甘蔗是我國重要的糖料作物，主要種植在華南地區，廣西種植面積占全國 60% 以上，是我國重要的甘蔗種植基地。甘蔗是一種多年生作物，并利用蔗莖進行無性繁殖，所以由于我國甘蔗產區長期連作種植，輪作區域較少，這就致使甘蔗病蟲害日積月累，不斷加重其危害程度。再加上甘蔗在春、夏、秋、冬四季均能種植，這就為病蟲害的快速傳播創造了有利的條件。所以，我國的甘蔗病害具有以下特點：（1）病害生理小種復雜；（2）病蟲害世代重疊；（3）病蟲害危害嚴重。一方面，據有關部門調查顯示，黑穗病及花葉病在我國主要產蔗區的發病率在25%以上，大片蔗田因地下害蟲的危害而不能宿根。由于甘蔗病蟲害對甘蔗產量、甘蔗宿根年限及甘蔗的品質均有極為嚴重的影響，因此，甘蔗病蟲害己經成為制約我國蔗糖產業快速健康發展的主要因素，嚴重地限制了蔗糖優勢產業的發展。另一方面，農民為防治病蟲害而大量使用化學農藥導致甘蔗病蟲的天敵大量死亡，打破了自然界昆蟲間相互制約的平衡關系，并致使危害甘蔗的害蟲產生了抗藥性，使得甘蔗害蟲的防治工作更加困難、被動。更使得甘蔗生長環境及人類健康因化學農藥的殘留而受到污染、危害。因此，如何有效地預防甘蔗病蟲害，提高甘蔗病蟲害防治水平，確保甘蔗產業的快速健康發展已成為當今植保工作者的首要任務。
圖1 發病的甘蔗葉
遙感技術以其方便、快捷、實時性、周期性等優點，越來越廣泛應用于農業生產各個環節當中，并逐漸成為農業遙感應用的重要前沿技術手段之一。高光譜遙感又稱成像遙感，主要是指在電磁波譜的紫外、可見光、近紅外和中紅外區域獲取許多非常窄且光譜連續的圖像數據技術，高光譜遙感技術的出現也使得采用遙感技術監測農作物病蟲害成為可能；高光譜遙感技術能準確獲得作物病蟲害發生、發展的定性和定量空間分布信息，為農業生產決策者在病蟲害未對農作物造成嚴重危害時采取一定的預防措施提供數據支撐。也為農業生產管理部門政策實施提供科學支持。
1 高光譜監測病蟲害原理
植物的光譜特性是植物在生長過程中與環境因子(包括生物因子和非生物因子)相互作用的綜合光譜信息。病蟲害對農作物生長造成的影響主要有兩種表現形式，即農作物外部形態的變化和內部生理變化。外部形態變化包括有落葉、卷葉，葉片幼芽被吞噬，枝條枯萎，導致冠層形狀發生變化。內部生理變化則表現于葉綠素組織遭受破壞，光合作用，養分水分吸收、運輸、轉化等機能衰退。無論是形態的(生物物理參數)或生理的（生物化學參數)變化，都必然導致作物光譜特征發生變化，特別是紅色區和近紅外區光譜特征的變化。受害作物的光譜特性與健康作物的光譜特性相比，某些特征波長的值總會發生不同程度的變化。高光譜分辨率高，并具有波段多、信息量豐富的特點其數據是3維圖譜形式——空間信息、輻射信息和光譜維信息，其中光譜維的信息正是普通光學遙感所欠缺的。采用高光譜技術進行農業病蟲害監測主要是利用其光譜維的相關信息對感染病蟲害的農作物進行分析研究。農作物光譜維方向的特征信息主要集中在作物葉片中生物化學成分的變化而形成的吸收波形處，通過對采集的作物光譜數據進行相關的處理分析，可以反映出作物內部物質的吸收波形變化，即作物的各種生化組分的吸收光譜信息。因此通過監測受害作物各種生物物理和生物化學參數變化(特別是植物生化組分的變化)，研究和利用受害作物生物物理和生物化學參數的變化引起的相應的光譜特性變異信息，可以探測到病蟲害的早期危害，定量地分析病蟲害的危害程度，為大規模監測農作物病蟲害發生情況及發展動向提供及時、可靠的依據。
2 高光譜監測甘蔗等農作物病蟲害研究狀況
高光譜遙感技術是目前上監測農作物受病蟲危害光譜特性變化先進的手段之一。研究作物受病蟲危害后的光譜變化，尋找病蟲危害程度與原始光譜、植被指數、導數光譜、生化指標（如氮素、葉綠素、LAI、生物量、覆蓋度等）等變化之間的關系，確定不同作物和病蟲害監測的敏感波段和敏感時期，是目前高光譜遙感用于農作物病蟲害監測的研究熱點和關鍵。
2.1 原始光譜反射率分析技術
它是一種直接、簡單和快速的分析技術:它從傳感器直接獲得的數據人手，分析其轉化后的光譜反射率特征，獲取植被信息，具有普適性。如劉興庫等發現接種馬鈴薯奧古巴花葉病毒煙草早期的葉片在可見光部分與對照組無明顯試別，但在近紅外差別明顯。黃木易等對冬小麥條銹病光譜反射率特征進行深人研究后提出了冬小麥條銹病遙感監測的敏感波段。MOKHELE等對甘蔗葉片進行不同程度的接種病害，研究發現不同程度的病害甘蔗葉片光譜差異顯著（如圖2所示）。然而他們的研究都較多地考慮了作物病害的光譜特性，而較少地考慮病害導致作物體內生理生化的變化，因此只能定性的分析其光譜特征。在今后的研究中若能將其光譜特征與不同發病程度及生理生化指標建立對應關系的話，可望實現病害的半量化或量化監測。
圖2 不同病害程度的甘蔗葉片光譜反射率曲線
2.2 光譜微分、對數分析技術
一階導數可以部分消除線性和二次型背景噪聲光譜二階導數光譜可以*消除線性噪聲光譜影響，能基本消除二次型背景噪聲光譜對數變換一般是對原始光譜反射率直接求對數、或求倒數的對數，原始光譜經倒數的對數變換可以反映作物的吸收特征，稱為偽吸收數。由于在可見光區域一般植被原始光譜反射率值較低，經對數變換之后，不僅可以增強可見光區域的光譜差異，而且還能減少因光照條件變化引起的乘性因素影響。通常情況下，對數變換可以和導數變化一起使用，可以同時達到增強某些特定的光譜信息而消除背景噪聲光譜的作用
黃敬峰等對健康水稻和受病蟲害脅迫的水稻進行一階導數光譜和二階導數光譜分析研究，以期獲得不同數據形式的光譜敏感區域和敏感波段。研究表明，藍光450-515 nm、綠光550-590 nm、紅光650-690 nm和近紅外725-790 nm一階導數光譜對病蟲害脅迫敏感，其中以750 nm為中心的近紅外區域一屆倒數光譜變異zui大;對于二階導數而言，在530 , 550 , 670 , 730 nm等4個吸收特征區域內，CRSSDR在各個區域內的變異較小，受害水稻葉片原始光譜二階導數的光譜在710-750 nm極小值遠小于健康葉片。
喬紅波等利用光譜微分技術，對受麥蚜、白粉病危害的小麥反射率求一階導數，得到紅邊斜率，結果表明:麥蚜、白粉危害后小麥冠層的紅邊斜率在近紅外波段650-780 nm發生劇烈變化;采用一階微分、對數數據變換方法對感染白粉病、條銹病人工接種誘發和麥長管蚜自然危害條件下的冬小麥進行了光譜研究識別，通過對比分析表明采用對數一微分變換處理比其他方法能較好地識別冬小麥病蟲害情況
導數變換及對數變換能較好地消除土壤低頻背景噪聲對光譜特征信息的影響，提高應用高光譜技術實施農作物病蟲害監測的精度。但研究中較少有針對同一作物不同病害的文獻，而且在分析農作物光譜特征是較少考慮病蟲害對作物體內生理變化的影響。如果能夠建立感染病蟲害的農作物與其對應生理參數的模型，將會更有助于高光譜遙感技術應用于農作物病蟲害研究中的定量化發展。
.jpg)
圖3 病害葉、缺氮葉以及正常葉的一階導數光譜
2.3 基于光譜位置和面積的特征參數
在導數變換的基礎上，可以提取基于光譜位置和面積的特征參數，其中基于光譜位置的參數主要包括“紅邊”、 “藍邊”、“黃邊”稱為“三邊”)是指在一定光譜區域內zui大一階導數值所在波長位置以及相應的“邊”位置，區域內所有波段的一階導數值的綜合即為相應的面積。
黃木易等采用紅邊參量分析了小麥條銹病的冠層光譜特征，并對各模型進行均方根誤差檢驗，研究結果表明：紅邊參量的小振幅、紅邊振幅與小振幅比值模型的決定系數達0.8以上，與冬小麥條銹病病情指數有較好的關系，可采用這些光譜參數建立相應的模型來對冬小麥條銹病進行，通過研究發現條銹病冬小麥發生了紅邊藍移現象，550-750 nm處的特征吸收峰的深度、面積與單葉嚴重度呈顯著負相關。蔣金豹等在對感染條銹病的冬小麥不同生育時期的冠層光譜集病情指數DI進行測定，采用“紅邊”和“綠邊”微分總和的比值作為變量建立相應的線性模型對DI精度進行了估測，研究結果表明模型估測精度很高，而且小麥品種的區別對模型精度影響不大。陳鵬程等采用紅邊參數研究了土耳其葉螨Tetranychus turkestani對棉葉的危害程度，研究表明受葉螨危害的棉花其單葉光譜特征會呈現較為明顯的“紅邊藍移”現象，這也表明感染野葉蟲害的棉花葉片光譜特征能夠用紅邊較好反映出來。
基于光譜位置和面積的特征參數方法主要是通過野外采集的感染病蟲害農作物光譜曲線進行分析研究，為應用高光譜技術進行農作物病蟲害監測做出了不可磨滅的貢獻，但是該方法不能對感染病蟲害的農作物的全部波段信息進行分析研究，在對病蟲害進行快速識別的過程中可能會導致“同譜異物”等情況的發生。
.jpg)
圖4 正常玉米和病害玉米不同生育期紅邊位置
2.4 植被指數分析技術
植被指數是一類具有一定生化意義的不同波段光譜值的組合，通常有比值植被指數、線性組合植被指數、修正植被指數、差值植被指數等。不同波段組合的植被指數對于不同指標預測效果不同。在農業上，基于光譜技術檢測作物生理指數的波段范圍一般在400～2 500 nm之間，涉及到色素（葉綠素、類胡蘿卜素等）、氮、水分等吸收和葉片細胞的內部結構。在400-740 nm 可見光波段，葉綠素在480、650、670-680、740 nm 處有吸收峰，類胡蘿卜素在 420、425、440、450、470、480 nm均有吸收峰，葉黃素在 425、445、475 nm 有吸收峰。而在 740-1 300 nm 近紅外波段由于健康的葉肉細胞反射作用，其反射率急劇升高；作物水分的吸收峰主要集中在970、1 450、1 944 nm 處。因此當作物受到脅迫作用時，相應的氮、色素、酶等發生變化，通過應用各種植被指數監測這些生理指標變化，可判斷作物脅迫情況、生長狀況以及產量情況。
Mirik等為了對小麥蚜蟲蟲害進行定量監測，采用野外采集的高光譜數據分別對野外及溫室內采集的光譜數據進行(R740-R88)/(R691-R698)及(R750-R940-R560-R600）/(R750-R940）+(R560-R600）光譜指數進行計算，并以0.25 m2范圍內的光譜指數數據為準計算了3個不同研究區域的蚜蟲感染數量。黃木易等查找相關文獻進行比對等研究了冬小麥條銹病光譜，利用相關性的666nm和相關性弱的758nm波段組合設計了SAI（spectral angle index），并在此基礎上建立條銹病脅迫指數SRSI (stripe rust stressed index)反演冬小麥條銹病的發生情況。吳彤等采用地面高光譜數據對河北省黃驊市受蝗蟲危害的蘆葦進行了反射光譜及光譜特征差異研究，并建立了基于高光譜特征參數與蘆葦葉面積指數LSI的關系模型，結果表明該模型能較好反映出研究區域蘆葦受蝗蟲危害的程度。
從以上研究中可以看出，目前為止，針對農作物病蟲害監測已經構建了較多的病蟲害監測植被指數；盡管有學者已經建立了簡單的反演模型，但該模型也僅僅是針對某一病害對作物影響建立的。如果作物同時受到多種病蟲害的感染，不但受到季節環境等因素的限制，其模型的反演將會變得更為復雜。
.jpg)
圖5 農作物病害脅迫指數圖（顏色越黃發病越嚴重，越綠發病越輕）
2.6 生化指標分析技術
農作物生化指標通常指農作物的生理生化指標，如氮素、葉綠素、蛋白質、葉面積指數、覆蓋度、葉干重、生物量等。作物病蟲害遙感監測主要在單葉與冠層兩個層面上展開。對單葉，病蟲危害導致葉片細胞結構、色素、水分、氮素含量及外部形狀等發生變化，從而引起光譜的變化。對冠層，病蟲危害引起葉面積、生物量、覆蓋度等的變化，可見到熱紅外波譜反射光譜與正常作物有明顯差異。在大尺度上，病蟲危害作物時，高光譜掃描記錄上會引起灰度值的差異，從而在空間相、光譜相和時間相上有明顯的差異。因此，監測農作物的生化指標，在一定程度上可以反映作物的病蟲害嚴重程度或發病情況。
.jpg)
圖6 健康、輕度病害、嚴重病害甘蔗氮素和葉綠素分布圖
3 高光譜農作物病蟲害監測存在的問題
遙感技術是在非接觸的情況下來探測地物信息的一種手段。遙感器所接受的電磁波信息是地面目標視場范圍內的綜合信息，在航空遙感上，還存在著大氣、太陽高度角等因子的影響。所以在利用遙感技術監測農作物病蟲害中存在以下主要問題：
3.1 “同譜異物”和“異譜同物”現象
許多病蟲害及非病蟲害脅迫同一作物時產生的癥狀非常相似，它們的光譜潛也可能相似；某些病蟲害危害同一作物能產生幾種癥狀，它們的光譜可能不同。利用多元遙感數據對上述現象進行研究，有利于提高其監測的準確性。
3.2 病情指標監測預報模型適用性差
由于在外觀表現病情癥狀之前，病害在植株體內的生化組分等已經發生一定的變化，等到表現病狀后，農作物已經受到了損害，所以要盡可能地提高病情指標監測預報模型的適用性和機理性，在病害*防治期內進行監測預報，有助于及時防治，將產量損失減少到低限度。
3.3 多重研究，少于應用
由于影響病情光譜信息的因素很多，如農作物的品種、栽培方法、氣候環境等，多數遙感監測的結果往往針對一個具體病蟲害問題，沒有涉及作物生產過程的其他問題，也就無法在農業生產管理中具體實踐應用。如何在不影響監測要求的情況下擴大其適用范圍，也是必須研究的間題。
4 遙感監測農作物病蟲害的展望
4.1 綜合運用多源遙感信息數據
航空、航天遙感數據獲取技術趨向三多（多平臺、多傳感器、多角度）和三高（高空間、高光譜和高時相分辨率），使遙感影像用于農作物病蟲害監測更加可靠和。在利用遙感技術進行病蟲害監測研究中，在利用中低空間分辨率遙感數據對作物病蟲情特征進行監測的同時，可考慮綜合應用高空間、高光譜和高時相分辨率遙感數據。同時開展更為詳細的地面調查，改進遙感數據處理方法，才有可能實現對病蟲害進行高精度、動態監測的目的。
4.2 改進農作物病蟲害遙感監測預報模型
遙感監測技術的發展已日趨究善。有很多已運用在農作物長勢監測與估產中。由于作物病蟲害發生的生理生態過程及其與環境因素的關系較為復雜，作物病蟲害遙感監測方法仍在摸索或探索之中。綜合區域農作物的品種、栽培方法、氣候環境等因素對作物病蟲害發生的影響、特點，建立多元化的作物病蟲害光譜特征數據庫，改進作物病蟲害遙感監測模型或算法，增強預測預報模型的普適性和機理性，以提高作物病蟲害遙感監測方法的適用性和目的性。
4.3建立基于遙感監測的農作物病蟲害綜合防治信息平臺
隨著信息技術的迅速發展，遙感與GPS、GIS等信息技術的融合已經較好地展現其應用潛力。在今后的研究中，應考慮將3S技術、數據庫技術、組件化技術、病蟲害監測技術等多項信息技術綜臺應用，并集成作物生產與植保專家知識庫，構建面向農業植保部門、管理和保險企業賠付等可應用的作物病蟲害監測預報計算機系統，強化研究成果的實用性，有利于提升農業防災減災的信息化監測與應對能力。
© 2019 版權所有：江蘇雙利合譜科技有限公司 備案號：蘇ICP備2021046114號-3 技術支持：化工儀器網 GoogleSitemap 管理登陸
在線客服