基于气象因子和光谱信息的冬小麦赤霉病预测模型

Research article 研究论文

2020年2月，Food Production, Processing and Nutrition在线发表了江苏省农业科学院李卫国研究员课题组题为Estimation model of winter wheat disease based on meteorological factors and spectral information的研究论文。

小麦赤霉病

小麦赤霉病（WS）是由禾谷镰刀菌引起的冬小麦最严重的病害之一。长江淮河地区冬季降水和时空分布不均匀，光照和温度不稳定，使得小麦容易遭受病害感染。严重的WS总在大范围内快速爆发，科学家很难及时监测。近年来频发的WS对小麦生产、农业经济和食品安全造成严重的影响。中科院数据显示，2018年我国小麦赤霉病在安徽、江苏、河南及湖北四省累计发生面积为2150万亩。常规的农作物病害检测方法需要实地采样分析，耗时耗力且成本较高。

航空遥感。图源：中国科普博览

卫星遥感。图源：欧洲航天局网站

气球遥感。图源：中国科学网

遥感技术（RS）可利用传感器获得植被辐射特征和反射电磁波信息，实现对目标的监测。根据搭载传感器的工具不同，遥感的主要平台有飞机、高空气球、人造卫星、火箭、载人宇宙飞船等。把传感器安置在地面平台、手持、固定在高架对地面进行探测，叫做近地遥感。近地遥感的光谱数据，可为航空遥感图像资料的解译提供基础依据。

近年来RS的发展，为WS的大规模监测和及时预报提供了可能。研究表明，作物感染病害后，可见光和近红外波段的光谱特征发生显著变化，并且某些病害指数与冠层光谱有较好的定量关系。RS技术的应用，可指导农户科学预防、优化农药喷洒，从而提高冬小麦产量并减少经济损失。

Green seeker 手持主动遥感光谱仪。图源：NUE Web

在本研究中，作者对长江淮河流域的4个县进行了遥感监测。作者根据光谱信息和气象因子之间的相互作用，选择WS敏感因子建立冬小麦赤霉病指数（WSI）遥感估算模型。结果表明，不同时间尺度下日平均温度（DAT）、日平均相对湿度（DAH）与WSI的相关性显著；冬小麦生物量、叶面积指数（LAI）、叶绿素（LCC）与WSI之间呈线性正相关；归一化植被指数（NDVI）、比值植被指数（RVI）和差值植被指数（DVI）分别与LAI、生物量和LCC有良好的相关性，可在模型中替代后者；模型中的预测值与实际测量值一致（均方根误差=5.3%,估计精度=90.46%）。综上，本文建立的模型可以有效地估计长江淮河地区的WS。

本文的第一作者和通讯作者是江苏省农业科学院信息研究所李卫国研究员，本文的研究得到了国家自然科学基金（No.41571323、No. 41171336）、江苏省重点研究发展计划（BE2016730）、中国科学院遥感与数字地球研究所数字地球重点实验室开放研究基金（No.2016LDE007）和江苏省农业科学院基金（6111647）的资助。

扫描二维码  阅读论文

Estimation model of winter 

wheat disease based on 

meteorological factors and 

spectral information

通讯作者

李卫国，研究员，研究方向为农业灾害遥感、作物模型以及农业信息系统工程，江苏省第四期“333高层次人才培养工程”培养对象，为国家863计划项目、国家自然科学基金（面上项目和青年基金项目）、中国博士后基金项目和江苏省科技计划项目等项目的评审专家。

戳这里

欢迎大家参加2020年第十三届国际功能食品发展大会

时间：2020年10月18-21日

地点：中国 南京

会议网址：http://www.isnff2020.com

★ 云集全球功能食品领域知名专家学者、公司高管、业界精英  

★ 共享最新学术研究进展和行业未来

近100名国际专家学者参会。国际国内知名专家学者进行高端学术报告与交流。计划进行大会主报告3场，大会主旨报告9个；分报告24场，分报告150多个。

长按识别二维码关注我们

· END ·

素材来源 | 中国科普博览、欧洲航天局网站、中国科学网、NUE Web等