CN103630651A - 冬小麦扬花期赤霉病遥感监测方法 - Google Patents

冬小麦扬花期赤霉病遥感监测方法 Download PDF

Info

Publication number
CN103630651A
CN103630651A CN201310576604.6A CN201310576604A CN103630651A CN 103630651 A CN103630651 A CN 103630651A CN 201310576604 A CN201310576604 A CN 201310576604A CN 103630651 A CN103630651 A CN 103630651A
Authority
CN
China
Prior art keywords
winter wheat
remote
sensing
remote sensing
band reflectivity
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
Application number
CN201310576604.6A
Other languages
English (en)
Other versions
CN103630651B (zh
Inventor
李卫国
熊世为
庄冬英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Academy of Agricultural Sciences
Original Assignee
Jiangsu Academy of Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Academy of Agricultural Sciences filed Critical Jiangsu Academy of Agricultural Sciences
Priority to CN201310576604.6A priority Critical patent/CN103630651B/zh
Publication of CN103630651A publication Critical patent/CN103630651A/zh
Application granted granted Critical
Publication of CN103630651B publication Critical patent/CN103630651B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种冬小麦扬花期赤霉病遥感监测方法，属于农作物生长监测技术领域。针对传统大田冬小麦赤霉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，提出了一种冬小麦扬花期赤霉病遥感监测方法，它是利用冬小麦扬花期的两种卫星遥感植被指数和麦田日均气温数据进行冬小麦扬花期赤霉病发生情况的监测方法。其优点是由于利用卫星遥感数据和气候因素进行冬小麦赤霉病监测，从而可及时、大范围、低成本的监测大面积冬小麦赤霉病发生情况，利于及时实施植保防治，实现防灾减灾的目的。所制作的冬小麦扬花期赤霉病遥感监测信息图，信息量大、直观、易于理解和使用，对于辅助基层农业技术人员制定管理措施作用明显。

Description

冬小麦扬花期赤霉病遥感监测方法
技术领域
本发明涉及一种大田冬小麦病害监测方法，具体是一种冬小麦扬花期赤霉病遥感监测方法，属于农作物生长监测技术领域。
背景技术
赤霉病又名红头瘴、烂麦头，是冬小麦的主要病害之一，不但影响冬小麦产量，还会引起麦粒腐败变质，严重时能致人畜中毒。赤霉病在各麦区都有发生，多分布于气候湿润、多雨的温带区域。从幼苗到籽粒灌浆各个生长阶段都可受害，主要引起苗枯、茎干腐和穗腐，其中穗腐危害最重。冬小麦扬花期最易感病，在有菌源存在时，若遇连续3～5天的连阴雨，气温在16℃～25℃，极容易发生。因此，冬小麦扬花期进行赤霉病监测与防治是最佳时期。
赤霉病具有发病率高、发生范围广、流行性强的特点。如果不能及时监测和防治，一旦爆发，往往会造成冬小麦大面积减产与籽粒品质下降，严重时会造成巨大经济损失，因此，对大田冬小麦赤霉病的有效监测一直是政府部门和学术界关注的重点和热点。
长期以来，传统的对麦田人工实地抽样调查一直是冬小麦赤霉病监测的主要手段，虽已在冬小麦病害防治方面发挥了重要作用，但对于大面积冬小麦赤霉病发生而言，传统的监测方法不仅需花费大量的人力物力成本，且取样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信息，在很大程度上影响到防治措施的有效实施。所以，迫切需要及时、大范围、低成本的遥感监测方法来解决大面积农田冬小麦赤霉病的监测问题。
发明内容
本发明提供了一种冬小麦扬花期赤霉病遥感监测方法，该方法可以大范围、及时、低成本的监测大田冬小麦扬花期赤霉病的发生情况。
解决其技术问题所采用的技术方案是：一种冬小麦扬花期赤霉病遥感监测方法，它是利用冬小麦扬花期的两种卫星遥感植被指数和麦田日均气温数据进行冬小麦扬花期赤霉病发生情况的监测方法。主要算法为，SID=(a×RDVI+b×TBVI+c)×TempF×100，SID为冬小麦赤霉病病情指数，RDVI为遥感双重化植被指数，TBVI为遥感三波段植被指数，TempF为麦田日均气温影响系数，a、b和c均为算法系数。
遥感双重化植被指数RDVI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间的非线性组合关系，其算法为，
Figure BSA0000097727040000011
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0.26～0.85，DVI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，取值范围0.40～0.82。
遥感三波段植被指数TBVI为卫星遥感影像的近红外波段反射率、红光波段反射率和绿光波段反射率之间的非线性组合关系，其算法为TBVI=0.6×(Rnir-Rgreen)-(Rred-Rgreen)，Rnir为卫星遥感影像近红外波段反射率，取值范围0.51～0.98，Rred为卫星遥感影像红光波段反射率，取值范围0.051～0.082，Rgreen为卫星遥感影像绿光波段反射率，取值范围0.061～0.085。
麦田日均气温影响系数TempF表示了日均气温变化对冬小麦赤霉病发生的影响作用，其算法为
Figure BSA0000097727040000012
Temp为麦田日均气温，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16℃～25℃，若日平均气温低于16℃时按16℃取值，若日平均气温高于25℃时按25℃取值。
本发明中算法系数a、b和c取值分别为-0.5249、-0.3054和0.9292。
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赤霉病病情指数算法，经过病情分级运算即可得到区域大田冬小麦扬花期赤霉病遥感监测信息1。病情分级依据病情指数等级划分，SID为0％时无病害发生，在0％～10％之间为轻微病害，在10％～40％之间为较重病害，在40～70％之间为严重病害，在70％～100％之间为极重病害。
在地理信息系统软件ArcGIS中，将区域大田冬小麦扬花期赤霉病遥感监测信息1制作成冬小麦扬花期赤霉病遥感监测专题信息图，如说明书附图所示，并添加图标题2、图例3、比例尺4、指北针5标识。方便使用者领会和应用大田冬小麦扬花期赤霉病发生状况遥感监测信息，可统计得到冬小麦扬花期赤霉病不同危害等级的分布与面积信息数据。
本发明的有益效果：本发明提供了一种冬小麦扬花期赤霉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容易获取的农田环境温度数据信息，便可得到县域大面积冬小麦扬花期赤霉病发生与空间分布信息；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，大幅度加大了对扬花期赤霉病发生监测范围，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、制作的冬小麦扬花期赤霉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，对于冬小麦病害防治措施制定作用明显。
附图说明
图是利用本发明制作的兴化市冬小麦扬花期赤霉病遥感监测专题信息图
具体实施方式
下面结合附图与实施案例对本发明做进一步详细说明：
(1)在兴化市冬小麦扬花期间，查询并订购到5月4日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15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)地面监测点麦田气温数据信息采集，共采集15个点，然后求取单日气温均值，将4月30日到5月4日连续5日(遥感卫星过境前5天)的麦田单日气温均值相加求取麦田日均气温平均值，本例中求得的麦田日均气温的平均值为21.68℃；
(4)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扬花期赤霉病病情指数算法，算法中系数a、b和c分别取值为-0.5249、-0.3054和0.9292，经过病情分级运算即可得到大田冬小麦扬花期赤霉病遥感监测信息1；
(5)在地理信息系统软件ArcGIS中，调入大田冬小麦扬花期赤霉病遥感监测信息1，添加图标题2、图例3、比例尺4、指北针5标识，制作成兴化市冬小麦扬花期赤霉病遥感监测专题信息图，如说明书附图所示，即可发布与使用。

Claims (6)

1.一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：利用两种遥感植被指数和麦田日均气温数据进行冬小麦扬花期赤霉病发生情况的监测，主要算法为，SID=(a×RDVI+b×TBVI+c)×TempF×100，SID为冬小麦赤霉病病情指数，RDVI为遥感双重化植被指数，TBVI为遥感三波段植被指数，TempF为麦田日均气温影响系数，a、b和c均为算法系数。
2.根据权利要求1所述的一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：所述的遥感双重化植被指数RDVI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间的非线性组合关系，其算法为，
Figure FSA0000097727030000011
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0.26～0.85，DVI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，取值范围0.40～0.82。
3.根据权利要求1所述的一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：所述的遥感三波段植被指数TBVI为卫星遥感影像的近红外波段反射率、红光波段反射率和绿光波段反射率之间的非线性组合关系，其算法为TBVI=0.6×(Rnir-Rgreen)-(Rred-Rgreen)，Rnir为卫星遥感影像近红外波段反射率，取值范围0.51～0.98，Rred为卫星遥感影像红光波段反射率，取值范围0.051～0.082，Rgreen为卫星遥感影像绿光波段反射率，取值范围0.061～0.085。
4.根据权利要求1所述的一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：所述的麦田日均气温影响系数TempF表示了日均气温变化对冬小麦赤霉病发生的影响作用，其算法为
Figure FSA0000097727030000012
Temp为麦田日均气温，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16℃～25℃。
5.根据权利要求1所述的一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：所述的算法系数a、b和c取值分别为-0.5249、-0.3054和0.9292。
6.根据权利要求1所述的一种冬小麦扬花期赤霉病遥感监测方法，其特征在于：所述的冬小麦赤霉病病情指数SID的计算单位是％，SID的等级划分为：SID为0％时无病害发生，在0％～10％之间为轻微病害，在10％～40％之间为较重病害，在40～70％之间为严重病害，在70％～100％之间为极重病害。
CN201310576604.6A 2013-11-12 2013-11-12 冬小麦扬花期赤霉病遥感监测方法 Expired - Fee Related CN103630651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310576604.6A CN103630651B (zh) 2013-11-12 2013-11-12 冬小麦扬花期赤霉病遥感监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310576604.6A CN103630651B (zh) 2013-11-12 2013-11-12 冬小麦扬花期赤霉病遥感监测方法

Publications (2)

Publication Number Publication Date
CN103630651A true CN103630651A (zh) 2014-03-12
CN103630651B CN103630651B (zh) 2016-02-03

Family

ID=50211917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310576604.6A Expired - Fee Related CN103630651B (zh) 2013-11-12 2013-11-12 冬小麦扬花期赤霉病遥感监测方法

Country Status (1)

Country Link
CN (1) CN103630651B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825177A (zh) * 2016-03-09 2016-08-03 西安科技大学 基于时相和光谱信息及生境条件的作物病害遥感识别方法
CN110089297A (zh) * 2019-05-18 2019-08-06 安徽大学 小麦赤霉病大田环境下病情严重度诊断方法及装置
CN110741889A (zh) * 2019-11-28 2020-02-04 河南省农业科学院植物保护研究所 一种预测小麦赤霉病初始侵染源丰富度的方法
CN110991766A (zh) * 2019-12-20 2020-04-10 安徽省农业科学院作物研究所 一种预测小麦赤霉病发生风险的方法
CN111768051A (zh) * 2020-07-06 2020-10-13 中国科学院空天信息创新研究院 一种小麦赤霉病动态预警方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076435A (zh) * 2013-01-15 2013-05-01 江苏省农业科学院 大田冬小麦白粉病遥感快速监测方法
CN103091284A (zh) * 2013-02-28 2013-05-08 河南工业大学 基于近红外光谱技术的赤霉病麦粒快速鉴别方法
CN103278619A (zh) * 2013-05-30 2013-09-04 四川农业大学 一种小麦赤霉病抗性的快速鉴定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076435A (zh) * 2013-01-15 2013-05-01 江苏省农业科学院 大田冬小麦白粉病遥感快速监测方法
CN103091284A (zh) * 2013-02-28 2013-05-08 河南工业大学 基于近红外光谱技术的赤霉病麦粒快速鉴别方法
CN103278619A (zh) * 2013-05-30 2013-09-04 四川农业大学 一种小麦赤霉病抗性的快速鉴定方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825177A (zh) * 2016-03-09 2016-08-03 西安科技大学 基于时相和光谱信息及生境条件的作物病害遥感识别方法
CN110089297A (zh) * 2019-05-18 2019-08-06 安徽大学 小麦赤霉病大田环境下病情严重度诊断方法及装置
CN110741889A (zh) * 2019-11-28 2020-02-04 河南省农业科学院植物保护研究所 一种预测小麦赤霉病初始侵染源丰富度的方法
CN110741889B (zh) * 2019-11-28 2021-03-12 河南省农业科学院植物保护研究所 一种预测小麦赤霉病初始侵染源丰富度的方法
CN110991766A (zh) * 2019-12-20 2020-04-10 安徽省农业科学院作物研究所 一种预测小麦赤霉病发生风险的方法
CN111768051A (zh) * 2020-07-06 2020-10-13 中国科学院空天信息创新研究院 一种小麦赤霉病动态预警方法及装置

Also Published As

Publication number Publication date
CN103630651B (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
Pang et al. Using the NDVI to identify variations in, and responses of, vegetation to climate change on the Tibetan Plateau from 1982 to 2012
AbdelRahman et al. Assessment of land suitability and capability by integrating remote sensing and GIS for agriculture in Chamarajanagar district, Karnataka, India
CN103630651B (zh) 冬小麦扬花期赤霉病遥感监测方法
Ropars et al. Shrub expansion at the forest–tundra ecotone: spatial heterogeneity linked to local topography
Sakamoto et al. Spatio–temporal distribution of rice phenology and cropping systems in the Mekong Delta with special reference to the seasonal water flow of the Mekong and Bassac rivers
Zhang et al. Spatial pattern and decadal change of agro-meteorological disasters in the main wheat production area of China during 1991–2009
CN104123409A (zh) 大田冬小麦开花期遥感估产方法
Fan et al. Vegetation growth variation in relation to topography in Horqin Sandy Land
Wei et al. Spatial and temporal change of fractional vegetation cover in North‐western China from 2000 to 2010
Castex et al. Water availability, use and governance in the wine producing region of Mendoza, Argentina
Zhang et al. Source, route and effect of Asian sand dust on environment and the oceans
FENG et al. Monitoring winter wheat freeze injury using multi-temporal MODIS data
Zhang et al. Mapping the agricultural land use of the North China Plain in 2002 and 2012
Wang et al. Inversion of soil salinity according to different salinization grades using multi-source remote sensing
CN103076435B (zh) 大田冬小麦白粉病遥感快速监测方法
Kyle et al. Arresting the rate of land clearing: change in woody native vegetation cover in a changing agricultural landscape
CN104484576A (zh) 一种监测气象干旱的方法
CN104062238A (zh) 大田冬小麦拔节期纹枯病遥感监测方法
Li et al. Characterizing long-term forest disturbance history and its drivers in the Ning-Zhen Mountains, Jiangsu Province of eastern China using yearly Landsat observations (1987–2011)
Louise et al. Regional analysis of crop and natural vegetation in West Africa based on NDVI metrics
Hu et al. Climate warming changed the planting boundaries of varieties of summer corn with different maturity levels in the north China plain
Kim et al. Improving usage of the Korea Meteorological Administration's digital forecasts in agriculture: I. Correction for local temperature under the inversion condition
Xiu-Ping et al. The study of dynamic monitor of rice drought in Jiangxi Province with remote sensing
Kumar et al. Analysis of regional droughts intensity and frequency over north Gujarat
Chen et al. Response of Alpine Grassland Vegetation Phenology to Snow Accumulation and Melt in Namco Basin

Legal Events

Date Code Title Description
PB01 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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160203

Termination date: 20161112