Multi-temporal wheat disease detection by multi-spectral remote sensing

For the implementation of site-specific fungicide applications, the spatio-temporal dynamics of crop diseases must be well known. Remote sensing can be a useful tool to monitor the heterogeneity of crop vitality within agricultural sites. However, the identification of fungal infections at an early growth stage is essential. This study examines the potential of multi-spectral remote sensing for a multi-temporal analysis of crop diseases. Within an experimental field, a 6 ha plot of winter wheat was grown, containing all possible infective stages of the powdery mildew (Blumeria graminis) and leaf rust (Puccinia recondita) pathogens. Three high-resolution remote sensing images were used to execute a spatio-temporal analysis of the infection dynamics. A decision tree, using mixture tuned matched filtering (MTMF) results and the Normalized Difference Vegetation Index (NDVI), was applied to classify the data into areas showing different levels of disease severity. Classification results were compared to ground truth data. The classification accuracy of the first scene was only 56.8%, whereas the scenes from May 28^th and June 20^th achieved considerably higher accuracies of 65.9% and 88.6% respectively. The results showed that high-resolution multi-spectral data are generally suitable to detect in-field heterogeneities of crop vigour but are only moderately suitable for early detection of crop infections.

基于近地高光谱遥感的小麦叶片生长参数动态模型研究

【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料,在2个试验地点布置水氮耦合处理试验,依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数,进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系,而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CI_green和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切,表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法,优选的方程能够较好地模拟植被指数的生育进程动态轨迹,模型精度（R²）随着产量水平的逐渐提高而增加,低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R²较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CI_gr...     

基于高光谱遥感数据的水稻叶温反演

[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测.     

小麦籽粒蛋白质含量高光谱遥感预测模型比较

【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R²与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R²、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“...     

冬小麦条锈病严重度高光谱遥感反演模型研究

通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(DI).把冠层光谱一阶微分数据与相应的DI进行相关分析,采用单变量线性和非线性回归技术,建立小麦DI的估测模型,并利用不同品种小麦样本对模型精度进行可靠性检验.结果表明:DI与一阶微分在432～582 nm、637～701 nm以及715～765 nm区域内有极显著相关性,以红边峰值区(725～735 nm)一阶微分总和与绿边峰值区(521～530 nm)一阶微分总和的比值为变量的线性模型估测DI精度最高,且其对小麦品种相对不敏感.上述研究结果对利用高光谱遥感监测农作物病害及其严重程度都具有实际应用价值.     

基于多角度高光谱遥感的冬小麦叶片含水率估算模型

准确的作物水分监测对于旱情评估具有重要意义。在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1450nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE0.03,可作为最优观测角度反演研究的最优植被指数。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

基于多源遥感数据和EC-LUE模型的冬小麦产量估算

【目的 】及时、准确、无损地估算冬小麦产量有助于粮食生产管理和粮食安全。【方法 】文章使用Sentinel-2的红光波段和短波红外数据及MOD09Q1数据,使用ESTARFM融合方法,生成冬小麦生长期（3～6月）内8 d的NDVI高空间分辨率时间序列数据。结合MERRA-2气象同化数据,使用EC-LUE模型进行农作物总初级生产力（GPP）的模拟估算,并使用收割指数方法将之转化为冬小麦产量,将估算结果与美国农业部门公布的县级产量数据进行比较验证。【结果 】实验表明,Sentinel-2与MOD09Q1融合NDVI具有良好的融合精度,相关系数在0.60～0.87之间。基于融合NDVI估算的GPP相比MOD17A2H具有更好的空间细节和纹理。2017—2020年估算产量平均绝对误差MAE为8.41 bu/acre,平均相对误差为18.4%,均方根RMSE为9.7 bu/acre。【结论 】基准影像数量及其与预测日期的时间差会影响融合的精度,总体上能用于后续GPP模拟;EC-LUE模型较好地模拟了农作物的GPP水平和产量,在土地覆盖类型复杂的区域,可以提供更好的GPP空间变异信息,具有可移植性...     

冬小麦遥感估产多种模型研究

综合冬小麦地面光谱资料及相应的农学参数资料,ＮＯＡＡ／ＡＶＨＲＲ 资料,历年各县冬小麦单产、播种面积、总产资料,历年新疆各站气象资料,监测点历年冬小麦发育期、密度、产量分析等资料,证明地面光谱植被指数与冬小麦密度、生物量、叶面积指数关系密切,从而建立了密度与生物量的光谱监测模型,进而建立了北疆试验区各层冬小麦种植面积估算和产量预报卫星遥感模型,辅以冬小麦产量农业气象预报模型、农学模型及模拟模型,自１９９４ 年投入应用以来的结果表明,这套模型预报精度高、效果很好     

A high-resolution airborne four-camera imaging system for agricultural remote sensing

This paper describes the design and testing of an airborne multispectral digital imaging system for remote sensing applications. The system consists of four high resolution charge coupled device (CCD) digital cameras and a ruggedized PC equipped with a frame grabber and image acquisition software. The cameras are sensitive in the 400 to 1000 nm spectral range and provide 2048 × 2048 active pixels with 12-bit data depth. A 24 mm lens is attached to each camera via an F to C mount adapter, resulting in an imaging size of 0.63 times the flight altitude. The four cameras are equipped with blue (430–470 nm), green (530–570 nm), red (630–670 nm), and near-infrared (NIR) (810–850 nm) bandpass interference filters, respectively, but have the flexibility to change filters for desired wavelengths and bandwidths. The cameras are arranged in a quad configuration and attached to adjustable mounts that facilitate aligning the cameras horizontally, vertically, and rotationally. The image acquisition software allows the synchronized black-and-white band images from the cameras to be viewed on the computer monitor in any one of the four modes: a quad, one band image at a time, a normal color composite, or a color-infrared (CIR) composite. The band images are refreshed continuously to allow the operator to selectively save images with correct areas of interest. The selected four-band composite image is saved as a tiff file and consecutive images can be saved in 1-s intervals. A band-to-band alignment procedure based on the first- and second-order polynomial transformations was presented to further align the four band images. The system performed well in both stationary and airborne testing conditions. Airborne images obtained from agricultural fields, rangelands, and waterways demonstrate that this system has potential for monitoring crop pest conditions, mapping invasive weeds and assessing natural resources.     

Improved remote sensing detection of wheat powdery mildew using dual-green vegetation indices

In this study, we investigated the possibility of using ground-based remote sensing technology to estimate powdery mildew disease severity in winter wheat. Using artificially inoculated fields, potted plants, and disease nursery tests, we measured the powdery mildew canopy spectra of varieties of wheat at different levels of incidence and growth stages to investigate the disease severity. The results showed that the powdery mildew sensitive bands were between 580 and 710 nm. The best two-band vegetation index that correlated with wheat powdery mildew between 400 and 1000 nm wavelength were the normalized spectrum 570–590 and 536–566 nm bands for the ratio index, and 568–592 and 528–570 nm for the normalized difference index. The coefficients of determination (R ²) for both were almost the same. The optimum dual-green vegetation index was constructed based on a calculation of the ratio and normalized difference between the normalized spectrum within the two green bands. The coefficients of determination (R ²) of DGSR (584, 550) (dual-green simple ratio) and DGND (584, 550) (dual-green normalized difference) were both 0.845. The inverse models of disease severity performed well in the test process at the canopy scale, and indicated that, compared with the traditional vegetation indices of Lwidth, mND705, ND (SDr, SDb), SIPI, and GNDVI, the novel dual-green indices greatly improved the remote sensing detection of wheat powdery mildew disease. Following these results, combined disease severity and canopy spectra were shown to be of enormous value when applied to the accurate monitoring, prevention, and control of crop diseases.     

生姜叶片氮含量的高光谱遥感估算模型研究

作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。     

植被高光谱遥感的应用研究综述

植被高光谱遥感以其显著的特点已经成为连接遥感数据处理、地面测量、光谱模型和应用的强有力的工具。本文概述了植被高光谱遥感数据的处理方法和高光谱分析的算法以及它在植被参数估算与分析、植被长势监测、估产及生物量估算等领域的应用现状 ,特别是与近年逐步兴起的多角度遥感结合在建立与完善双向反射模型 ,更精确地反演植被参数等方面的发展状况。并讨论了进一步充分利用植被高光谱遥感数据 ,加速遥感定量化进程的一些途径。     

千岛湖水体叶绿素浓度高光谱遥感监测研究初报

以千岛湖为研究对象,利用高光谱地物光谱仪在库区进行了反射光谱测量和同步水质采样分析.通过研究水体藻类叶绿素浓度与其高光谱反射特征之间的关系,建立了叶绿素a的遥感定量模型, 结果表明:光谱反射率比值R701 nm/R516 nm、IKONOS的红光与蓝光波段反射率之比与叶绿素a线性相关程度都比较高,决定系数分别为0.87和0.83,可以用来估计叶绿素a浓度;而微分光谱、单波段以及其它波段比与叶绿素a的相关性不及前两者.所以,遥感估算千岛湖叶绿素a浓度,采用比值法最准确.由于TM波段与IKONOS波段范围几乎完全相同,而分辨率不同,从经济实用的角度考虑,可以用TM数据对整个库区进行大范围遥感监测,而对其支流和小范围水面,用分辨率较高的IKONOS数据才能满足精度要求.     

植被高光谱感的应用研究综述

植被高光谱遥感以其显著的特点已经成为连接遥感数据处理、地面测量、光谱模型和应用的强有力的工具.本文概述了植被高光谱遥感数据的处理方法和高光谱分析的算法以及它在植被参数估算与分析、植被长势监测、估产及生物量估算等领域的应用现状,特别是与近年逐步兴起的多角度遥感结合在建立与完善双向反射模型,更精确地反演植被参数等方面的发展状况.并讨论了进一步充分利用植被高光谱遥感数据,加速遥感定量化进程的一些途径.     

高光谱评价植被叶绿素含量的研究进展

重点介绍利用便携式光谱仪获得的高光谱数据在评价植被叶绿素含量的研究状况。从叶绿素的光谱特性入手。通过和传统宽波段对比阐述高光谱数据在评价植被叶绿素中的特点。在此基础上简要介绍了高光谱遥感数据估计植被叶绿素含量两种方法的研究进展。一是利用光谱数据。植被指数，导数光谱评价植被叶绿素密度或浓度。二是利用红边光学参数评价植被叶绿素密度或浓度，并分析了研究中可能存在的问题。     

基于高光谱遥感的湖泊水质富营养化状态评价

为提高湖泊水质富营养化状态评价的精度,提出了一种融合高光谱遥感和萤火虫算法（FA）改进极限学习机（Extreme learning machine,ELM）的湖泊水质富营养化状态评价方法。针对ELM模型性能受其初始输入权值和隐含层偏置参数选择的影响,将萤火虫算法应用于ELM模型参数寻优。结果表明,与PSO-ELM、GA-ELM、DE-ELM和ELM相比,FA-ELM可以有效提高水质富营养化评价的准确率,为湖泊水质富营养化状态评价提供了新的方法。     

基于机载高光谱数据的田间尺度胡敏酸含量估算

以机载高光谱为数据源,对研究区土壤光谱分别进行去除包络线(CR)、倒数(IR)、对数(LR)、一阶导数(FDR)、二阶导数(SDR)、倒数&一阶导数(IFDR)、对数&一阶导数(LFDR)、倒数&对数(ILR)变换,并分别构建归一化光谱指数(NDSI)(分别相应记为NDSI-CR、NDSI-IR、NDSI-LR、NDSI-FDR、NDSI-SDR、NDSI-IFDR、NDSI-LFDR、NDSI-ILR)。对NDSI与胡敏酸含量的相关性进行分析,筛选出特征光谱,利用多元线性回归(MLR)、偏最小二乘(PLSR)、反向神经网络(BPNN)、支持向量机(SVM)方法构建模型,以决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)为评价指标,筛选最佳建模方法,用于田间尺度胡敏酸含量的高效估算。结果表明:NDSI-FDR、NDSI-SDR、NDSI-IFDR、NDSI-LFDR与胡敏酸含量的相关性更高。在396~1 000 nm,有3处与胡敏酸含量敏感的波段密集区域,分别位于480~550 nm与510~570 nm组合处、730~790 nm与740~800 nm组合处、880~930 nm与880~930 nm组合处。基于NDSI-LFDR建立的BPNN模型,建模集和验证集上的R²分别为0.916、0.805,RMSE分别为0.799、1.107,RPD值为2.189,可满足田间尺度胡敏酸含量估算的精度要求。     

Estimating the crop leaf area index using hyperspectral remote sensing

The leaf area index(LAI) is an important vegetation parameter,which is used widely in many applications.Remote sensing techniques are known to be effective but inexpensive methods for estimating the LAI of crop canopies.During the last two decades,hyperspectral remote sensing has been employed increasingly for crop LAI estimation,which requires unique technical procedures compared with conventional multispectral data,such as denoising and dimension reduction.Thus,we provide a comprehensive and intensive overview of crop LAI estimation based on hyperspectral remote sensing techniques.First,we compare hyperspectral data and multispectral data by highlighting their potential and limitations in LAI estimation.Second,we categorize the approaches used for crop LAI estimation based on hyperspectral data into three types:approaches based on statistical models,physical models(i.e.,canopy reflectance models),and hybrid inversions.We summarize and evaluate the theoretical basis and different methods employed by these approaches(e.g.,the characteristic parameters of LAI,regression methods for constructing statistical predictive models,commonly applied physical models,and inversion strategies for physical models).Thus,numerous models and inversion strategies are organized in a clear conceptual framework.Moreover,we highlight the technical difficulties that may hinder crop LAI estimation,such as the curse of dimensionality and the ill-posed problem.Finally,we discuss the prospects for future research based on the previous studies described in this review.     

基于机载激光雷达和高光谱数据的树种识别方法

训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱（AISA）和激光雷达（LiDAR）主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的训练样本分层自动提取后再进行分类,激光雷达和不敏感色素指数变量能有效提高树种分类精度。其中高光谱+激光雷达+结构不敏感色素指数变量组合的分类精度最高,其总体精度和Kappa系数分别为89.12%和0.86,阔叶林、马尾松、毛竹、杉木、油茶的用户精度分别为75.00%,100.00%,86.36%,90.91%和96.55%。该方法对本研究区森林树种的识别是有效的。