作物病虫害遥感监测研究进展与展望

病虫害是农业生产过程中影响粮食产量和质量的重要生物灾害。目前,我国的作物病虫害监测方式以点状的地面调查为主,无法大面积、快速获取作物病虫害发生状况和空间分布信息,难以满足作物病虫害的大尺度科学监测和防控的需求。近年来,随着国内外卫星光谱、时间和空间分辨率的不断提升,利用遥感手段开展高效、无损的病虫害监测成为有效提升我国病虫害测报水平的重要手段。与此同时,多平台、多种方式的作物病虫害遥感监测也为病虫害的有效防治和管理提供了重要科技支撑。本文从作物病虫害光谱特征、遥感监测方法和遥感监测系统等方面阐述了作物病虫害遥感监测研究的进展,分析了当前面临的挑战,并对未来发展趋势进行了展望。     

小麦种植及病虫害防治技术研究

小麦是一种非常重要的作物,我国各地都种小麦。小麦病虫害会影响其品质和产量,为了提高小麦作物的产量,需要采用科学有效的种植方法,还要做好病虫害防治工作,保证小麦作物的生长质量。文章针对小麦种植及病虫害防治技术展开研究。     

农作物病虫害遥感监测关键技术研究进展与展望

病虫害是影响农作物健康生长、产量和质量的制约因素之一,加强农作物病虫害的监测,对农作物病虫害进行精准防控,对保障粮食安全,提高农产品产量和质量具有重要意义。随着信息技术的发展,农作物病虫害监测由传统的人工监测逐渐向自动化、信息化和智能化方向发展。农作物病虫害监测平台、监测传感器技术以及相关的数据分析和处理技术是研究农作物病虫害遥感监测的关键技术,这些关键技术的发展水平,决定了农作物病虫害遥感监测技术的发展水平。本文从监测平台、监测传感器技术和相关数据分析与处理技术3方面对农作物病虫害监测技术研究进展进行综述。在监测平台方面,归纳总结了地面监测平台、航空监测平台和卫星监测平台的国内外研究现状,并分析了上述平台优缺点;在监测传感器技术方面,综述了雷达传感器、图像传感器、热成像传感器和光谱传感器等在作物病虫害领域的研究进展;在相关数据分析与处理技术方面,阐述了经典统计算法、计算机图像处理算法、机器学习算法和深度学习算法在农作物病虫害监测领域的研究成果。最后提出了监测平台、监测传感器技术和相关数据分析与处理技术的未来发展趋势,以期为进一步促进我国农作物病虫害监测平台及相关技术的发展提供参考。     

小麦病虫害发生趋势分析及预防

近年来,小麦病虫害发生率在逐年增多,对小麦的总产量造成严重影响,这就需要采取一定的应对措施,从而最大程度避免小麦病虫害的发生,达到小麦产量增值的目的。本文针对小麦病虫害进行分析,希望能够对小麦病虫害进行有效防治。     

轻小型无人机多光谱遥感技术应用进展

随着光谱传感技术和图像处理与分析软件的日益成熟,无人机多光谱软硬件一体化程度和观测精度及易用性得到极大的发展。无人机多光谱遥感已在农业、林业、资源、生态、环境保护等领域应用日益广泛。本文概述了无人机飞行平台、多光谱传感器等硬件技术的发展,和无人机遥感影像的几何校正、辐射校正图像处理技术及数据处理流程,并对无人机多光谱遥感在植被长势监测、存在问题、精细分类与地物识别、病虫害监测、生物量和产量估算等方面的应用潜力和发展方向进行了系统分析和总结,以期为开展相关领域研究提供参考。建议各行业部门的专业人员与遥感、计算机科学等领域的专家密切合作,制订无人机多光谱遥感技术的相关标准和规范,共同推进并普及无人机多光谱遥感技术。     

冬小麦主要病虫害发生特点及播种期防控技术

小麦播种期病虫害的防治是整个生育期防治的基础,有利于压低小麦全生育期的病虫基数。近年来小麦病虫害发生严重,播种期防治重点为小麦全蚀病、纹枯病、病毒病、根腐病、地下害虫、小麦吸浆虫等种传、土传病虫害,特别是小麦全蚀病发生逐年加重,直接影响小麦繁种和商品粮的质量。抓好小麦播种期的病虫害防治是夺取小麦丰收,提高产品质量的关键。根据小麦病虫害发生特点,生产上应在小麦播种期做好农业和药剂防治工作。     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度，综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势，构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence，SIF)协同反射率光谱吸收参量的初始特征集合，并基于融合遗传算法(Genetic algorithm，GA)和支持向量回归(Support vector regression，SVR)算法对初始特征集合与SVR参数进行联合优选，确定遥感监测小麦条锈病严重度的敏感因子，建立基于GA-SVR算法的小麦条锈病遥感监测模型，并将其与相关系数(Correlation coefficient，CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明，融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型，3个样本组中GA-SVR模型预测病情指数(Disease index，DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%，平均提高了17.8%，均方根误差(Root mean square error，RMSE)至少减少了10.1%，平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度，研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

小麦种植及病虫害防治技术研究

小麦是我国北方主要种植农作物。随着科学技术的不断发展,小麦种植技术得到了很大的提高,但是病虫害仍然是困扰小麦产量的主要因素。因此,必须加强对小麦种植技术及病虫害防治技术的研究,将病虫害防治工作落到实处。分析研究了山西省运城市小麦种植及痛虫害防治技术．     

板栗树红蜘蛛虫害无人机高光谱遥感监测研究

为了快速、高效、无损监测板栗树的红蜘蛛病虫害，以实地采集的板栗树局部感染明显叶片、感染轻重不均匀叶片、恢复中的感染叶片及不同感染程度叶片为研究对象，利用UHD185型高光谱相机和数码相机获取各种叶片的高光谱图像和RGB图像，以RGB图像为参考，选择各种叶片的感兴趣区，在高光谱图像上提取感兴趣区的光谱曲线，通过微分运算提取光谱曲线的绿峰、红谷、低位、红边、高位、高肩6种光谱特征及特征波长，利用大量实测数据分析板栗树叶各个光谱特征及特征波长随红蜘蛛病虫害危害程度的叶片级变化规律，得到识别红蜘蛛病虫害最佳的光谱特征。利用无人机(Unmanned aerial vehicle，UAV)搭载UHD185型相机，获取了实验区高光谱影像。结果表明，监测板栗树红蜘蛛病虫害危害程度的最佳光谱特征为红边和低位，其与红蜘蛛病虫害的决定系数均超过0.6，当发生轻度红蜘蛛病虫害时，红边波长和低位波长出现“蓝移”，说明无人机高光谱遥感系统具有早期发现红蜘蛛病虫害的能力，可为板栗树红蜘蛛病虫害的及时治理提供科学依据。     

小麦种植技术及病虫害防治技术探讨

在小麦的种植和生产过程中,对田间管理工作的好坏以及是否可以做到预防和防治病虫害将会对小麦的质量和产量产生很大的影响.要想能够实现小麦的优质高产,需要根据当地的实际种植环境,采用科学的种植技术和病虫害防治技术,使小麦可以健康的生长.文章将就这一方面做分析和研究.     

无人机遥感监测作物病虫害胁迫方法与最新研究进展

病虫害是作物生产面临的主要胁迫之一.近年来,随着无人机产业的快速发展,无人机农业遥感因其图像空间分辨率高、数据获取时效性强和成本低等特点,在作物病虫害胁迫监测应用中发挥了重要作用.本文首先介绍了利用无人机遥感监测作物病虫害胁迫的相关背景;其次对目前无人机遥感监测作物病虫害胁迫中的常用方法进行了概述,主要探讨无人机遥感监...     

佳多农林病虫害自动测控系统(ATCSP)开发与应用前景

佳多农林病虫害自动测控系统集成了病虫害实时监测预警、预警遥控和频振生物诱控3个子系统,通过信息化管理、自动化控制和无害化防治,为有效解决农林害虫防控依赖化学农药这一世界性难题奠定了技术基础。     

基于无人机高光谱影像的冬小麦全蚀病监测模型研究

冬小麦全蚀病是导致小麦大幅减产甚至绝收的土传检疫性病害。快速、无损地监测冬小麦全蚀病空间分布对其防治具有重要意义。以无人机搭载成像高光谱仪为遥感平台,利用成像高光谱影像结合地面病害调查数据,在田块尺度对冬小麦全蚀病病情指数分布进行空间填图。利用地物光谱仪(ASD)同步获取的高光谱数据评价UHD185光谱数据质量,综合运用统计分析以及遥感反演填图技术,计算光谱指数(Difference spectral index,DSI)、比值光谱指数(Ratio spectral index,RSI)及归一化差值光谱指数(Normalized difference spectral index,NDSI)与病情指数(DI)构建决定系数等势图,筛选最优光谱指数与DI构建线性回归模型,并利用3个光谱指数构建偏最小二乘回归预测模型,以对比模型预测精度与稳健性。最后用独立数据对模型进行检验。结果表明,冬小麦冠层的ASD光谱数据与UHD185光谱数据相关性显著,决定系数R~2达0.97以上,3类光谱指数与DI构建偏最小二乘回归模型,得到模型验证结果(R~2=0.629 2,R_(MSE)=10.2%,M_(AE)=16.6%),其中DSI(R_(818),R_(534))对模型贡献度最高,利用DSI(R_(818),R_(534))与DI构建线性回归模型为y=-6.490 1x+1.461 3(R~2=0.860 5,R_(MSE)=7.3%,M_(AE)=19.1%),且通过独立样本的模型验证精度(R~2=0.76,R_(MSE)=14.9%,M_(AE)=11.7%,n=20)。最后使用该模型对冬小麦进行病情指数反演,制作了冬小麦全蚀病病害空间分布图,本研究结果为无人机高光谱遥感在冬小麦全蚀病的精准监测方面提供了技术支撑,并对未来卫星遥感探索冬小麦全蚀病大面积监测提供了理论基础。     

小麦病虫害的种类及防治措施

小麦是我国3大粮食作物之一,是人们重要的口粮。小麦生产过程中会遭受各种病虫害的侵袭,严重影响了其产量和质量。介绍了小麦病虫害产生的原因,小麦病虫害的种类,并提出了针对性的防治措施。      

基于多源信息融合的中文农作物病虫害命名实体识别

随着农作物病虫害研究文献的快速增长,对农作物病虫害领域文献进行文本挖掘变得越来越重要。开发有效、准确的农作物病虫害命名实体识别系统有助于在农作物病虫害相关研究报告中提取研究成果,为农作物病虫害的治理提供有效建议。本文针对中文农作物病虫害数据集缺失问题,提出了基于半远程监督的停等算法,利用该算法构建中文农作物病虫害领域语料库,大幅度减少标注过程的人工成本和时间成本;同时,提出了中文农作物病虫害命名实体识别模型（Agricultural information extraction, Agr-IE）,该模型基于BERT-BILSTM-CRF,辅以多源信息融合（多源分词信息和全局词汇嵌入信息）丰富字符向量,使其充分结合字符级与词汇级的信息,以提高模型捕捉上下文信息的能力。实验表明,该模型可以有效地识别病害、虫害、药剂、作物等实体,F1值分别为96.56%、95.12%、94.48%、95.54%,并对识别难度较大的病原实体具有较好的识别效果,F1值为81.48%,高于BERT-BILSTM-CRF、BERT等模型的相应值。本文所提模型在MSRA和Weibo等其他领域数据集上与CAN-NER、Lattice-LSTM-CRF等模型进行了对比实验,并取得最佳的识别效果,F1值分别为95.80%、94.57%,表明该算法具有一定的泛化能力。     

基于深度学习的害虫识别技术综述

在虫情监测和害虫防范治理过程中，准确识别害虫是有效解决农业领域虫害问题的重要前提。依靠专家知识和人工经验进行虫情诊断的方式效率较为低下，自动化和智能化水平较差，而采用深度学习、计算机视觉等智能化技术手段可以大幅度提升害虫识别过程的效率、准确度，并降低人工成本。概述了基于深度学习的害虫识别技术发展现状，分析深度学习技术在害虫图像识别领域的实现原理和优势，阐述国内外专家学者在基于深度学习的害虫识别技术领域的最新研究进展，提出该技术领域面临的挑战，并对发展方向进行预测。该文可为深入开展害虫识别和分类技术在智慧农业上的应用研究提供参考。      

园林移动施药实时监测系统设计与试验

由于园林作物复杂,对不同植物病虫害需要的施药量以及药品类型不同,为实现实时监测,做好园林植保作业,本文以STM32F103VCT6单片机为信息处理控制器,设计园林移动施药实时监测系统,并通过车体结构设计,构建监测施药作业体系。系统由移动车体、药箱、微控制器、GPS定位系统、GSM无线通信模块、液位传感器、流量传感器、显示屏和按键构成。基于多信息融合技术,系统实现了对植保车行驶轨迹、车速、施药流量和药液余量等信息的实时监测,以量化小车在不同的位置喷洒药液的情况。试验结果表明:轨迹监测平均误差为4.75%;施药速度监测平均误差为2.17%;流量监测平均误差为1.54%;液位监测平均误差为0.44%,本研究对于园林移动施药参数实时监测提供了理论依据与应用参考。     

卫星遥感技术在气象为农服务中的应用

该文简要回顾了国内外学者在卫星遥感方面所做的相关工作，主要介绍的国内外学者研究内容有卫星遥感资料、图像的处理和订正、对地面目标物的识别、农作物产量预报、卫星遥感的发展状况、建立卫星遥感资料库、建立预报模型、降水监测、地温监测、冻土监测、灾害监测、气体监测、卫星云图应用和不同类型卫星遥感技术相互融合使用等内容。该文在简要介绍卫星遥感技术监测原理的基础上，分析了卫星遥感技术在气象为农服务中的应用现状，提出了在气象为农服务的工作中亟需加强卫星遥感技术应用，阐述了要结合农业气象服务产品加强卫星遥感技术在农业气候区划、农作物种植规划、农作物生长期监测管理、病虫害防治、灾害防御、农作物产量预报、防御火灾以及农业气象服务效益评估等方面的应用。强调要强化卫星遥感技术的应用，最大程度地开发和利用卫星遥感数据，使卫星遥感技术在农业生产实践中能够趋利避害和发挥出更大的作用。