基于S185机载高光谱成像技术的小麦黄锈检测研究

《Remote Sensing》影响因子：4.5

英文名称：Wheat Yellow Rust Detection Using UAV-Based Hyperspectral Technology

中科院空天信息研究院 / 中国科学院大学

黄锈病是一种严重威胁小麦生产安全的世界性病害。近地表高光谱遥感技术在叶片尺度上的大量研究已经在疾病监测方面取得了良好的效果，下一步是开展大田规模的病害监测，这对病害控制具有重要意义。

本研究使用S185机载高速高光谱成像仪来获取野外冠层尺度的高光谱影像。利用基于提取的植被指数(VIs)和纹理特征(TFs)及其组合，建立基于偏最小二乘回归(PLSR)算法的不同感染期的疾病监测模型。此外，我们将1.2 cm空间分辨率的原始图像重采样到3 cm、5 cm、7 cm、10 cm、15 cm和20 cm的不同空间分辨率的图像，评价了空间分辨率对疾病监测精度的影响。结果表明，在疾病感染中期基于VIs的模型监测精度最高(R2=0.75)；以TFs为基础的模型可以在田间尺度上监测黄锈病，其R2在感染中期和后期最高，分别为0.65和0.82。基于VIs-TFs的组合模型在各感染期的准确率最高，优于单独基于VIs或TFs的模型。空间分辨率对基于VIs的监测精度影响较小，但对基于TFs的监测精度影响较大。基于VIs-TFs模型监测每个感染期黄锈病的最佳空间分辨率为10cm。本研究结果为利用无人机高光谱影像进行准确的疾病监测提供了参考。

图1研究区域:(a)廊坊市；(b)实验地址(红星)的位置；(c) 5月30日使用S185机载高光谱仪拍摄区域：(A)和(B)是接种了黄锈病的地块；(C) 黄色十字是健康的地块

图2 不同时期黄锈病的发展趋势

图3 本实验中S185机载高光谱成像系统

图4  不同空间分辨率的高光谱影像：1.2 cm、3 cm、5 cm、7 cm、10 cm、15 cm和20 cm 

表1  监测小麦黄锈病所选用的植被指数

表2  本研究中所采用的纹理方程

图5 (a)健康小麦和(b)染黄锈病小麦不同接种日期的冠层反射率光谱曲线

(c)不同接种日期健康小麦与黄锈病小麦光谱反射率的比值

图6 疾病指数(DI)与不同特征的相关性：(a)植被指数和DI；(b-d)纹理特征(TFs)和DI

图7 (a) VI模型、(b) TF模型和(c) VI-TF模型在不同感染阶段和空间分辨率下的监测精度(R2)

图8 实测疾病指数(DI)与不同模型估测的疾病指数(DI)的散点图分布：(a-c)基于植被指数(VI) 分别在15cm、15 cm、20 cm空间分辨率的3个感染阶段下的模型；(d-f)基于纹理特征(TF)的分别在3cm、10 cm、15 cm空间分辨率的3个感染阶段下的模型；(g-i)基于VI-TF组合的分别在3cm、10 cm、15 cm空间分辨率的3个感染阶段下的模型；

表3 最佳空间分辨率下基于不同感染阶段不同特征的疾病监测偏最小二乘回归(PLSR)模型

图9 基于VI-TF组合模型的小麦黄锈病不同感染时期的空间反演图：(a)感染早期(5月4日)、感染中期(5月11日)和感染后期(5月24日)

原文链接：https://www.mdpi.com/2072-4292/13/1/123