CN103076435A - 大田冬小麦白粉病遥感快速监测方法 - Google Patents
大田冬小麦白粉病遥感快速监测方法 Download PDFInfo
- Publication number
- CN103076435A CN103076435A CN2013100351963A CN201310035196A CN103076435A CN 103076435 A CN103076435 A CN 103076435A CN 2013100351963 A CN2013100351963 A CN 2013100351963A CN 201310035196 A CN201310035196 A CN 201310035196A CN 103076435 A CN103076435 A CN 103076435A
- Authority
- CN
- China
- Prior art keywords
- winter wheat
- powdery mildew
- wheat powdery
- remote sensing
- land
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种大田冬小麦白粉病遥感快速监测方法,属于农作物生长监测技术领域。针对传统的大田冬小麦白粉病监测方法存在人力和时间花费大、监测范围和样本量有限、测报信息滞后的问题,提出了一种大田冬小麦白粉病遥感快速监测方法,它是利用遥感植被指数、冬小麦植株叶片叶绿素含量、叶片水分含量和麦田日均气温四类信息进行大田冬小麦白粉病发生情况的监测方法。其优点是由于它综合了卫星遥感数据、冬小麦长势信息和气候因素进行大田冬小麦白粉病监测,从而可大范围、及时、准确、相对成本较低的监测大面积冬小麦白粉病发生情况;制作的冬小麦白粉病遥感监测信息图,信息量大、直观、便于理解和使用,对于基层农业管理措施制定参考性强。
Description
技术领域
本发明涉及一种冬小麦病害监测方法,具体是一种大田冬小麦白粉病遥感快速监测方法,属于农作物生长监测技术领域。
背景技术
白粉病是我国冬小麦的重要病害之一,在气温适宜,相对湿度大于70%,长势稠密条件下,常常造成病害发生,病害可入侵冬小麦植株地上部各器官,尤以叶片和叶鞘危害为主,有时颖壳和麦芒也会受到危害,属于跨区域气候性病害,具有发病率高、发生范围广、流行性强的特点。如果没有及时监测和防治,一旦爆发,往往会造成冬小麦大面积减产,严重时甚至绝产,造成无法挽回的经济损失,因此,对大面积冬小麦白粉病的及时监测一直是学术界研究的重点和难点。
长期以来,传统的对麦田实地取样调查一直是冬小麦白粉病识别和监测的主要手段,虽已在冬小麦病害测报和防治方面发挥了重要的作用,但对于大面积冬小麦白粉病发生而言,这种传统的测报方法不仅需花费大量的人力和时间,取样的范围和样本量也较为有限,很难及时获得大范围的病情数据资料,且测报信息较为滞后,在很大程度上影响了监测的精确度和防治措施的准确实施。所以,迫切需要大范围、及时、准确、相对成本较低的遥感监测技术来解决大面积冬小麦白粉病的快速监测问题。
发明内容
本发明提供了一种大田冬小麦白粉病遥感快速监测方法,该方法可以大范围、及时、准确、相对成本较低的监测大田冬小麦白粉病的发生情况。
解决其技术问题所采用的技术方案是:一种大田冬小麦白粉病遥感快速监测方法,它是综合利用遥感植被指数、冬小麦植株叶片叶绿素含量、叶片水分含量和麦田日均气温4类信息进行大田冬小麦白粉病发生情况的监测方法,主要算法为,PID=a×NDVI+b×Tem+c×LCHC+d×LWC+e。其中,PID为冬小麦白粉病病情指数,NDVI为遥感植被指数,Tem为麦田日均气温,LCHC为冬小麦植株叶片叶绿素含量,LWC为冬小麦植株叶片水分含量,a、b、c、d和e均为算法系数。
遥感植被指数NDVI,是卫星遥感影像的近红外波段反射率和红光反射率之差与近红外波段反射率和红光反射率之和的比值,取值范围0.26~0.80。本发明使用的卫星遥感数据均为价格较低、可共享的卫星遥感数据,包括环境星数据、TM遥感数据和北京星1号数据。
麦田日均气温Tem的计算单位为℃,是遥感卫星过境前5天(包括遥感卫星过境当天)的麦田日平均气温的平均值,取值范围12℃~26℃。
冬小麦植株叶片叶绿素含量LCHC的计算单位为%,通过地面监测样点测量获取。与过境卫星影像同步,在县级区域布设10个地面监测点,每个地面监测点需定位于冬小麦连片种植面积大于10000平方米的中心位置,每个地面监测点之间距离在3公里左右。10个地面监测点冬小麦植株全绿叶片叶绿素含量的平均值就是模型算法中的冬小麦植株叶片叶绿素含量LCHC值,取值范围20%~50%。
冬小麦植株叶片水分含量LWC是对土壤水分与大气湿度的综合表征,其计算单位为%,通过地面监测样点测量获取。与过境卫星影像同步,在县级区域布设10个地面监测点,每个地面监测点需定位于冬小麦连片种植面积大于10000平方米的中心位置,每个地面监测点之间距离在3公里左右。10个地面监测点冬小麦植株全绿叶片水分含量的平均值就是模型算法中冬小麦植株叶片水分含量LWC值,取值范围20%~45%。
本发明中a、b、c、d和e算法系数的取值分别为32.14、0.76、-1.67、-0.8和75.16。
在遥感数据处理软件ERDAS IMAGINE中,运行Modeler模块,分别输入卫星遥感影像和本发明中的冬小麦白粉病病情指数算法,经过病情分级运算即可得到区域大田冬小麦白粉病遥感监测信息1。病情分级依据病情指数等级划分,PID在0%~10%之间为轻度病害,在10%~45%之间为中等病害,在45~80%之间为重度病害,在80%~100%之间为极严重病害。
在地理信息系统软件ArcGIS中,将区域大田冬小麦白粉病遥感监测信息1制作成冬小麦白粉病遥感监测专题信息图,如图1所示,并添加图题2、图例3标识。方便使用者领会和应用大田冬小麦白粉病发生状况遥感监测信息,并可统计得到冬小麦白粉病不同危害等级的分布与面积信息。
本发明的有益效果:本发明提供了一种大田冬小麦白粉病遥感快速监测方法,优点在于:1、利用卫星遥感影像和地面的容易获取的农田环境温度、少量样点冬小麦植株叶绿素与水分含量数据信息,便可得到县域大面积冬小麦白粉病发生信息;2、由于利用星地同步卫星遥感数据,实现了病害监测信息由点向面的扩展,大幅度加大了对白粉病发生监测范围,增强了监测的时效性;3、实际调查工作量减少,节约了人力和资源成本;4、制作的冬小麦白粉病遥感监测专题信息图,信息量大、直观、便于基层农业技术人员的认知和使用,对于农业生产管理措施制定参考性较强。
附图说明
图1是利用本发明制作的兴化市大田冬小麦白粉病遥感监测专题信息图
图2是利用本发明制作的沭阳市大田冬小麦白粉病遥感监测专题信息图
具体实施方式
实施例1:
(1)在兴化市冬小麦生长期间,查询并订购到4月16日(冬小麦开花期)兴化市的环境卫星遥感影像(空间分辨率为30米),进行几何校正和大气校正预处理后待用;
(2)与卫星过境日同步,在兴化市布设10个地面监测点,每个地面监测点定位于冬小麦连片种植面积大于10000平方米的中心位置,每个地面监测点之间距离在3公里左右;
(3)地面监测点冬小麦植株叶片叶绿素含量信息采集,共采集10个点,然后求取平均值,本例中冬小麦植株叶片叶绿素含量平均值为32.84%;
(4)地面监测点冬小麦植株叶片水分含量信息采集,共采集10个点,然后求取平均值,本例中冬小麦植株叶片水分含量平均值为26.24%;
(5)麦田日均气温数据由当地农业部门得到,将4月12日到16日连续5日(遥感卫星过境前5天)的麦田日均气温相加然后求取平均值,本例中求得的麦田日均气温的平均值为20.72℃;
(6)在遥感数据处理软件ERDAS IMAGINE中,运行Modeler模块,输入预处理后的兴化市卫星遥感影像和本发明中的冬小麦白粉病病情指数算法,算法中系数a、b、c、d和e分别取值为32.14、0.76、-1.67、-0.8和75.16,经过病情分级运算即可得到区域大田冬小麦白粉病遥感监测信息1;
(7)在地理信息系统软件ArcGIS中,调入区域大田冬小麦白粉病遥感监测信息1,添加图题2和图例3标识,制作成兴化市冬小麦白粉病遥感监测专题信息图,如图1所示,即可发布与使用。
实施例2:
(1)在沭阳市冬小麦生长期间,查询并订购到4月26日(冬小麦开花期)沭阳市的环境卫星遥感影像(空间分辨率为30米),进行几何校正和大气校正预处理后待用;
(2)与卫星过境日同步,在沭阳市布设10个地面监测点,每个地面监测点定位于冬小麦连片种植面积大于10000平方米的中心位置,每个地面监测点之间距离在3公里左右;
(3)地面监测点冬小麦植株叶片叶绿素含量信息采集,共采集10个点,然后求取平均值,本例中冬小麦植株叶片叶绿素含量平均值为33.45%;
(4)地面监测点冬小麦植株叶片水分含量信息采集,共采集10个点,然后求取平均值,本例中冬小麦植株叶片水分含量平均值为27.64%;
(5)麦田日均气温数据由当地农业部门得到,将4月22日到26日连续5目(遥感卫星过境前5天)的麦田日平均气温相加然后求取平均值,本例中求得的麦田日均气温的平均值为18.18℃;
(6)在遥感数据处理软件ERDAS IMAGINE中,运行Modeler模块,输入预处理后的沭阳市卫星遥感影像和本发明中的冬小麦白粉病病情指数算法,算法系数a、b、c、d和e分别取值为32.14、0.76、-1.67、-0.8和75.16,经过病情分级运算即可得到区域大田冬小麦白粉病遥感监测信息4;
(7)在地理信息系统软件ArcGIS中,调入区域大田冬小麦白粉病遥感监测信息4,添加图题5和图例6标识,制作成沭阳市冬小麦开花期白粉病遥感监测专题信息图,如图2所示,即可发布与使用。
Claims (7)
1.一种大田冬小麦白粉病遥感快速监测方法,其特征在于:综合利用遥感植被指数、冬小麦植株叶片叶绿素含量、叶片水分含量和麦田日均气温4类信息进行大田冬小麦白粉病发生情况的监测,主要算法为,PID=a×NDVI+b×Tem+c×LCHC+d×LWC+e,PID为冬小麦白粉病病情指数,NDVI为遥感植被指数,Tem为麦田日均气温,LCHC为冬小麦植株叶片叶绿素含量,LWC为冬小麦植株叶片水分含量,a、b、c、d和e均为算法系数。
2.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的遥感植被指数NDVI为卫星遥感影像的近红外波段反射率和红光波段反射率之差与近红外波段反射率和红光波段反射率之和的比值,取值范围0.26~0.80。
3.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的麦田日均气温Tem的计算单位为℃,是遥感卫星过境前5天(包含遥感卫星过境当天)的麦田日平均气温的平均值,取值范围12℃~26℃。
4.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的冬小麦植株叶片叶绿素含量LCHC的计算单位是%,是在县级区域布设10个地面监测点的冬小麦植株全绿叶片叶绿素含量的平均值,取值范围20%~50%。
5.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的冬小麦植株叶片水分含量LWC的计算单位是%,是在县级区域布设10个地面监测点的冬小麦植株全绿叶片水分含量的平均值,取值范围20%~45%。
6.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的算法系数a、b、c、d和e取值分别为32.14、0.76、-1.67、-0.8和75.16。
7.根据权利要求1所述的一种大田冬小麦白粉病遥感快速监测方法,其特征在于:所述的冬小麦白粉病病情指数PID的计算单位是%,PID的等级划分为:PID在0%~10%之间为轻度病害,在10%~45%之间为中等病害,在45~80%之间为重度病害,在80%~100%之间为极严重病害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310035196.3A CN103076435B (zh) | 2013-01-15 | 2013-01-15 | 大田冬小麦白粉病遥感快速监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310035196.3A CN103076435B (zh) | 2013-01-15 | 2013-01-15 | 大田冬小麦白粉病遥感快速监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103076435A true CN103076435A (zh) | 2013-05-01 |
CN103076435B CN103076435B (zh) | 2014-10-22 |
Family
ID=48153034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310035196.3A Expired - Fee Related CN103076435B (zh) | 2013-01-15 | 2013-01-15 | 大田冬小麦白粉病遥感快速监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103076435B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630651A (zh) * | 2013-11-12 | 2014-03-12 | 江苏省农业科学院 | 冬小麦扬花期赤霉病遥感监测方法 |
CN104062238A (zh) * | 2014-06-20 | 2014-09-24 | 江苏省农业科学院 | 大田冬小麦拔节期纹枯病遥感监测方法 |
CN108318071A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种监测准确的农作物生长监测系统 |
CN108647814A (zh) * | 2018-05-03 | 2018-10-12 | 贵州省烟草科学研究院 | 一种烟草白粉病发生的预报方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102229975A (zh) * | 2009-12-29 | 2011-11-02 | 中国农业科学院植物保护研究所 | 一种用于小麦白粉病流行监测的微量病菌Real-time PCR定量检测方法 |
-
2013
- 2013-01-15 CN CN201310035196.3A patent/CN103076435B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102229975A (zh) * | 2009-12-29 | 2011-11-02 | 中国农业科学院植物保护研究所 | 一种用于小麦白粉病流行监测的微量病菌Real-time PCR定量检测方法 |
Non-Patent Citations (2)
Title |
---|
朱靖环: "大麦抗白粉病研究进展", 《大麦与谷类科学》 * |
钱拴等: "我国小麦白粉病发生流行的长期气象预测研究", 《自然灾害学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630651A (zh) * | 2013-11-12 | 2014-03-12 | 江苏省农业科学院 | 冬小麦扬花期赤霉病遥感监测方法 |
CN104062238A (zh) * | 2014-06-20 | 2014-09-24 | 江苏省农业科学院 | 大田冬小麦拔节期纹枯病遥感监测方法 |
CN104062238B (zh) * | 2014-06-20 | 2016-11-23 | 江苏省农业科学院 | 大田冬小麦拔节期纹枯病遥感监测方法 |
CN108318071A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种监测准确的农作物生长监测系统 |
CN108647814A (zh) * | 2018-05-03 | 2018-10-12 | 贵州省烟草科学研究院 | 一种烟草白粉病发生的预报方法 |
CN108647814B (zh) * | 2018-05-03 | 2022-03-18 | 贵州省烟草科学研究院 | 一种烟草白粉病发生的预报方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103076435B (zh) | 2014-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Ecological environment assessment for Greater Mekong Subregion based on Pressure-State-Response framework by remote sensing | |
Yang et al. | Remote sensing monitoring of grassland vegetation growth in the Beijing–Tianjin sandstorm source project area from 2000 to 2010 | |
O’Connor et al. | Spatio-temporal patterns in vegetation start of season across the island of Ireland using the MERIS Global Vegetation Index | |
Shen et al. | Monitoring wind farms occupying grasslands based on remote-sensing data from China’s GF-2 HD satellite—A case study of Jiuquan city, Gansu province, China | |
Wei et al. | Monitoring drought dynamics in China using Optimized Meteorological Drought Index (OMDI) based on remote sensing data sets | |
CN104123409B (zh) | 大田冬小麦开花期遥感估产方法 | |
CN103076435B (zh) | 大田冬小麦白粉病遥感快速监测方法 | |
Wang et al. | GIS and RS based assessment of cultivated land quality of Shandong Province | |
CN103630651B (zh) | 冬小麦扬花期赤霉病遥感监测方法 | |
Gao et al. | Spatial and temporal pattern of alpine grassland condition and its response to human activities in Northern Tibet, China | |
CN104484576A (zh) | 一种监测气象干旱的方法 | |
CN104062238B (zh) | 大田冬小麦拔节期纹枯病遥感监测方法 | |
Xiu-Ping et al. | The study of dynamic monitor of rice drought in Jiangxi Province with remote sensing | |
Zhou et al. | Monitoring intra-annual and interannual variability in spatial distribution of plastic-mulched citrus in cloudy and rainy areas using multisource remote sensing data | |
Wei et al. | Simulating alpine vegetation net primary productivity by remote sensing in Qinghai Province, China | |
Dalezios et al. | Remotely sensed cotton evapotranspiration for irrigation water management in vulnerable agriculture of central Greece | |
Bingfang et al. | Crop area estimation using remote sensing on two-stage stratified sampling | |
Yuan et al. | Monitoring of Sugarcane Crop based on Time Series of Sentinel-1 data: A case study of Fusui, Guangxi | |
Hong-wei et al. | The Modification of Difference Vegetation Index (DVI) in middle and late growing period of winter wheat and its application in soil moisture inversion | |
McLeod et al. | Evidence of cloud and rainfall modification in a mid-sized urban area–A climatological analysis of Augusta, Georgia | |
He et al. | Analysis on Change Trend of Percipitation Use Efficiency for Natural Vegetation in Long Time Series in China | |
Guo et al. | Analysis of the Positive Effect from the Typhoon Saomai to the Hydrothermal Environment of Shanghai | |
Li et al. | Monitoring of Tobacco Planting based on Remote Sensing in Karst Landforms | |
Huang et al. | Monitoring southwest drought of China using HJ-1A/B and Landsat remote sensing data | |
Ni et al. | Agricultural Drought Remote Sensing Monitoring and Analysis Platform in Northwest China Base on FY-3 Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141022 Termination date: 20160115 |
|
EXPY | Termination of patent right or utility model |