包云軒，李玉婷，王 琳，高文婷，朱 鳳

?

基于多時(shí)相HJ衛(wèi)星遙感影像的稻縱卷葉螟發(fā)生情況監(jiān)測*

包云軒1,2，李玉婷1,2，王 琳1,2，高文婷1,2，朱 鳳3

（1.南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室，南京 210044；2.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)和評估協(xié)同創(chuàng)新中心，南京 210044；3.江蘇省植物保護(hù)站，南京 210013）

以江蘇省高郵市湯莊鎮(zhèn)2013年水稻田為研究區(qū)，以相同時(shí)期HJ-1A/1B衛(wèi)星影像為數(shù)據(jù)源，提取研究區(qū)內(nèi)水稻全生育期受稻縱卷葉螟危害的歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)(EVI)、近紅外反射率（NIR）的光譜特征參數(shù)，揭示蟲害發(fā)生及其演變特征，分析這些光譜特征參數(shù)與蟲害發(fā)生、發(fā)展和危害程度之間的關(guān)系。結(jié)果表明：（1）稻縱卷葉螟蟲害發(fā)生越嚴(yán)重，光譜特征參數(shù)變化越明顯；（2）定性分析表明稻縱卷葉螟危害程度與兩個(gè)田塊的光譜特征參數(shù)差異均呈正相關(guān)關(guān)系。（3）對3個(gè)衡量指標(biāo)和水稻卷葉率的定量相關(guān)分析表明，DNIR（正常水稻與受害水稻的NIR差值）與水稻卷葉率呈極顯著相關(guān)（P<0.01），DEVI（正常水稻與受害水稻的EVI差值）與水稻卷葉率呈顯著相關(guān)（P<0.05），而DNDVI（正常水稻與受害水稻的NDVI差值）與水稻卷葉率相關(guān)性不明顯?？梢?，利用環(huán)境小衛(wèi)星影像動(dòng)態(tài)監(jiān)測和預(yù)警稻縱卷葉螟的發(fā)生發(fā)展?fàn)顩r是可行的，可為蟲害動(dòng)態(tài)監(jiān)測提供一種可能的方法。

稻縱卷葉螟；HJ-1A/1B衛(wèi)星；歸一化植被指數(shù)；增強(qiáng)型植被指數(shù)；高郵

稻縱卷葉螟(Guenée)廣泛分布于全國各個(gè)稻區(qū)，自2003年全國性暴發(fā)以來，其發(fā)生面積和為害程度一直維持在較高水平，據(jù)統(tǒng)計(jì)，2007年全國稻縱卷葉螟發(fā)生面積達(dá)2.53×107hm2，較2003年增加29.3%，具有發(fā)生范圍廣、危害面積大等特點(diǎn)[1]，其造成的損失巨大，對中國水稻生產(chǎn)構(gòu)成了嚴(yán)重威脅。但是由于稻縱卷葉螟具有遠(yuǎn)距離遷飛的習(xí)性，其暴發(fā)時(shí)間不固定，空間分布不均勻，給預(yù)測預(yù)報(bào)和綜合防治帶來了很大困難[2]。

在傳統(tǒng)的測報(bào)業(yè)務(wù)上，稻縱卷葉螟的監(jiān)測主要依靠燈誘法、趕蛾法、田間剝查法等人工田間調(diào)查方式[3-4]。人工調(diào)查的優(yōu)點(diǎn)是客觀真實(shí)、可靠性高，但存在著費(fèi)時(shí)費(fèi)力的弊端，無法宏觀監(jiān)測大范圍水稻受害狀況。近年來，隨著空間信息技術(shù)的迅猛發(fā)展，遙感技術(shù)已經(jīng)廣泛應(yīng)用到農(nóng)作物生長過程、病蟲害監(jiān)測、農(nóng)作物估產(chǎn)等方面，利用遙感技術(shù)監(jiān)測病蟲害具有快速、簡便、大面積、無損、客觀以及能夠制成各種專題報(bào)告等優(yōu)點(diǎn)，已成為農(nóng)作物病蟲害監(jiān)測的重要發(fā)展方向[5-11]。國內(nèi)外很多學(xué)者在病蟲害遙感方面都做了研究，石晶晶等[12]研究表明，受害后，水稻葉片在藍(lán)光和紅光波段吸收谷的深度小于健康葉片。在稻縱卷葉螟暴發(fā)后，葉片光譜的“紅邊”位置會(huì)朝短波方向移動(dòng)，即發(fā)生“紅邊藍(lán)移”。同時(shí)，“紅邊”面積和“紅邊”幅值也隨著受害等級的加劇而顯著減小[13]。Meigs等[14]利用光譜的時(shí)間序列變化規(guī)律，能夠區(qū)分出不同為害周期的害蟲種類。Goodwin等[15]基于時(shí)間序列遙感影像，確定了蟲害開始發(fā)生時(shí)間和生物量下降時(shí)間等參數(shù)。通常，遙感影像時(shí)間序列越長，時(shí)間分辨率越高，蟲害發(fā)生的預(yù)測精度也越高。然而，針對水稻受稻縱卷葉螟危害后，基于多時(shí)相HJ衛(wèi)星遙感的光譜參數(shù)變化特征的研究報(bào)道鮮見。中國是水稻生產(chǎn)大國之一，生產(chǎn)中經(jīng)常受到稻縱卷葉螟的危害導(dǎo)致水稻減產(chǎn)，同時(shí)降低了水稻品質(zhì)，因此，及時(shí)監(jiān)測水稻的生長狀況從而采取相關(guān)措施顯得尤為重要。鑒于此，本研究對兩塊不同大田進(jìn)行試驗(yàn)設(shè)計(jì)，并獲取2013年高郵市水稻生長期內(nèi)質(zhì)量較好的13景HJ-1A/1B CCD遙感影像，研究兩塊田塊在不同稻縱卷葉螟發(fā)生程度下，水稻光譜特征參數(shù)在整個(gè)生育期的變化特征及其與水稻受害程度的關(guān)系，利用田間稻縱卷葉螟觀測結(jié)果和遙感影像提取的參數(shù)來分析蟲害的發(fā)生程度與光譜特征的相關(guān)關(guān)系，以期為更好地實(shí)現(xiàn)水稻病蟲害遙感診斷監(jiān)測、產(chǎn)量損失評估以及發(fā)生發(fā)展趨勢預(yù)警提供科學(xué)依據(jù)。

1 材料與方法

1.1 試驗(yàn)區(qū)概況

試驗(yàn)區(qū)位于高郵市湯莊鎮(zhèn)，地處江蘇省高郵、江都、興化三市交界區(qū)域。試驗(yàn)數(shù)據(jù)主要來源于江蘇省高郵市湯莊鎮(zhèn)余富村（32°48′N，119°48′E）、縵陽村（32°46′N，119°47′E）。試驗(yàn)地區(qū)屬北亞熱帶季風(fēng)氣候區(qū)，四季分明，夏季雨量較多，無明顯干季。

1.2 試驗(yàn)設(shè)計(jì)及調(diào)查方法

供試水稻品種為淮稻5號，屬遲熟中粳稻。試驗(yàn)區(qū)在余富村，面積7.3hm2，該區(qū)水稻整個(gè)生長季均受到稻縱卷葉螟危害，并在稻縱卷葉螟達(dá)到防治指標(biāo)后進(jìn)行人工控制，以防后期水稻無法正常生長，其中防治指標(biāo)為四（2）代稻縱卷葉螟百穴蟲卵量達(dá)到150～200粒；五（3）代稻縱卷葉螟百穴蟲卵量達(dá)到100～150粒；六（4）代稻縱卷葉螟百穴蟲卵量達(dá)到100～150粒。對照區(qū)在縵陽村，面積7.06hm2。該田塊嚴(yán)格管理，一旦有稻縱卷葉螟發(fā)生則立刻采取噴灑農(nóng)藥徹底防除的措施。兩個(gè)試驗(yàn)點(diǎn)相距約1.2km，自然條件相似，為保證試驗(yàn)的可靠性，除蟲害管理不一樣外，水肥管理措施均保持一致。研究采用大區(qū)對比法，不設(shè)重復(fù)。

稻縱卷葉螟的調(diào)查采用趕蛾法。選擇試驗(yàn)區(qū)中具代表性的5個(gè)田塊作為趕蛾區(qū)，每次每塊田的趕蛾面積為60m2。每天清晨利用竹竿輕輕撥動(dòng)稻株，目測起飛的蛾數(shù)，折算成每公頃的蛾數(shù)，同時(shí)觀測記錄試驗(yàn)區(qū)水稻的生育期（見表1），以及每候的卷葉率。趕蛾從7月20日開始，至9月21日結(jié)束。

表1 2013年試驗(yàn)區(qū)水稻生育期

Note:E- is the first ten-day of a month；M- is the middle ten-day of a month；L- is the last ten-day of a month.

1.3 遙感影像及其預(yù)處理

HJ衛(wèi)星包含A、B星，兩星并行觀測，時(shí)間分辨率為2d，可以進(jìn)行宏觀的動(dòng)態(tài)觀測，并且環(huán)境衛(wèi)星可以免費(fèi)下載，監(jiān)測成本大大降低，是遙感業(yè)務(wù)化監(jiān)測病蟲害較理想的數(shù)據(jù)源。從中國資源衛(wèi)星應(yīng)用中心網(wǎng)站上（http://218.247.138.121/DSSPlatform/shirologin.html）下載2013年水稻生育期內(nèi)高郵湯莊鎮(zhèn)云量較少、質(zhì)量較好的13景衛(wèi)星HJ-1A/1B CCD遙感影像，由于云的遮擋，部分遙感數(shù)據(jù)缺失。這些影像中，2013年7月9日處于水稻分蘗初期，8月7-20日處于拔節(jié)期，有7幅遙感影像，8月30日-9月16日處于抽穗揚(yáng)花期，有5幅遙感影像。對13景遙感影像進(jìn)行預(yù)處理，包括輻射定標(biāo)、大氣校正、幾何校正、裁剪等，以獲得地物的真實(shí)反射率，最后提取研究區(qū)域的水稻光譜特征參數(shù)。

1.4 光譜特征參數(shù)提取

采用的光譜參數(shù)主要包括歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）以及近紅外反射率（Near Infrared Spectroscopy，NIR）。根據(jù)遙感影像各個(gè)波段的中心波長信息，利用ENVI軟件對原始遙感影像進(jìn)行輻射定標(biāo)和大氣校正，從而獲得藍(lán)光波段（430-520nm）、紅光波段（630-690nm）以及近紅外波段（760-900nm）的反射率，然后根據(jù)獲得的水稻植被不同波段的反射率計(jì)算得到NDVI和EVI。

本研究還分別定義了3個(gè)衡量指標(biāo)，利用正常生長的田塊與受蟲害影響的田塊的指數(shù)差異來反映稻縱卷葉螟對水稻危害程度的大小，這3個(gè)指標(biāo)分別為試驗(yàn)田塊與對照田塊的歸一化植被指數(shù)差值（DNDVI）、增強(qiáng)型植被指數(shù)差值（DEVI）以及近紅外反射率差值（DNIR）。

1.5 光譜特征參數(shù)與稻縱卷葉螟危害程度的關(guān)系分析

稻縱卷葉螟為害水稻后，光譜特征的變化最直接的原因是水稻卷葉率變化，因此，水稻受稻縱卷葉螟為害后，遙感影像上反映的主要是卷葉情況或區(qū)域內(nèi)的卷葉程度，通過卷葉情況即可間接反映蟲害。因此，先利用SPSS對6-9月試驗(yàn)區(qū)光譜特征參數(shù)與水稻卷葉率進(jìn)行相關(guān)分析，同時(shí)對相關(guān)系數(shù)進(jìn)行顯著性檢驗(yàn)，然后分析光譜特征參數(shù)與蟲量的關(guān)系。

2 結(jié)果與分析

2.1 兩田塊稻縱卷葉螟發(fā)生情況分析

由圖1可以看出，整個(gè)水稻生長季試驗(yàn)田塊稻縱卷葉螟候平均趕蛾量出現(xiàn)3個(gè)高峰值，其中第1個(gè)峰值在8月的第1候，以五（3）代稻縱卷葉螟為主，候平均最高趕蛾量為27540頭·hm-2，此時(shí)水稻處于分蘗拔節(jié)期。根據(jù)《農(nóng)作物有害生物測報(bào)技術(shù)手冊》[16]，從7月的第4候起，試驗(yàn)田連續(xù)7候稻縱卷葉螟蟲害級別為1級，持續(xù)時(shí)間較長。后兩個(gè)稻縱卷葉螟高峰期危害程度明顯高于第1個(gè)，這兩個(gè)峰期的稻縱卷葉螟主要以六（4）代為主。其中第2個(gè)峰值在8月的第6候，候平均最高趕蛾量達(dá)到127995頭·hm-2，蟲害級別達(dá)到5級，且此時(shí)水稻為孕穗期，對水稻產(chǎn)量影響較關(guān)鍵。第3個(gè)峰值區(qū)在9月第2候，候平均最高趕蛾量107670頭·hm-2，蟲害級別達(dá)4級，此期水稻已經(jīng)慢慢成熟，蟲害對產(chǎn)量的影響不明顯。由于卷葉率是由蟲害的發(fā)生引起的，蟲情加重必然隨后也導(dǎo)致卷葉率的增大，因此，在每次蛾峰出現(xiàn)后的5～12d內(nèi)就出現(xiàn)一次卷葉率增大的過程（圖1）。而對照田塊由于管理措施嚴(yán)格，水稻正常生長。兩塊田塊的稻縱卷葉螟發(fā)生情況以及水稻的卷葉率的差異表明，二者區(qū)別很明顯，這為光譜特征差異分析提供了依據(jù)。

2.2 兩田塊光譜特征動(dòng)態(tài)變化

由圖2可以看出，試驗(yàn)田和對照田的光譜特征參數(shù)曲線變化趨勢基本保持一致，但是對照田的NDVI和EVI始終高于試驗(yàn)田。在水稻分蘗前期，蟲害發(fā)生程度小，對照田與試驗(yàn)田的NDVI、EVI和NIR差異也較小。在水稻分蘗拔節(jié)期，隨著生物量和葉片覆蓋度的增加，試驗(yàn)田和對照田的EVI和NIR都有一個(gè)顯著增長的過程，但是試驗(yàn)田光譜參數(shù)相對對照田開始減小。至水稻拔節(jié)后期，水稻生物量和葉片覆蓋度增長趨勢慢慢保持平穩(wěn)，光譜指數(shù)也趨于平穩(wěn)，但總的來說，蟲害發(fā)生后，對照田EVI和NIR數(shù)值一直高于試驗(yàn)田。尤以從孕穗期開始，對照田的NIR明顯高于試驗(yàn)田。而NDVI從水稻拔節(jié)期開始，對照田和試驗(yàn)田的變化均處于一個(gè)波動(dòng)狀態(tài)，與水稻實(shí)際生長情況不符。對兩個(gè)田塊的對比說明，二者光譜差異也很明顯，這為光譜和蟲情分析提供了依據(jù)。

2.3 兩田塊光譜特征差值與卷葉率的關(guān)系

圖3為試驗(yàn)田塊與對照田塊的歸一化植被指數(shù)差值（DNDVI）、增強(qiáng)型植被指數(shù)差值（DEVI）以及近紅外反射率差值（DNIR）和卷葉率隨時(shí)間的變化圖。由圖中可見，在水稻生長初期（7月上旬-8月上旬），試驗(yàn)區(qū)和對照區(qū)的DNDVI、DEVI值在0.01以內(nèi)波動(dòng)，但這期間卷葉率有一個(gè)較小的波動(dòng)。圖3a中，DNDVI出現(xiàn)了3個(gè)峰值，在水稻分蘗拔節(jié)期間（8月中旬），DNDVI逐漸增大，開始超過0.02，且試驗(yàn)田塊的NDVI增長速度低于對照田塊。之后隨著水稻的繼續(xù)生長和葉面積指數(shù)的增加，DNDVI增加，介于0.02～0.04之間。而在孕穗期后，DNDVI又進(jìn)一步呈上升趨勢。DEVI也出現(xiàn)了3個(gè)峰值，7月20日是試驗(yàn)區(qū)稻縱卷葉螟始見日，此時(shí)DEVI值較小，數(shù)值接近0。之后DEVI開始增大并達(dá)到0.03，而這個(gè)變化正好對應(yīng)于8月上旬的卷葉率上升時(shí)期。第一個(gè)蟲量暴發(fā)過程結(jié)束一段時(shí)間后，DEVI開始逐漸減小，甚至在8月18日接近0，但是此時(shí)的卷葉率還較高，僅有一個(gè)下降的趨勢。8月底-9月初，即水稻孕穗期后，DEVI又逐漸增大，最大值接近0.05。而DNIR的變化趨勢與DEVI一致。對光譜特征差值與卷葉率的相關(guān)分析表明，DNIR與卷葉率呈極顯著正相關(guān)（P<0.01，r=0.8473），DEVI與卷葉率呈顯著正相關(guān)（P<0.05，r=0.7510），而DNDVI與卷葉率的相關(guān)性不顯著。

Fig. 3 Variation of DNDVI(a), DEVI(b) and DNIR(c) and folding leaf rates

3 結(jié)論與討論

（1）稻縱卷葉螟的發(fā)生對水稻光譜特征參數(shù)產(chǎn)生明顯的影響。全生育期內(nèi)兩個(gè)不同處理方式田塊的遙感影像對比發(fā)現(xiàn)，蛾峰量（或發(fā)生等級）越大，隨后水稻卷葉率也增大，這直接導(dǎo)致光譜特征參數(shù)變化更明顯，尤其從孕穗期開始，對照區(qū)的光譜特征參數(shù)明顯高于試驗(yàn)區(qū)，這是因?yàn)楣庾V特征參數(shù)受水稻細(xì)胞壁多次反射的影響，在稻縱卷葉螟為害水稻后，水稻卷葉率增大，水稻葉肉細(xì)胞受到破壞，故光譜參數(shù)開始減小。這也驗(yàn)證了黃建榮等[17]的隨著稻縱卷葉螟為害等級的增加，綠光和近紅外波段的反射率會(huì)大大下降，而紅光波段反射率增加的研究結(jié)果。但是，蟲害對水稻影響的光譜特征表現(xiàn)的差異性變化存在不同時(shí)長的滯后現(xiàn)象，即在蟲峰暴發(fā)一定時(shí)間后，才出現(xiàn)光譜特征的差異。本文研究發(fā)現(xiàn)在蛾量暴發(fā)5～12d后，光譜特征差異才開始逐漸變得顯著，這與江蘇省稻縱卷葉螟不同代次成蟲轉(zhuǎn)化為幼蟲的時(shí)長有關(guān)，通常危害江蘇的稻縱卷葉螟代次分別為四（2）代、五（3）代和六（4）代，它們從成蟲轉(zhuǎn)化為幼蟲的時(shí)長分別為5～6d、5～6d和10～12d，與Zhang等[18]的研究結(jié)論基本一致。

（2）光譜參數(shù)的選擇對水稻病蟲害的監(jiān)測有非常大的影響。歸一化植被指數(shù)（NDVI）是植被研究中應(yīng)用最廣泛的一種植被指數(shù)，但是在葉面積指數(shù)很高時(shí)，NDVI的靈敏度會(huì)降低，而EVI加入藍(lán)光波段以增強(qiáng)植被的信號，常用在葉面積指數(shù)（LAI）高的地區(qū)，高生物量的地區(qū)EVI比NDVI更加敏感[19]。本研究的相關(guān)分析表明，EVI和NIR反演效果明顯比NDVI好，EVI和NIR與水稻卷葉率呈顯著相關(guān)，而NDVI由于在高LAI上的低靈敏性導(dǎo)致誤差較大，相關(guān)性不明顯。因此，參數(shù)的正確選擇以及揚(yáng)長避短的綜合利用對更好地監(jiān)測蟲害的發(fā)生和暴發(fā)，及時(shí)發(fā)布災(zāi)變預(yù)警信息至關(guān)重要。

（3）將實(shí)地蟲量的調(diào)查分析與光譜特征參數(shù)相結(jié)合進(jìn)行研究，結(jié)果表明利用環(huán)境小衛(wèi)星對稻縱卷葉螟發(fā)生發(fā)展進(jìn)行動(dòng)態(tài)監(jiān)測是可行的。多時(shí)相遙感是水稻蟲害特征識別的重要手段，由于蟲害對水稻的影響是一個(gè)緩慢顯現(xiàn)的過程，單憑單時(shí)相的遙感影像無法準(zhǔn)確判斷水稻受害程度。本文利用多時(shí)相遙感影像中提取水稻的光譜特征參數(shù)，對稻縱卷葉螟的發(fā)生發(fā)展進(jìn)行動(dòng)態(tài)監(jiān)測，其監(jiān)測結(jié)果對稻縱卷葉螟早期預(yù)警有一定的預(yù)示作用，并為后續(xù)的蟲害監(jiān)測研究提供了一種可能的方法。

參考文獻(xiàn)References

[1]劉宇,王建強(qiáng),馮曉東,等.2007年全國稻縱卷葉螟發(fā)生實(shí)況分析與2008年發(fā)生趨勢預(yù)測[J].中國植保導(dǎo)刊,2008, 28(7):33-35.

Liu Y,Wang J Q,Feng X D,et al.The analysis of the occurrence of rice leaf folder in 2007 and the prediction of the trend of it in 2008[J].China Plant Protection,2008,28(7):33-35. (in Chinese)

[2]翟保平,張孝羲.水稻重大蟲害的災(zāi)變規(guī)律及其預(yù)警:回顧與展望[J].昆蟲知識,2000,37(1):41-45.

Zhai B P,Zhang X X.The disaster and warning of major pest of rice:review and prospect[J].Entomological Knowledge, 2000, 37(1):41-45.(in Chinese)

[3]張競成,袁琳,王紀(jì)華,等.作物病蟲害遙感監(jiān)測研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(20):1-11.

Zhang J C,Yuan L,Wang J H,et al.Research progress of crop diseases and pests monitoring based on remote sensing[J]. Transactions of the CSAE,2012,28(20):1-11.(in Chinese)

[4]姚士桐,方志峰,陸志杰,等.不同監(jiān)測方法對田間稻縱卷葉螟成蟲的監(jiān)測效果[J].中國植保導(dǎo)刊,2011,31(5):31-32.

Yao S T,Fang Z F,Lu Z J,et al.The results of different monitoring methods on the adult of rice leaf folder[J].China Plant Protection,2011,31(5):31-32.(in Chinese)

[5]楊浩,黃文江,王紀(jì)華,等.基于HJ-1A/1B CCD時(shí)間序列影像的水稻生育期監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(4):219-224.

Yang H,Huang W J,Wang J H,et al.Monitoring rice growth stages based on time series HJ-1A/1B CCD images[J].Transactions of the CSAE,2011,27(4):219-224.(in Chinese)

[6]吳繼友,倪健.松毛蟲危害的光譜特征與蟲害早期探測模式[J].環(huán)境遙感,1995,10(4):250-258.

Wu J Y,Ni J.Spectral characteristics of the pine leaves damaged by pine moth and a model for detecting the early damage[J]. Remote Sensing of Environment,1995,10(4):250- 258.(in Chinese)

[7]楊建國,金曉華,郭永旺,等.遙感技術(shù)麥蚜監(jiān)測應(yīng)用研究[J].中國農(nóng)學(xué)通報(bào),2001,17(6):4-6.

Yang J G,Jin X H,Guo Y W,et al.The applications research of wheat aphid based on remote sensing techniques[J].Chinese Agricultural Science Bulletin,2001,17(6):4-6.(in Chinese)

[8]喻光明.漬害遙感識別的基本原理與方法[J].環(huán)境遙感, 1995,10(1):9-14.

Yu G M.The basic principles and methods of remote sensing application of the identification of waterlog damage[J]. Remote Sensing of Environment,1995,10(1):9-14.(in Chinese)

[9]Price K P,Jakubauskas M E.Spectral retrogression and insect damage in lodge pole pine successional forests[J]. International Journal of Remote Sensing,1998,19(8):627-632.

[10]Silleos N,Perakis K,Petsanis G.Assessment of crop damage using space remote sensing and GIS[J].International Journal of Remote Sensing,2002,23(3):417-427.

[11]吳曙雯,王人潮,陳曉斌,等.稻葉瘟對水稻光譜特性的影響研究[J].上海交通大學(xué)學(xué)報(bào)(農(nóng)業(yè)科學(xué)版),2002,20(1):73-76.

Wu S W,Wang R C,Chen X B,et al.Effects of rice leaf blast on spectrum reflectance of rice[J].Journal of Shanghai Jiaotong University(Agriculture Science),2002,20(1):73-76. (in Chinese)

[12]石晶晶,劉占宇,張莉麗,等.基于支持向量機(jī)(SVM)的稻縱卷葉螟危害水稻高光譜遙感識別[J].中國水稻科學(xué),2009, 23(3):331-334.

Shi J J,Liu Z Y,Zhang L L,et al.Hyperspectral recognition of rice damaged by rice leaf roller based on support vector machine[J].Chinese Journal of Rice Science,2009,23(3):331- 334.(in Chinese)

[13]Huang J R,Liao H J,Zhu Y B,et al.Hyperspectral detection of rice damaged by rice leaf folder () [J]. Computers and Electronics in Agriculture,2012,82(1): 100-107.

[14]Meigs G W,Kennedy R E,Cohen W B.A landsat time series approach to characterize bark beetle and defoliator impacts on tree mortality and surface fuels in conifer forests[J]. Remote Sensing of Environment,2011,115(12) :3707-3718.

[15]Goodwin N R,Coops N C,Wulder M A,et al.Estimation of insect infestation dynamics using a temporal sequence of Landsat data[J].Remote Sensing of Environment,2008,112 (9):3680-3689.

[16]全國農(nóng)業(yè)技術(shù)推廣與服務(wù)中心.農(nóng)作物有害生物測報(bào)技術(shù)手冊[M].北京:中國農(nóng)業(yè)出版社,2006:1-771.

The National Agro-Tech Extension and Service Center.Technical manual for pest monitoring of crops[M].Beijing:Chinese Agriculture Press,2006:1-771.(in Chinese)

[17]黃建榮,孫啟花,劉向東.稻縱卷葉螟危害后水稻葉片的光譜特征[J].中國農(nóng)業(yè)科學(xué),2010,43(13):2679-2687.

Huang J R,Sun Q H,Liu X D,et al.Spectral characteristics of rice leaves damaged by rice leaf roller[J].Scientia Agricultura Sinica,2010,43(13):2679-2687.(in Chinese)

[18]Zhang J C,Luo J H,Huang W J,et al.Continuous wavelet analysis based spectral feature selection for winter wheat yellow rust detection[J].Intelligent Automation and Soft Computing,2011,17(5):531-540.

[19]Huete A,Didan K,Miura T,et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment,2002,83(1):195-213.

Monitoring on the Occurrence ofs Based on Multi-temporal HJ Satellite’s Remote Sensing Images

BAO Yun-xuan1,2, LI Yu-ting1,2, WANG Lin1,2, GAO Wen-ting1,2, ZHU Feng3

(1.Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044;3.Jiangsu Province Plant Protection Station, Nanjing 210013)

Two experimental rice fields (one was used as a reference and the other was for target analysis) were conducted in Tangzhuang, Gaoyou of Jiangsu Province in 2013, and the Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), and Near-infrared Spectroscopy (NIR) were used to characterize the occurrence and evolution of, which were calculated from the satellite HJ-1A/1B retrieval data. A series of analyses were performed to disclose the relationship among these three indices and the occurrence frequency, severity, and evolution of. The results showed as follows: (1) The more the numbers of, the higher the changes of such characteristic parameters. (2) The positive correlations were found between the damage ofand the discrepancy of characteristic parameters in these two experimental fields. (3) Quantitative correlation analyses showed that DNIR and folding leaf rate had a highly significant correlation (P<0.01), and DEVI and folding leaf rate had a significant correlation (P<0.05). While there was not significant between DNDVI and folding leaf rate. Therefore, it was feasible to using HJ satellite images to monitor and warn the outbreak and development of, which provided a new possible method to monitor dynamically the damage of.

; HJ-1A/1B satellite; Normalized Difference Vegetation Index; Enhanced Vegetation Index; Gaoyou

10.3969/j.issn.1000-6362.2016.04.011

2015-11-25

國家自然科學(xué)基金面上項(xiàng)目（41475106；41075086）；國家公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201306053）；江蘇省農(nóng)業(yè)科技自主創(chuàng)新項(xiàng)目（SCX（12）3058）；江蘇省高校優(yōu)勢學(xué)科建設(shè)工程

包云軒(1963-)，博士，教授，博士生導(dǎo)師，主要研究方向?yàn)闅夂蜃兓c防災(zāi)減災(zāi)、應(yīng)用氣象、病蟲害測報(bào)學(xué)、遙感與資源環(huán)境信息系統(tǒng)。E-mail：baoyx@nuist.edu.cn；baoyunxuan@163.com