多源遥感信息水稻纹枯病早期监测及流行预警模型

Currently, the crop disease forecasting models that were adopted by agricultural plant protection department mainly rely on meteorological and field survey data. Given the lack of disease occurrence information at early stages and habitat suitability information, large uncertainty remains in model’s outputs, which thus hampers its application in guiding the precision prevention of disease. To answer this call, this project takes rice sheath blight disease as an example, which is one of the most serious rice diseases in China. By introducing remote sensing information and combining it with meteorological data, this project plans on the following contents: (1) Apply the multi-angular spectral imaging technique to study the way in monitoring the early disease symptoms around the bottom of plant; to study corresponding methods for spectral and image analysis; and to determine the optimal viewing angle for the disease early detection; (2) For the monitoring of disease habitat suitability, to study the monitoring methods for disease associated nutrient and canopy structural parameters based on in-situ spectral measurements; to extend the monitoring to parcel level with UAV and high-resolution satellite images; based on remotely sensed monitoring information and meteorological data, to establish disease habitat suitability evaluation method; (3) to establish the forecasting model of the rice sheath blight disease by coupling disease epidemic model with disease habitat suitability information and early occurrence information of the disease. The outcomes of the project are expected to improve the existing crop disease early warning system substantially, which could also potentially support the prevention of rice sheath blight disease.

目前农业植保部门的作物病害预警模型局限于气象信息和大田调查数据，由于缺少对病害早期发生信息的有效提取和农田生境信息的面状监测，导致模型存在较大的不确定性，难以精确指导病害防治。针对这一问题，本项目以我国发生面积最大的水稻病害——纹枯病为研究对象，引入“面”上的遥感信息，与“点”上的气象信息形成互补，主要内容包括：1）针对病害初期植株下部症状监测，基于多角度成像光谱观测研究结合光谱、图像特征的纹枯病早期发生监测方法，确定最优观测角度；2）针对农田生境信息的监测问题，结合近地光谱实验和无人机、高分卫星影像，研究田块尺度病害关联作物营养和群体结构参数的监测方法，并结合气象信息建立病害生境适宜性评价方法；3）将农田生境适宜性和病害早期发生的遥感监测信息与病害流行学方程耦合，建立纹枯病流行预测模型，最终实现时空连续的病害流行预警。项目研究成果可望提高现有作物病害预警水平，有效支持水稻纹枯病防控管理。

水稻纹枯病是一种主要的病害，目前不论发生频率、发生面积还是造成的产量损失均居各病害之首。针对该病的监测预警，本项目主要开展以下工作：1.科学实验，包括：①水稻纹枯病识别的成像光谱采集，采集包含不同生长期、纹枯病程度及品种的12个小区水稻茎秆成像光谱，并通过无人机搭载成像光谱仪采集无人机尺度成像光谱；②多角度成像光谱水稻纹枯病监测，采集包含不同生长期、不同品种及纹枯病程度的60个小区光谱，并在纹枯病高峰期对每个小区进行取样调查；③水稻纹枯病生境评价相关实验，2018-2020年间8月份于扬州市及湖州市开展田间数据调查实验，在每个100*100m的调查区域中记录纹枯病发生程度信息，并同步收集对应的气象和卫星数据；④病害区域流行预测方法实验，收集多个省份2010-2016年间（除2012年）水稻纹枯病相关数据，及对应的气象数据。2.基于成像光谱分析的水稻纹枯病识别算法，首先通过提取病斑ROI区域分离病斑和叶片、茎秆等多种光谱，基于JM距离和T检验提取具有分类敏感性的光谱特征，最终通过SVM算法建立病斑识别模型并进行精度验证。3.基于多角度成像光谱的水稻纹枯病监测方法，在0°，±30°和±45°的观测角度下，对划分的每个小区进行光谱提取，表明550nm和680nm波段反射率易受观测角度影响，通过不同观测角度计算的经验型植被指数与纹枯病害程度的相关性分析，发现-30°观测天顶角和植被指数ND705的组合对病情系数进行建模可得到最高精度的模型。4.综合多源遥感、气象信息的水稻纹枯病生境评价方法，通过多时相光学及微波数据对纹枯病寄主生长因素的监测以及通过微波与热红外数据的稻田水层和温度场监测，建立水稻纹枯病的生境适宜性评价模型。5.综合多源信息和机理性模型的病害区域尺度流行预测方法，基于Logistic回归模型，建立纹枯病发病等级预测模型，进一步加入温度、湿度影响模块并将气象因子作为参数纳入模型，验证结果表明预测的病害发生等级与实际病害等级基本一致。本项目开展期望提升传统病害流行的监测和预测能力，为提升作物病害精细化高效防控工作提供科技支撑。.项目组在论文方面共发表论文18篇，包括SCI收录论文13篇（中科院一区、二区论文8篇），申请发明专利5项，软件著作权1项，项目培养硕士研究生9名，项目主持人入选浙江省151人才第三层次、浙江省中青年学科带头人等荣誉。