多源数据小麦全蚀病区域尺度预警研究

Wheat take-all is one of the devastating diseases threatening wheat production. Space early warning in a regional scale is of significant importance to disease control. As existing disease forecasting conducted within a wide range of areas uses only meteorological data without taking into consideration other pathogenic factors, the forecasting results are not accurate enough and of little referential significance to practical field operation. Hence, the key problems to be solved by disease forecasting are how to acquire key information on wheat take-all disease by using multi-source data, and how to get space-continuous warning in a regional scale. Based on the pathogenesis of wheat take-all and with the application of remote sensing data (area-continuous), sensing and meteorological data (temporal-continuous) and other environmental data, this research is designed to extract and analyze three key factors of wheat disease: the region being infected by take-all disease last year, existing growing information of wheat and environmental information of farmland. On this basis, the spatial and time-sequence characteristics of wheat take-all disease were observed by combining with the knowledgement of agronomy and plant protection. We finally built the database of wheat take-all pathogenic factor. Disease pathogenesis information database as drive information, the method of CA - MAS model and image segmentation was adopted to build the object-oriented wheat take-all disease early warning model. The results could improve the forecasting of wheat take-all disease in a regional scale theoretically and methodologically.

全蚀病是一种造成小麦严重产量损失的毁灭性病害，近年来在各麦区呈多发趋势。区域尺度的空间预警对病害防治有重要意义。目前小麦病害预测方法往往不考虑其它致病因素，仅靠气象数据在大范围进行，导致预测精度较低，无法指导实际田间操作。如何整合多源数据来获取导致病害发生的关键信息，如何实现面状连续的空间预警是病害预测要解决的关键问题。本项目从小麦全蚀病的发病机制出发，利用遥感数据（面状连续）、传感和气象数据（时相连续）及其他环境数据提取和解析导致病害发生的三个关键要素：病原区、现势小麦长势和农田环境信息，在此基础上结合农学和植物保护知识获取病害发生的空间及时序特征，最终构建病害因子信息库，以此为驱动信息，耦合元胞自动机与多智能体系统模型和图像分割方法，构建面向对象的小麦全蚀病空间预警模型。研究结果能从理论和方法上提高区域尺度小麦全蚀病的预测水平。

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、无损小麦全蚀病空间分布对其防治具有重要意义。大尺度监测小麦全蚀病灾情，需要结合患病后小麦长势监测，以提高病害监测精度。鉴于只使用归一化植被指数（NDVI）这一评价因子，易高估冬小麦长势，该文引入基于多时相植被指数的变化向量分析法，进行冬小麦全蚀病害灾情及受灾后长势监测研究。选取河南生温县与孟州交界区域冬小麦冻害作为研究对象，利用多时相Landsat 8 OLI和国产GF-2数据提取多种植被指数，构建变化向量并分析其动态变化趋势，结合患病冬小麦光谱特征敏感性分析，建立小麦全蚀病遥感监测模型，进行研究区小麦全蚀病病情分布填图。结果表明，变化向量分析法能有效地反映冬小麦小麦全蚀病患病程度及空间分布，在基于多种植被指数建立的变化向量监测模型。另选取了研究区内的15个样本进行验证，根据预测模型分级与实测模型分级的符合率计算公式得出小麦全蚀病害监测模型精度为86.7%，效果较为理想。因此，变化向量分析法能有效地监测冬小麦全蚀病患病程度，同时对其他作物灾害监测提供了途径。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，尝试在田块尺度对小麦全蚀病分布进行空间填图。利用同步获取的地面ASD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，计算差值光谱指数、比值光谱指数 及归一化差值光谱指数 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，并与三个指数构建的偏最小二乘回归法构建的预测模型进行对比其精确度与稳健性。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R2达0.97以上，三种光谱指数与DI构建偏最小二乘回归模型， DSI对模型贡献度最高。最后使用该模型对该地块进行病情指数反演，制作了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小麦全蚀病的精准监测应用方面提供了技术理论与科学依据，并对未来卫星遥感探索小麦全蚀病大面积监测提供理论基础。