导读:农学院智慧农业团队在多尺度稻叶瘟敏感光谱指数构建,以及小农户田块稻叶瘟发生时空动态遥感监测方面的重要进展。
图1. 稻叶瘟侵染下不同病害严重程度的水稻光谱反射率。A. 单叶尺度不同接种后天数(Days after inoculation, DAI);B. 近地面冠层尺度不同病情指数(Disease index, DI)。
图2. RIBIs与传统光谱植被指数在温室(2018和2019)和自然条件下(2020)对健康与感病叶片分类精度的比较。RBVI:前人研究中对稻叶瘟较敏感的植被指数,SVI:类似RIBI的植被指数,TBVI:传统三波段植被指数,OD:其他类型病害指数,CW:叶绿素及水分敏感植被指数。
图3. RIBInir和传统指数NDVI在近地面(A和C)及卫星尺度(B和D)与稻叶瘟病情指数DI的相关性。不同颜色散点代表在不同时期和试验点获取的样本。
该研究进一步对Sentinel-2卫星影像提取的RIBInir进行时间序列分析和热点分析发现,在时间维度上,基于RIBInir的时间序列能准确追踪小农户田块中稻叶瘟的爆发与恢复态势,而传统植被指数NDVI对自然条件下稻瘟病发生过程的敏感性更差(图4)。空间维度上,RIBInir对稻叶瘟发生区域的刻画更加准确,稻叶瘟时空动态传播规律的与实地调查一致性更好(图5),卫星影像分析结果中表征病害恢复的绿色像素与呈现恢复趋势的黑色调查点吻合度更高。该研究构建了适用于叶片和冠层尺度的稻叶瘟敏感光谱指数,显著提高了对多尺度稻叶瘟发生的识别精度和对病情指数的估算能力;首次提出了基于光谱指数图的小农户田块稻叶瘟爆发热点识别思路,为基于卫星遥感的稻叶瘟传播概率等级划分和病害流行风险评估奠定基础。
图4.试验区(以江苏省淮安市唐曹村为例)Sentinel-2影像植被指数的时间序列结果比较(A. RIBInir; B. NDVI)。红色星号表示不同水平下的显著性差异。
图5.两个典型研究区卫星影像RIBInir和NDVI的热点分析结果(左:江苏省淮安市唐曹村;右:江苏省淮安市太平村)。黑色点代表实地调查点。
来源于:南京农业大学公众号平台
热门评论
最新资讯
新闻专题
更多推荐