復(fù)雜的生態(tài)變化過程。農(nóng)作物長勢信息不僅反映了作物生長現(xiàn)狀，也是農(nóng)情信息收集研究的主要來源之一。

實時無損監(jiān)測作物生長和生產(chǎn)力準確預(yù)測有利于提高傳統(tǒng)作物種植技術(shù)水平和苗木管理，同時也為農(nóng)業(yè)貿(mào)易和決策提供依據(jù)，可以有效提高糧食安全，促進農(nóng)業(yè)可持續(xù)發(fā)展。目前，由于不同區(qū)域存在不同的地形地貌特征以及氣候條件，該研究領(lǐng)域有很多方法來提取和檢測農(nóng)作物生長情況，單一的檢測方法并不適用。

因此，有必要根據(jù)不同地區(qū)和不同作物的生長發(fā)育特點進行更為詳細的參數(shù)化和定位化，其中，多源遙感技術(shù)正是解決該問題的有效方案之一?，F(xiàn)階段，越來越多的地區(qū)開始利用遙感數(shù)據(jù)動態(tài)監(jiān)測技術(shù)來檢測農(nóng)作物生長情況。

薊州區(qū)（東經(jīng)117°5′～117°47′，北緯39°45′～40°15′）位于天津市北部，總面積達1 593 km2，地勢呈現(xiàn)北高南低的階梯狀態(tài)分布。薊州區(qū)屬于大陸性季風(fēng)氣候區(qū)，四季分明，雨熱同期，良好的氣候條件和水文條件造就了薊州區(qū)重要的糧食生產(chǎn)地位，使其成為天津市主要糧食產(chǎn)區(qū)之一?；诖?，本文深入開展多源遙感技術(shù)試驗設(shè)計，選取案例地區(qū)開展監(jiān)測研究，在構(gòu)建多源遙感技術(shù)的小麥生長提取監(jiān)測模型的基礎(chǔ)上，對其提取結(jié)果進行分析和討論，希望該研究可以為精準農(nóng)業(yè)實施提供重要的技術(shù)支撐，進而推動農(nóng)業(yè)的快速高效發(fā)展。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

對薊州區(qū)2018年3月至2019年2月農(nóng)作物生長季各獲取了高空間分辨率的遙感影像，同時各獲得景影像，并在此基礎(chǔ)上獲取多光譜遙感影像。

1.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理需要對研究案例地區(qū)的各景影像進行輻射定標、幾何校正、大氣校正。本文首先對數(shù)據(jù)進行幾何校正和大氣校正，為了減少云活動對圖像產(chǎn)生影響，該處理對其進行了星云去除方案，其中包括云和云陰影的去除。在此基礎(chǔ)上，根據(jù)研究區(qū)土地類型特征和作物種植特點采用多源遙感技術(shù)對其提取和檢測。主要試驗方案分為以下幾個步驟：

第一步，將植被區(qū)和非植被區(qū)進行區(qū)分

第二步，提取研究區(qū)內(nèi)小麥種植面積

第三步，對小麥種植區(qū)進行提取。采用多時相HJ-CCD數(shù)據(jù)進行區(qū)域提取，表1為薊州區(qū)地區(qū)主要農(nóng)作物物候期。

本節(jié)分別采用光譜信息散度與混合調(diào)諧濾波算法對薊州區(qū)研究區(qū)進行病害信息的提取。以T4時期包含50個實際調(diào)查樣點的樣本進行模型訓(xùn)練，以另外30個調(diào)查樣點的樣本進行模型驗證。

光譜信息散度法的原理是根據(jù)2個像元間的相關(guān)性把待分類像元歸入相關(guān)性算法中，假設(shè)x和y為多維向量，可計算出其光譜信息散度的統(tǒng)計量公式如下所示：

 運用以上算法將樣本根據(jù)待分類像元與三類樣本的SID距離對其相關(guān)性程度進行判斷，將像元劃入與其相似度最高的類型，并最終生成分類結(jié)果圖?；旌险{(diào)諧濾波算法屬于混合像元分解算法的分支，該算法分為MF值和INF值2種輸出結(jié)果，以下為MF值具體公式：

 式中，μt為圖像目標方差，μb為圖像背景方差，∑b為背景圖像的協(xié)方差矩陣。MTMF算法與MF算法的不同之處是其中添加了INF指標。該指標的具體含義為評價MF值算法的可信程度。

2 結(jié)果與分析

2.1 光譜信息散度法提取結(jié)果

用光譜信息散度法建立模型，薊州區(qū)內(nèi)小麥粉病的病情監(jiān)測總體情況如下：通過衛(wèi)星遙感技術(shù)得知，薊州區(qū)東南地區(qū)為主要發(fā)病區(qū)，北部地區(qū)受到病害侵染程度較小；根據(jù)調(diào)查結(jié)果可知，調(diào)查樣點感染粉病低于北緯40°。由此可見，提取結(jié)果與調(diào)查結(jié)果大體相同。

2.2 混合調(diào)諧濾波算法提取結(jié)果

采用混合調(diào)諧濾波算法建立模型，薊州區(qū)內(nèi)小麥粉病的病情監(jiān)測總體情況如下：通過衛(wèi)星遙感技術(shù)得知，薊州區(qū)東南地區(qū)為小麥粉病主要發(fā)病區(qū)，但是該算法得出的染病面積較光譜信息散度法提取的染病面積少。

2.3 提取結(jié)果對比

基于光譜信息散度法構(gòu)建的檢測模型發(fā)病面積比為15%～20%，而MTMF方法在MF值的基礎(chǔ)之上，通過INF值對結(jié)果的可信度進行約束使發(fā)病面積有所減少。綜合比較來看，光譜信息散度提取法的優(yōu)勢在于對于植被變化的敏感性比較強，混合調(diào)諧濾波提取方法的優(yōu)勢在于可以在一定程度上減少錯誤識別染病樣點情況的發(fā)生，但是2種方法均存在一定的不足，需要不斷地完善和改進。從以上分析結(jié)果可以得知，在本文中使用的病害監(jiān)測模型構(gòu)建的方法在病情分類方面尚未達到滿意的精度，仍然需要進一步的研究。

3 結(jié)論

多源遙感技術(shù)對于預(yù)測農(nóng)林作物的當(dāng)季產(chǎn)量、儲備產(chǎn)量、價格走勢等具有極高的現(xiàn)實應(yīng)用價值，是規(guī)劃農(nóng)林作物的種植規(guī)模和產(chǎn)業(yè)發(fā)展過程中極其重要的基礎(chǔ)數(shù)據(jù)。當(dāng)前，農(nóng)林作物種植面積監(jiān)測的主要手段是衛(wèi)星遙感數(shù)據(jù)監(jiān)測和逐級統(tǒng)計。衛(wèi)星遙感監(jiān)測因其速度快、頻率高、成本低、準確率高等特點，越來越普遍用于農(nóng)業(yè)產(chǎn)業(yè)的產(chǎn)業(yè)分析和規(guī)劃指導(dǎo)中。本文基于多源遙感技術(shù)對薊州區(qū)農(nóng)作物生長情況進行了提取和檢測，得出了目前薊州區(qū)東南地區(qū)農(nóng)作物病蟲害發(fā)生情況。應(yīng)當(dāng)對農(nóng)作物病蟲害的高發(fā)地區(qū)進行更為嚴格細致的管控，從而更好地促進農(nóng)作物的健康生長。

綜上所述，目前許多衛(wèi)星遙感監(jiān)測方法僅僅對衛(wèi)星遙感數(shù)據(jù)進行分析，而對氣象研究等數(shù)據(jù)應(yīng)用比較少。下一步的工作是將遙感數(shù)據(jù)、氣象數(shù)據(jù)以及其他相關(guān)數(shù)據(jù)充分結(jié)合，以提高對作物氣候變化的有效監(jiān)測。

聲明：本文所用圖片、文字來源《現(xiàn)代農(nóng)業(yè)科技》，版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)等問題，請與本網(wǎng)聯(lián)系刪除

相關(guān)鏈接：光譜，提取，肥料