專利名稱：一種基于衛(wèi)星影像的病蟲害信息提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感圖像處理和農(nóng)學(xué)技術(shù)領(lǐng)域，具體涉及一種利用多時相衛(wèi)星影像數(shù)據(jù)在區(qū)域尺度提取作物病害信息的方法。
背景技術(shù)：
傳統(tǒng)的病蟲害調(diào)查主要依靠人工的目測手查、田間取樣等方式。這些方法雖然真實性和可靠性較高，但耗時、費力，且存在代表性、時效性差和主觀性強等弊端，已難以適應(yīng)目前大范圍的病蟲害實時監(jiān)測和預(yù)報的需求。遙感技術(shù)是目前唯一能夠在大范圍內(nèi)快速獲取空間連續(xù)地表信息的手段，其在農(nóng)作物估產(chǎn)、品質(zhì)預(yù)報和病蟲害監(jiān)測等多個方面有著不同程度的研究和應(yīng)用。這些應(yīng)用在很大程度上改變了傳統(tǒng)的作業(yè)和管理模式，極大地推動著農(nóng)業(yè)朝優(yōu)質(zhì)、高效、生態(tài)、安全和現(xiàn)代化、信息化的方向發(fā)展。對現(xiàn)有技術(shù)文獻的檢索發(fā)現(xiàn)，發(fā)現(xiàn)浙江大學(xué)2007年發(fā)明了一種可見和近紅外光譜的植物葉片或冠層灰霉病診斷方法與系統(tǒng)(申請?zhí)朇N200710069097. I),但由于該技術(shù)方法的應(yīng)用尺度限于作物葉片尺度，因此無法用于大范圍的病情監(jiān)測。同時，目前多數(shù)病害遙感監(jiān)測方法及裝置針對作物的葉片、冠層等尺度設(shè)計，較少基于衛(wèi)星遙感影像進行區(qū)域尺度的病害監(jiān)測。另一方面，早期的遙感數(shù)據(jù)，如Landsat TM和M0DIS，由于無法同時滿足較高的空間分辨率和時間分辨率，對區(qū)域尺度的病害監(jiān)測構(gòu)成了一定的硬件條件的障礙。已有的一些基于衛(wèi)星影像的作物病害監(jiān)測往往僅考慮了光譜信息，并未考慮對于病害監(jiān)測十分重要的時相信息，監(jiān)測結(jié)果存在著較大的不確定性。近年來，隨著如環(huán)境減災(zāi)小衛(wèi)星等一些中高分辨率、高重訪周期衛(wèi)星數(shù)據(jù)的出現(xiàn)，為區(qū)域尺度上的病害遙感監(jiān)測帶來了重要契機。作物病害的發(fā)生在光譜上和時間上會表現(xiàn)出某些特征，可作為遙感監(jiān)測的基礎(chǔ)。目前尚未有方法利用多時相衛(wèi)星影像數(shù)據(jù)在區(qū)域尺度上進行作物病害的大范圍監(jiān)測。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明的目的是提供一種基于多時相衛(wèi)星影像的區(qū)域尺度作物病害監(jiān)測方法，充分利用時間序列影像數(shù)據(jù)中的光譜信息和時相信息。(二)技術(shù)方案一種基于衛(wèi)星影像的病蟲害信息提取方法，所述方法包括如下步驟SI、訂購下載衛(wèi)星遙感影像，并對獲取的衛(wèi)星遙感影像進行預(yù)處理；S2、提取作物的種植范圍；S3、在病害監(jiān)控期，在影像獲取時進行同步地面調(diào)查；S4、提取影像數(shù)據(jù)的單時相和多時相植被指數(shù)的光譜特征；S5、結(jié)合地面調(diào)查數(shù)據(jù)篩選病害監(jiān)測的光譜特征；S6、基于光譜信息散度分析作物的病蟲害發(fā)生情況。
其中，所述影像的波段范圍包括可見光和近紅外波段。其中，所述影像的預(yù)處理過程包括輻射定標、大氣校正、幾何校正和云去除。其中，所述作物的種植范圍依據(jù)已有土地分類矢量圖或多時相影像進行分類獲得。其中，所述多時相影像在分類過程中需結(jié)合土地利用類型數(shù)據(jù)、地形數(shù)據(jù)和物候經(jīng)驗，采用決策樹、最大似然或神經(jīng)網(wǎng)絡(luò)進行種植范圍提取。其中，所述單時相植被指數(shù)由某一時相影像波段反射率計算得到，用于反映植被在某個時間點上的生理生化狀態(tài)；所述多時相植被指數(shù)根據(jù)某兩個時相的單時相植被指數(shù)進行歸一化計算得到，用于反映病害在田間發(fā)展變化的特點。其中，所述病害監(jiān)測的光譜特征獲取方法為根據(jù)調(diào)查樣點病害的發(fā)生情況，將樣本點分為正常樣本和染病樣本兩部分；分別從圖像上提取兩類樣本點不同形式光譜特征的單時相和多時相特征值；對每種光譜特征的單時相或多時相版本，采用獨立樣本t檢驗比較正常和染病樣本的差異程度；采用t檢驗的P值表征某一特征的差異程度，并據(jù)此生成一張各類不同形式光譜特征在不同時相和時相組合中的P值統(tǒng)計表格，其中，P值越小，正常和染病樣本的差異越大，特征對病害信息的響應(yīng)越強烈。其中，所述光譜信息散度分析的過程為通過判斷兩個像元間的相關(guān)程度，將待分類像元歸入相關(guān)程度最高的類別。(三)有益效果本發(fā)明充分利用時間序列影像數(shù)據(jù)中的光譜信息和時相信息，結(jié)合GIS、GPS、RS技術(shù)，將光譜信息散度分析引入作物災(zāi)害監(jiān)測領(lǐng)域，提出利用一定區(qū)域內(nèi)的星-地同步數(shù)據(jù)對病害進行大范圍監(jiān)測的方法和技術(shù)，有效降低病害監(jiān)測的野外作業(yè)的成本，并對傳統(tǒng)病害監(jiān)測方式進行了由點及面的擴展，便于政府部門和農(nóng)業(yè)管理部門及時、準確掌握和了解區(qū)域病害發(fā)生及嚴重程度等重要信息。


圖I為本發(fā)明實施例中基于多時相遙感影像數(shù)據(jù)進行病害監(jiān)測的工作示意圖；圖2為例中監(jiān)測區(qū)域范圍與地面調(diào)查樣點分布圖；圖3為例中小麥種植范圍提取流程圖；圖4為小麥白粉病監(jiān)測結(jié)果示意圖。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。本發(fā)明的實現(xiàn)采用如下技術(shù)方案第一步多時相衛(wèi)星遙感影像訂購下載及預(yù)處理。根據(jù)多數(shù)作物病害發(fā)生進程快特點和目前可用的衛(wèi)星遙感數(shù)據(jù)源，建議采用高重訪周期的中高分辨率衛(wèi)星影像。波段范圍需覆蓋可見光和近紅外波段。結(jié)合農(nóng)學(xué)植保經(jīng)驗，首先確定當?shù)刈魑锊『ψ钸m監(jiān)測時期(通常指田間目視癥狀較明顯的時期)。獲取病害發(fā)生至這一時期的多個時相的衛(wèi)星影像數(shù)據(jù)。影像的預(yù)處理過程包括輻射定標、大氣校正、幾何校正和云去除。后續(xù)病害信息提取基于預(yù)處理后得到的多時相的反射率影像數(shù)據(jù)進行。對2010年北京周邊的順義、通州地區(qū)小麥白粉病，通過多時相的環(huán)境小衛(wèi)星HJ-CXD和同步地面調(diào)查點數(shù)據(jù)進行病害監(jiān)測。根據(jù)小麥白粉病田間發(fā)生規(guī)律，選擇小麥拔節(jié)至灌漿期為病害的監(jiān)測時段，分別在2010年5月I日，5月13日，5月20日和5月25日獲取四期覆蓋應(yīng)用區(qū)域的HJ-CCD影像。配合各期影像的獲取時間，在各個時相共計對90個地面樣區(qū)進行病情調(diào)查,其中54個點作為訓(xùn)練樣本，36個點作為驗證樣本(圖2)。每次調(diào)查時間與衛(wèi)星影像獲取日期差距不超過3天第二步應(yīng)用區(qū)域作物種植范圍提取?？山Y(jié)合已有土地分類矢量圖或根據(jù)多時相影像進行分類獲得。分類過程需結(jié)合應(yīng)用區(qū)域中的土地利用類型數(shù)據(jù)、地形數(shù)據(jù)和物候經(jīng)驗等先驗知識，采用決策樹、最大似然或神經(jīng)網(wǎng)絡(luò)等監(jiān)督分類方法進行作物種植范圍提取。后續(xù)的作物病害信息提取在分類得到的作物種植范圍內(nèi)進行，以減小來自其他地物或作物類型的干擾。本例中對小麥種植范圍提取采用一個結(jié)合衛(wèi)星影像、DEM數(shù)據(jù)以及物候知識的決策樹分類框架，基本流程見圖3。首先根據(jù)一期5月20日的HJ-CCD影像(該時相研究區(qū)內(nèi)冬小麥正處于旺盛的生長階段)，采用一個NDVI閾值(NDVI>0. 7)將植被區(qū)域與非植被區(qū)域分離開。在研究區(qū)的植被區(qū)域中，除作物以外，主要包含草地、森林兩種植被類型?；诓莸卦诮t外波段反射率高于小麥和森林這一特點，通過一個Nir閾值(Nir〈0. 44)將小麥和森林進一步分離出來。考慮到研究區(qū)森林主要位于北京市西北側(cè)的山區(qū)，為此通過一個DEM閾值(DEM〈100m)能夠較容易地將小麥與森林分離開。在得到初步小麥種植范圍的基礎(chǔ)上，采用ENVI4. 7軟件的sieve class功能對結(jié)果進行優(yōu)化，去除分類結(jié)果中的“椒鹽”像元，得到研究區(qū)的冬小麥種植面積圖。采用60個地面驗證點對該分類結(jié)果進行檢驗，冬小麥面積提取的總體精度達到90%以上。第三步在病害發(fā)生關(guān)鍵時期開展與影像獲取時間同步的地面調(diào)查。地面調(diào)查與對應(yīng)時期衛(wèi)星拍攝日期相隔不超過3天。根據(jù)應(yīng)用區(qū)域的面積，在樣點設(shè)置上應(yīng)不低于I樣點/IOkm2的密度。同時,總調(diào)查樣點個數(shù)應(yīng)不少于30個。調(diào)查范圍包括所有選擇的樣點均為一個直徑超過30m的小麥連續(xù)種植區(qū)域，調(diào)查的內(nèi)容為調(diào)查區(qū)域內(nèi)作物的發(fā)病級別。為便于大范圍中的田間調(diào)查和病害管理，將染病田塊分為輕、重兩個級別。針對不同作物的不同病害，具體病級劃定標準參考病害測報國家標準進行。第四步病害監(jiān)測的單時相和多時相光譜特征提取。該方法在綜合調(diào)研國內(nèi)外適于作物病害監(jiān)測的文獻資料基礎(chǔ)上，分別采用13個光譜特征作為病害監(jiān)測的備選特征，包括與多數(shù)中高分辨率多光譜衛(wèi)星影像兼容的藍(Rb)、綠(Re)、紅(RK)、近紅外(Rnik)通道原始反射率，以及NDVI，SR，GNDVI，SAVI，TVI, MSR, NLI，RDVI，OSAVI九個寬波段植被指數(shù)(各指數(shù)定義見表I)。本方法分別采用單時相和多時相兩種版本的植被指數(shù)進行分析。其中，單時相植被指數(shù)由某一時相影像波段反射率計算得到，用于反映植被在某個時間點上的生理生化狀態(tài)；多時相植被指數(shù)根據(jù)兩個時相的單時相植被指數(shù)進行歸一化計算得到，用于反映病害在田間發(fā)展變化的特點。假設(shè)有M和N為前后兩個時相，對于某一植被指數(shù)形式VI，多時相反射率計算公式為(VIn-VIm)/(VIN+VIM)。對于η個時相，將時相進行兩兩組合，共可得到Ch2個多時相光譜特征。本方法中，上述單時相特征和多時相特征均作為病害監(jiān)測的備選特征。表I植被特征定義及形式
權(quán)利要求
1.一種基于衛(wèi)星影像的病蟲害信息提取方法，其特征在于，所述方法包括如下步驟51、訂購下載衛(wèi)星遙感影像，并對獲取的衛(wèi)星遙感影像進行預(yù)處理；52、提取作物的種植范圍；53、在病害監(jiān)控期，在影像獲取時進行同步地面調(diào)查；54、提取影像數(shù)據(jù)的單時相和多時相植被指數(shù)的光譜特征；55、結(jié)合地面調(diào)查數(shù)據(jù)篩選病害監(jiān)測的光譜特征；56、基于光譜信息散度分析作物的病蟲害發(fā)生情況。其中，所述影像的波段范圍包括可見光和近紅外波段。
2.如權(quán)利要求I所述的方法，其特征在于，所述影像的波段范圍包括可見光和紅外波段。
3.如權(quán)利要求I所述的方法，其特征在于，所述影像的預(yù)處理過程包括輻射定標、大氣校正、幾何校正和云去除。
4.如權(quán)利要求I所述的方法，其特征在于，所述作物的種植范圍依據(jù)已有土地分類矢量圖或多時相影像進行分類獲得。
5.如權(quán)利要求4所述的方法，其特征在于，所述多時相影像在分類過程中需結(jié)合土地利用類型數(shù)據(jù)、地形數(shù)據(jù)和物候經(jīng)驗，采用決策樹、最大似然或神經(jīng)網(wǎng)絡(luò)進行種植范圍提取。
6.如權(quán)利要求I所述的方法，其特征在于，所述單時相植被指數(shù)由某一時相影像波段反射率計算得到，用于反映植被在某個時間點上的生理生化狀態(tài)；所述多時相植被指數(shù)根據(jù)某兩個時相的單時相植被指數(shù)進行歸一化計算得到，用于反映病害在田間發(fā)展變化的特
7.如權(quán)利要求I所述的方法，其特征在于，所述病害監(jiān)測的光譜特征獲取方法為根據(jù)調(diào)查樣點病害的發(fā)生情況，將樣本點分為正常樣本和染病樣本兩部分；分別從圖像上提取兩類樣本點不同形式光譜特征的單時相和多時相特征值；對每種光譜特征的單時相或多時相版本，采用獨立樣本t檢驗比較正常和染病樣本的差異程度；采用t檢驗的P值表征某一特征的差異程度，并據(jù)此生成一張各類不同形式光譜特征在不同時相和時相組合中的P值統(tǒng)計表格，其中，P值越小，正常和染病樣本的差異越大，特征對病害信息的響應(yīng)越強烈。
8.如權(quán)利要求I所述的方法，其特征在于，所述光譜信息散度分析的過程為通過判斷兩個像元間的相關(guān)程度，將待分類像元歸入相關(guān)程度最高的類別。
全文摘要
本發(fā)明提供的一種基于多時相衛(wèi)星影像的區(qū)域尺度作物病害監(jiān)測方法，充分利用時間序列影像數(shù)據(jù)中的光譜信息和時相信息，結(jié)合GIS、GPS、RS技術(shù)，將光譜信息散度分析引入作物災(zāi)害監(jiān)測領(lǐng)域，提出利用一定區(qū)域內(nèi)的星-地同步數(shù)據(jù)對病害進行大范圍監(jiān)測的方法和技術(shù)，有效降低病害監(jiān)測的野外作業(yè)的成本，并對傳統(tǒng)病害監(jiān)測方式進行了由點及面的擴展，便于政府部門和農(nóng)業(yè)管理部門及時、準確掌握和了解區(qū)域病害發(fā)生及嚴重程度等重要信息。
文檔編號G01N21/25GK102937574SQ20121025453
公開日2013年2月20日 申請日期2012年7月20日 優(yōu)先權(quán)日2012年7月20日
發(fā)明者張競成, 王紀華, 趙春江, 袁琳, 楊小冬, 李存軍, 楊貴軍, 楊浩 申請人:北京農(nóng)業(yè)信息技術(shù)研究中心