植被病虫害遥感
植被病虫害每年导致全球40%的粮食损失，并导致超过1000亿美元的森林和草原资源损失。科学预防和控制农林草业中的病虫害，对确保粮食和生态环境安全等至关重要。随着遥感、大数据和人工智能技术的快速发展，信息技术已广泛应用于农林草业病虫害精准监测和预测中。
本专栏旨在收集与农林草业中病虫害数字化精准监测和预测相关的最新进展。
本专栏旨在收集与农林草业中病虫害数字化精准监测和预测相关的最新进展。
主题关键词： 遥感陆地表面温度遥感信息评价模型病情估算病害识别生境生化参数
- 论文汇编
- 摘要：大豆是世界上最主要的作物之一，是重要的高蛋白食品、牲畜饲料的原料以及食用油来源。中国面临着大豆高度依赖于进口的粮食安全结构性挑战，对大豆的监测识别能为中国制定有效的农业经济发展策略提供基础数据支持。本研究提出了一种基于时序谱标准曲线的大豆识别方法，基于时间序列植被指数曲线并添加气象权重因子建立大豆时序谱标准曲线精确识别大豆，重点分析大豆与玉米的时序谱差异，以及气象因素对曲线的影响，并建立时序谱标准曲线信息映射到样本的方法，解决大范围大豆制图样本不足的问题。本研究设计实验验证了在时间尺度以及灾害情况下基于时序谱标准曲线识别大豆方法的鲁棒性，通过时序谱标准曲线提取的物候特征结合随机森林分类器对2020年黑龙江省大豆进行分类制图，分类混淆矩阵显示大豆识别的总体精度为86.95%，用户精度为90.91%，制图精度为86.14%，F1-Score为0.8846。本研究方法能够通过气象因子的变化表现出地域差异和灾害影响，为大豆识别（尤其是一季大豆种植区）方法适应不同研究区和灾害情况提供可行思路。关键词：遥感;大豆;时序谱;标准曲线;物候;气象1807|5592|2<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-11-27
- 摘要：低温冷害是影响东北玉米生长发育及产量形成的主要气象灾害。以东北地区为研究区，利用2003年—2015年的MODIS陆地表面温度LST（Land Surface Temperature）数据产品、植被指数VI（Vegetation Index）数据产品与气象站点观测的日平均气温数据，构建以LST、VI和太阳赤纬（Ds）为自变量的日平均气温估算模型；结合时空数据融合方法，完成覆盖研究区的逐日的1 km空间分辨率的日平均气温数据集，逐年计算≥10 ℃的积温；结合玉米障碍型低温冷害指标和延迟型冷害指标，开展研究区2003年—2015年研究区玉米低温冷害遥感监测。监测结果显示，本研究区在2003年、2005年、2006年、2009年和2011年遭受大范围的延迟型低温冷害，与相关文献和农业农村部种植业司玉米单产数据分析对比结果表明，玉米障碍型低温冷害和延迟型低温冷害遥感监测结果与实际情况相符。关键词：遥感;MODIS;陆地表面温度;数据融合;低温冷害;春玉米1336|3566|3<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-11-27
- 摘要：作物病害遥感监测对精准防控和粮食安全至关重要。病害光谱响应规律及其生理依据是病害遥感监测的基础，而针对该基础性问题的深入研究仍较缺乏。本研究通过比较两类侵染特性相异的真菌病害及其光谱监测精度，旨在系统阐明病叶光谱响应机制及其特异性。研究选择活体营养型小麦白粉病WPM（Wheat Powdery Mildew）和半活体营养型水稻叶瘟病RLB（Rice Leaf Blast）作为实例。基于叶片反射光谱和辐射传输模型参数反演，本文对比了两类病害的光谱响应、生化参数与结构参数变化规律；并在病叶识别和病情严重度估算中比较病害光谱特征的精度差异及其特异性监测表现。结果表明，两类病害的光谱变异趋势整体相似但其光谱响应强度有显著差异，且两者在绿峰及近红外平台的光谱形状变化明显不同。此外，色素含量对两类病害响应趋势相似但强度不同，其中叶片含水量和结构参数仅对RLB响应显著。在病叶识别中，前人构建病害光谱特征均对目标病害监测表现出特异性优势。其中，小波特征WF3820和WF5866分别对WPM和RLB的识别精度最高且特异性最强。在病情估算中，光谱指数RIBIred和PRI分别对WPM和RLB病情严重度敏感性最高且特异性显著。其中，RIBIred在病叶识别和病情估算中的综合表现和特异性最优（Overall accuracy=0.74，R2=0.58）。本文将两类病害光谱响应与病理成因关联分析，为病害特异性光谱监测提供了有力证据和新的认识，对病害光谱监测机理解析和多种病害识别具有重要意义。关键词：遥感;病害识别;病情估算;PROSPECT;生化参数;叶片结构;光谱指数;连续小波变换1194|1174|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-11-27
- 摘要：作物病害的发生与其生境的适宜性关系密切，目前病害生境监测和评价通常较为粗放，主要依靠气象信息，对田块间作物生长状态和环境条件等空间异质性因素缺乏精细的描述，难以为病害的精准预测提供有效信息。本研究以水稻中发生面积较大的主要病害水稻纹枯病为研究对象，通过在县域尺度开展多年份病害等级调查获得建模及验证样本，综合运用光学、微波及热红外等多源遥感数据对病害关键生境因素进行监测，关键生境因素主要包括寄主生长状态、稻田水层状态及稻田地表温度生境因素，并在此基础上，结合空间网格化分析和偏最小二乘（PLS）回归方法建立了病害生境适宜性评价模型。结果表明，利用遥感信息能够有效表征病害相关生境因素，同时，基于多源遥感表征的生境因素建立的水稻纹枯病区域生境适宜性评价模型能够得到与实际病害调查空间分布趋势基本一致的结果，模型对病情等级的拟合优度R2为0.60—0.65，RMSE分别为0.72、0.56。基于多源遥感信息能够以空间连续的方式对寄主状态、环境条件等重要病害生境因素进行表征，及实现病害生境适宜性的有效评价，为病害预测、防控提供重要的参考和指导信息。关键词：水稻纹枯病;生境;遥感信息;空间网格化;评价模型1181|2642|1<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-11-27
