奧譜天成ATH9010助力農(nóng)業(yè)生產(chǎn)
小麥?zhǔn)俏覈?guó)三大糧食作物（小麥、水稻、玉米）之一，是國(guó)家糧食戰(zhàn)略安全的關(guān)鍵。然而，作物病蟲(chóng)害（常見(jiàn)病害有20余種）嚴(yán)重危害小麥生產(chǎn)安全。由小麥條銹病菌引起的條銹病爆發(fā)性爆發(fā)和區(qū)域性流行。在流行年份，條銹病可使小麥減產(chǎn)40%以上，甚至絕收。因此，防治小麥條銹病對(duì)糧食安全至關(guān)重要。只有準(zhǔn)確監(jiān)測(cè)小麥病害，才能有效防控，最大限度減少損失。
傳統(tǒng)上，農(nóng)作物病害采用目視監(jiān)測(cè)，存在覆蓋范圍小、調(diào)查人員主觀(guān)性強(qiáng)等重大局限性。因此，需要一種高效、無(wú)損的農(nóng)作物病害監(jiān)測(cè)方法來(lái)取代傳統(tǒng)方法。經(jīng)過(guò)多年的發(fā)展，遙感已經(jīng)成為監(jiān)測(cè)農(nóng)作物病害的有效技術(shù)。遙感的優(yōu)勢(shì)在于可以低成本評(píng)估農(nóng)作物病害的空間分布，從而更好地控制病害。
高光譜遙感是一種相對(duì)先進(jìn)的技術(shù)。與多光譜技術(shù)相比，它可以提供豐富的窄帶信息。先前的研究已經(jīng)討論了高光譜遙感在各種應(yīng)用中相對(duì)于多光譜的優(yōu)勢(shì)。高光譜技術(shù)在作物病害監(jiān)測(cè)中的優(yōu)勢(shì)在于它可以捕捉到由病害引起的某些生理變化（例如色素和水分含量）。在之前的研究中，許多作物病害已經(jīng)通過(guò)高光譜遙感進(jìn)行了監(jiān)測(cè)，包括小麥黃銹病、白粉病、鐮刀菌赤霉病、花生葉斑病、番茄斑萎病毒和水稻細(xì)菌性葉枯病。
植被指數(shù)（VI）在之前的研究中已顯示出良好的作物病害監(jiān)測(cè)性能，VI 對(duì)病害引起的葉片內(nèi)部生理變化很敏感，但不能代表葉片表面特征的變化。紋理是一種反映病害引起的外部變化的特征，已被證明在作物病害監(jiān)測(cè)中具有良好的性能。先前的研究已經(jīng)結(jié)合光譜和紋理特征來(lái)提高表征病害的能力。這些研究證實(shí)了 VI、紋理特征（TF）及其組合對(duì)作物病害監(jiān)測(cè)的有效性。然而，先前關(guān)于融合光譜和圖像特征檢測(cè)作物病害的研究大多是在葉片尺度上進(jìn)行的，該方法在田間尺度上檢測(cè)病害的可行性尚未得到證實(shí)。
無(wú)人機(jī)遙感技術(shù)融合了靈活性高、成本低和操作簡(jiǎn)便等優(yōu)勢(shì)，彌補(bǔ)了傳統(tǒng)衛(wèi)星遙感的不足之處。通過(guò)將遙感設(shè)備搭載在無(wú)人機(jī)上，可以快速采集高時(shí)空分辨率的空間遙感信息，隨后進(jìn)行數(shù)據(jù)處理、建模及應(yīng)用分析。這為農(nóng)田智能化管理的發(fā)展提供了重要的技術(shù)支持。
為深入研究這一問(wèn)題，應(yīng)用采用搭載高光譜傳感器的無(wú)人機(jī)在不同空間尺度上監(jiān)測(cè)小麥黃銹病的多個(gè)感染階段。研究目標(biāo)是：（1）評(píng)估使用無(wú)人機(jī)高光譜圖像獲取的 VI、TF 及其組合在田間尺度上監(jiān)測(cè)小麥黃銹病的性能；（2）確定使用無(wú)人機(jī)圖像監(jiān)測(cè)小麥黃銹病的最佳圖像空間分辨率；（3）利用最佳特征和最佳空間分辨率建立田間尺度上感染早期、感染中期和感染晚期的黃銹病監(jiān)測(cè)模型。
圖1 正常小麥葉片（左）和黃銹病小麥葉片（右）
2、技術(shù)思路與主要內(nèi)容
2.1. 遙感影像獲取與預(yù)處理
采用配備高光譜成像傳感器的無(wú)人機(jī)系統(tǒng)(圖 2) 采集小麥圖像。無(wú)人機(jī)高光譜成像系統(tǒng)由四部分組成，包括六旋翼電動(dòng)無(wú)人機(jī)系統(tǒng) 、高光譜數(shù)據(jù)采集系統(tǒng)、三軸穩(wěn)定平臺(tái)和數(shù)據(jù)處理系統(tǒng)。
圖2無(wú)人機(jī)傳感器
無(wú)人機(jī)飛行高度為30 m，飛行速度為4 m/s，前向重疊度約80%，側(cè)向重疊度約60%。在30 m的飛行高度下，我們獲得了空間分辨率為1.2 cm，光譜分辨率為4 nm的高光譜圖像。無(wú)人機(jī)高光譜數(shù)據(jù)采集要求天氣晴朗，無(wú)風(fēng)或風(fēng)速較小。本研究中的圖像采集時(shí)段為上午11:00至下午13:00。
在小麥生長(zhǎng)的關(guān)鍵時(shí)期，我們于4月25日、5月4日、5月11日、5月18日、5月24日和5月30日進(jìn)行了6次基于無(wú)人機(jī)的高光譜觀(guān)測(cè)試驗(yàn)，分別對(duì)應(yīng)接種后7、16、23、30、36和42天（DPI）。圖3顯示了不同感染時(shí)期小麥黃銹病的發(fā)展情況。
圖3 不同時(shí)期小麥的照片
每次共獲取24個(gè)樣品，其中健康地塊獲取8個(gè)樣品，兩個(gè)接種地塊獲取16個(gè)樣品。6次試驗(yàn)共獲取144個(gè)樣品，其中健康樣品57個(gè)，感染黃銹病樣品87個(gè)。
小麥黃銹病的嚴(yán)重程度用病情指數(shù)（DI）來(lái)描述。從每個(gè)1m2的地塊中隨機(jī)選擇40株小麥植株，以所選植株頂端第一片和第二片小麥葉片來(lái)評(píng)估病情嚴(yán)重程度。每個(gè)地塊共選取80片葉片計(jì)算DI。根據(jù)《國(guó)家農(nóng)作物病害調(diào)查預(yù)報(bào)規(guī)范》（GB/T 15795-2011），葉片發(fā)病率分為9級(jí)（0%、1%、10%、20%、30%、45%、60%、80%、100%），其中0%為健康，1%為病害1級(jí)，10%為病害2級(jí)……100%為病害8級(jí)。黃銹病發(fā)病率評(píng)估在無(wú)人機(jī)采集圖像后立即進(jìn)行，并由同一人員在專(zhuān)業(yè)人員的指導(dǎo)和監(jiān)督下進(jìn)行。
2.2. 實(shí)驗(yàn)方法
采用PLSR建立小麥黃銹病監(jiān)測(cè)模型。PLSR此前已被應(yīng)用于作物生長(zhǎng)監(jiān)測(cè)和生理化學(xué)參數(shù)估計(jì)。PLSR是一種經(jīng)典的建模方法，它包括三種方法的特點(diǎn)：PCA、典型相關(guān)分析和多元線(xiàn)性回歸分析。在PLSR中，變量的潛在結(jié)構(gòu)是通過(guò)成分投影來(lái)確定的，該成分投影將預(yù)測(cè)變量和觀(guān)測(cè)變量投影到一個(gè)新的空間。因此，通過(guò)選擇最&優(yōu)的潛在變量，將具有高數(shù)據(jù)冗余的原始變量轉(zhuǎn)換為少數(shù)變量。PLSR可以表示為描述預(yù)測(cè)變量和觀(guān)測(cè)變量之間關(guān)系的線(xiàn)性模型。
2.3. 高光譜像元獲取
最近鄰算法對(duì)原始圖像（1.2 厘米分辨率）進(jìn)行重新采樣，以生成新圖像（3、5、7、10、15、20 厘米分辨率）。無(wú)人機(jī)影像中的地物包括小麥植株和土壤。
2.4. 采樣點(diǎn)
本研究采用NDVI閾值法從1.2 cm空間分辨率的圖像中提取小麥像素。該方法的過(guò)程如下：首先，設(shè)定最佳NDVI閾值。一般植被的NDVI范圍為0.3–1.0。經(jīng)過(guò)多次嘗試，我們發(fā)現(xiàn)0.42的NDVI閾值可以準(zhǔn)確地將小麥像素與背景像素分開(kāi)。其次，將大于0.42的NDVI制作成用于提取小麥像素的掩模文件。最后，我們利用該掩模文件對(duì)原始圖像進(jìn)行裁剪，得到僅包含小麥像素的圖像。為了保證不同空間分辨率圖像的小麥像素的一致性，利用原始圖像（1.2 cm）的NDVI閾值制作的掩模文件來(lái)提取其他空間分辨率圖像的小麥像素。僅包含小麥植株像素的高光譜圖像用于后續(xù)處理和分析選擇這些特定分辨率的原因是它們代表了大多數(shù)用于監(jiān)測(cè)作物健康狀況的無(wú)人機(jī)圖像。圖 4 顯示了具有不同空間分辨率的無(wú)人機(jī)高光譜圖像的示例，該圖像是 4 月 25 日獲得的圖像中區(qū)域 A 的一部分。
圖 4 不同空間分辨率的無(wú)人機(jī)高光譜圖像
3、 結(jié)論
本應(yīng)用利用無(wú)人機(jī)高光譜影像在田間尺度上對(duì)小麥條銹病進(jìn)行監(jiān)測(cè)，采用不同的特征（VI、TF及其組合）建立小麥條銹病早期、中期和晚期的PLSR監(jiān)測(cè)模型，并評(píng)估了不同影像空間分辨率（1.2 cm、3 cm、5 cm、7 cm、10 cm、15 cm和20 cm）對(duì)監(jiān)測(cè)精度的影響。得到以下結(jié)論：（1）基于VI的模型在侵染中期的監(jiān)測(cè)精度最高，基于TF的模型在侵染晚期的監(jiān)測(cè)精度最高。但基于TF的模型不適用于侵染早期的條銹病監(jiān)測(cè)，最高監(jiān)測(cè)精度僅為R2為0.28。 (2) 在三個(gè)侵染時(shí)期,基于VI-TF的模型監(jiān)測(cè)精度均高于基于VI和基于TF的模型,且在侵染后期監(jiān)測(cè)精度最高(R2=0.88),此外,基于VI-TF的模型在侵染初期的監(jiān)測(cè)精度也顯著提高,適用于病害的早期檢測(cè)。(3)空間分辨率對(duì)基于VI的模型監(jiān)測(cè)精度影響較小,對(duì)基于TF的模型影響較大,基于VI-TF的模型監(jiān)測(cè)條銹病的最佳空間分辨率為10cm。
圖5 識(shí)別結(jié)果
