楊麗麗，王振鵬，吳才聰

中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083

引 言

新疆作為我國最重要的產(chǎn)棉基地，保障棉花產(chǎn)業(yè)健康發(fā)展，對促進(jìn)新疆經(jīng)濟(jì)具有重要意義[1]。病蟲害的大范圍爆發(fā)嚴(yán)重影響了棉花的產(chǎn)量和品質(zhì)，其中棉葉螨因其隱蔽性強(qiáng)、個(gè)體微小的特點(diǎn)，導(dǎo)致監(jiān)測難度大，危害程度深[2]。傳統(tǒng)的螨害監(jiān)測方式主要是由當(dāng)?shù)刂脖Ｈ藛T定期在棉田內(nèi)憑經(jīng)驗(yàn)進(jìn)行巡查，手工標(biāo)記棉葉螨受害中心植株位置。這種監(jiān)測方式范圍小、人力消耗大且時(shí)效性差，不能準(zhǔn)確評估大范圍棉田的受害情況。

國內(nèi)外學(xué)者在作物病蟲害遙感監(jiān)測方面進(jìn)行了大量研究。蘭玉彬等[3]通過獲取柑橘果園的無人機(jī)高光譜影像建立柑橘黃龍病判別模型，實(shí)現(xiàn)了低空高光譜遙感對柑橘黃龍病的大面積監(jiān)測。黃煥華等[4]利用小型固定翼無人機(jī)同時(shí)采集枯死松樹的可見光和近紅外航攝影像，對松材線蟲病的監(jiān)測準(zhǔn)確率可達(dá)到80%以上。田野[5]利用多時(shí)相HJ小衛(wèi)星遙感影像實(shí)現(xiàn)棉葉螨害監(jiān)測，但因其光譜分辨率難以達(dá)到要求還需結(jié)合地面光譜數(shù)據(jù)進(jìn)一步研究。王守會(huì)等[6]基于棉花冠層高光譜數(shù)據(jù)和Landsat8衛(wèi)星遙感數(shù)據(jù)對區(qū)域螨害發(fā)生進(jìn)行預(yù)測研究，模型預(yù)測效果較好，但衛(wèi)星遙感影像分辨率過低使得監(jiān)測樣點(diǎn)之間的光譜差異大大降低。崔美娜等[7]基于無人機(jī)多光譜影像建立棉田螨害監(jiān)測識(shí)別模型，實(shí)現(xiàn)區(qū)域范圍內(nèi)螨害識(shí)別，但并未考慮棉田氣象和土壤環(huán)境對螨害的影響。趙亮等[8]通過獲取不同螨害程度葉片的地面高光譜數(shù)據(jù)，篩選出螨害敏感波段，建立了棉葉螨葉片光譜識(shí)別的最佳模型。

本研究利用無人機(jī)遙感的高時(shí)效性、低成本和高時(shí)空分辨率，彌補(bǔ)了地面光譜難以實(shí)現(xiàn)以點(diǎn)帶面以及衛(wèi)星遙感空間分辨率低、時(shí)效性差的問題，并綜合考慮不同環(huán)境因素對于螨害發(fā)生的影響，建立了基于多源數(shù)據(jù)的棉田大范圍螨害監(jiān)測模型和螨害面積預(yù)測模型，可在實(shí)際應(yīng)用環(huán)節(jié)完成快速大范圍的監(jiān)測需求，為棉田變量施藥提供依據(jù)，有效減少損失。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

研究區(qū)位于新疆生產(chǎn)建設(shè)兵團(tuán)第八師145團(tuán)六分場六連，中心位置為86°3′30.85″E，44°32′30.23″N，屬中高緯度的典型大陸性氣候，光照充足，雨量稀少，氣候干燥，冬季嚴(yán)寒，夏季嚴(yán)熱，研究區(qū)氣候條件適宜棉葉螨正常生長[9]。研究區(qū)棉田面積34.7萬m2，約520畝，種植品種為新陸早166號和新陸早163號，采用1膜3管6行種植模式，蕾期一般處于當(dāng)?shù)氐?月上中旬至7月上旬。

1.2 數(shù)據(jù)獲取與處理

1.2.1 棉花冠層高光譜數(shù)據(jù)采集與處理

2018年于北京時(shí)間7月12日12:00—14:00對蕾期棉花進(jìn)行不同螨害程度的冠層光譜采集，采集設(shè)備為ASD FieldSpec Pro FR2500型背掛式野外高光譜輻射儀，光譜波長范圍為350～2 500 nm，采樣間隔為1 nm，光譜儀視場角為25°。采集時(shí)保持探頭垂直向下，光譜儀距離棉花冠層頂垂直高度約為0.5 m，每次測量前后均進(jìn)行標(biāo)準(zhǔn)白板校正，每個(gè)采樣點(diǎn)采集5組光譜數(shù)據(jù)，取平均值作為該采樣點(diǎn)的光譜值。

1.2.2 無人機(jī)多光譜數(shù)據(jù)采集與處理

2019年棉花蕾期內(nèi)，選擇晴朗無云、無風(fēng)或風(fēng)力較小的天氣，分別于6月22日、27日、29日和7月3日、9日、13日在研究區(qū)內(nèi)進(jìn)行6次多光譜數(shù)據(jù)采集，采集設(shè)備為瑞士eBeeSQ固定翼無人機(jī)搭載ParrotSequoia五通道多光譜相機(jī)。該相機(jī)鏡頭焦距為3.98 mm，分辨率為1 280×960，可同時(shí)獲取4個(gè)多光譜波段和可見光數(shù)據(jù)。4個(gè)多光譜波段分別為綠光(中心波長550 nm，波段寬度40 nm)、紅光(660 nm，40 nm)、紅邊光(735 nm，10 nm)和近紅外光(790 nm，40 nm)。

無人機(jī)起飛前用Sequoia多光譜相機(jī)配備的參考板進(jìn)行輻射定標(biāo)處理，根據(jù)預(yù)設(shè)航線垂直拍攝，影像范圍覆蓋整個(gè)研究地塊。設(shè)置無人機(jī)飛行航線為S型，飛行高度為120 m，飛行速度為13 m·s-1，旁向重疊度為60%，航向重疊度為75%，影像空間分辨率為0.12 m。數(shù)據(jù)采集后，將影像數(shù)據(jù)導(dǎo)入Pix4Dmapper軟件進(jìn)行輻射定標(biāo)和拼接處理。

1.2.3 螨害實(shí)地調(diào)查數(shù)據(jù)采集

在每期無人機(jī)多光譜影像采集的時(shí)間點(diǎn)附近由人工進(jìn)行實(shí)地葉片螨害抽樣調(diào)查。在研究區(qū)棉田內(nèi)使用VIVO X20手機(jī)拍攝健康和螨害葉片圖像，采樣比例1∶1，共135個(gè)采樣點(diǎn)。采樣時(shí)記錄葉片受害程度并根據(jù)手機(jī)自帶的GPS精確定位功能記錄采樣點(diǎn)經(jīng)緯度信息。螨害等級參照國家標(biāo)準(zhǔn)《棉花葉螨測報(bào)技術(shù)規(guī)范》進(jìn)行劃分為4級： 0級為完害； 1級為葉面有零星黃斑； 2級為紅斑占葉面積1/3以下； 3級為紅斑占葉面積1/3以上。4種不同螨害程度棉葉示例圖像如圖1。

圖1 不同螨害程度棉葉圖像(a): 0級; (b): 1級; (c): 2級; (d): 3級Fig.1 Images of cotton leaves with different degree of mite damage(a): Level 0; (b): Level 1; (c): Level 2; (d): Level 3

1.2.4 環(huán)境數(shù)據(jù)采集與處理

無人機(jī)多光譜數(shù)據(jù)采集期內(nèi)，通過棉田研究區(qū)搭建的氣象監(jiān)測系統(tǒng)和土壤墑情設(shè)備，獲取2019年6月—2019年7月期間逐日每小時(shí)的氣象數(shù)據(jù)和土壤溫濕度數(shù)據(jù)共13種田間環(huán)境數(shù)據(jù)。再以4 d作為一個(gè)周期進(jìn)行統(tǒng)計(jì)，計(jì)算出9種氣象數(shù)據(jù)，即每周期最高溫度、平均溫度、最低溫度、平均濕度、累計(jì)降雨量、平均風(fēng)力、溫濕系數(shù)、溫雨系數(shù)、積溫(逐日平均溫度≥25 ℃)； 4種土壤數(shù)據(jù)，即10 cm土壤最高溫度、10 cm土壤最低溫度、10 cm土壤平均溫度和10 cm土壤平均濕度。同時(shí)考慮到農(nóng)戶施藥對螨害的影響，在施藥日期(6月24日和7月8日)節(jié)點(diǎn)附近將周期長度細(xì)化為2 d。

2 研究方法

首先，通過采集棉花冠層高光譜數(shù)據(jù)及無人機(jī)多光譜影像數(shù)據(jù)，篩選敏感波段位置，構(gòu)建螨害監(jiān)測植被指數(shù)； 其次，通過相關(guān)性分析篩選相關(guān)性顯著的螨害監(jiān)測植被指數(shù)和田間環(huán)境數(shù)據(jù)，建立基于支持向量機(jī)(support vector machine，SVM)的棉田螨害發(fā)生監(jiān)測模型； 最后，基于最優(yōu)模型分類結(jié)果生成螨害發(fā)生空間分布圖，通過統(tǒng)計(jì)健康點(diǎn)和螨害點(diǎn)的像元數(shù)計(jì)算螨害面積占比值，并結(jié)合田間環(huán)境數(shù)據(jù)采用多元逐步回歸分析方法建立棉田螨害面積預(yù)測模型?？傮w技術(shù)路線如圖2所示。

圖2 棉田螨害監(jiān)測技術(shù)路線Fig.2 Technical route of cotton field spider mite monitoring

2.1 螨害監(jiān)測植被指數(shù)計(jì)算

植被指數(shù)(vegetation index，VI)通過不同波段反射率的線性或非線性組合變化，在一定程度上可以突顯植被的不同特征，削弱背景等因素對植被光譜特征的干擾。工作中根據(jù)地面尺度的棉花冠層高光譜數(shù)據(jù)提取出多個(gè)螨害敏感波段，從中選取與低空尺度的無人機(jī)多光譜波段位置相對應(yīng)的4個(gè)敏感波段，初步構(gòu)建23種螨害監(jiān)測植被指數(shù)。植被指數(shù)及其計(jì)算公式如表1所示。

表1 植被指數(shù)及其計(jì)算公式Table 1 Calculation formulas for vegetation index

2.2 模型建立

通過相關(guān)性分析篩選反映螨害最敏感的植被指數(shù)和田間環(huán)境數(shù)據(jù)作為建模特征值，分別用0(無螨害)和1(有螨害)作為目標(biāo)值，將135個(gè)樣本數(shù)據(jù)集輸入SVM分類器進(jìn)行訓(xùn)練和分類，采用單一環(huán)境數(shù)據(jù)、單一植被指數(shù)、環(huán)境數(shù)據(jù)與植被指數(shù)相結(jié)合的3種方法建立基于SVM棉田螨害發(fā)生監(jiān)測模型。模型訓(xùn)練和測試使用Matlab R2019b和LIBSVM 3.24工具箱，并選取準(zhǔn)確率(Accuracy)、精確率(Precision)、召回率(Recall)和對精確率和準(zhǔn)確率整體評價(jià)的F1值作為模型精度的評價(jià)指標(biāo)，確定出最優(yōu)螨害發(fā)生監(jiān)測模型。

使用田間環(huán)境數(shù)據(jù)分別與螨害面積占比值作相關(guān)性分析，篩選出顯著特征值，再基于多元逐步回歸分析法選出與螨害面積值關(guān)系最密切的環(huán)境特征建立棉田螨害面積預(yù)測模型，選取決定系數(shù)R2作為模型評價(jià)指標(biāo)。

3 結(jié)果與討論

3.1 地面冠層光譜數(shù)據(jù)反射率分析

棉花葉片在遭受不同程度的棉葉螨危害后，棉花冠層光譜反射率曲線呈現(xiàn)規(guī)律性變化，呈現(xiàn)明顯的波峰和波谷等特征。圖3為不同螨害程度的棉花冠層光譜反射率曲線。

圖3 不同螨害程度地面冠層光譜反射率曲線Fig.3 Spectral reflectance curves of ground canopies with different degrees of mite damage

由圖3可見，在綠光波段范圍內(nèi)553 nm波長附近出現(xiàn)第一個(gè)反射波峰后反射率逐漸下降，至紅光波段范圍內(nèi)680 nm波長附近出現(xiàn)反射波谷-紅谷，此時(shí)具有較低的反射率。反射率于705 nm波長處開始呈現(xiàn)加速上升趨勢，且在近紅外波段760～1 350 nm范圍內(nèi)反射率較高，同時(shí)在此范圍內(nèi)光譜反射率隨著螨害程度的逐漸加重表現(xiàn)出較為明顯的下降趨勢，在中紅外波段1 550～1 800 nm范圍內(nèi)的光譜反射率也表現(xiàn)出了同樣的規(guī)律。

紅邊是綠色植物最明顯的光譜特征之一。為分析不同螨害程度棉葉冠層光譜的紅邊特征，對紅邊(680～750 nm)范圍內(nèi)的光譜反射率求一階微分，如圖4所示?？梢钥闯?80～750 nm范圍內(nèi)的一階微分光譜曲線圖像呈現(xiàn)“雙峰”現(xiàn)象，且隨著螨害加重，反射率一階微分值逐漸減小，表明紅邊波段對不同程度的螨害較為敏感。

圖4 不同螨害程度地面冠層一階微分光譜曲線Fig.4 First derivative spectral curve of ground canopy with the different degrees of spider mites damage

分析結(jié)果表明，棉花葉片在遭受不同程度的棉葉螨為害后，可通過棉花冠層光譜反射率及反射率一階微分的變化進(jìn)行表征，綠光波段553 nm附近、紅光波段680 nm附近、紅邊波段680～750 nm范圍、近紅外波段760～1 350 nm范圍都是與螨害發(fā)生相關(guān)的敏感波段，與文獻(xiàn)[8]研究結(jié)果一致。

3.2 無人機(jī)多光譜數(shù)據(jù)反射率分析

3.1節(jié)中高光譜的螨害敏感波段分析結(jié)果顯示，本實(shí)驗(yàn)中無人機(jī)攜帶的多光譜相機(jī)波段范圍屬于螨害敏感波段，為進(jìn)一步確定無人機(jī)攜帶多光譜相機(jī)進(jìn)行蟲害監(jiān)測的可行性，對無人機(jī)多光譜遙感影像進(jìn)行了不同螨害程度采樣點(diǎn)的反射率提取，圖5為反射率曲線。

由圖5可見，綠光波段550 nm附近、550～660 nm波段范圍、660～735 nm波段范圍處不同等級螨害發(fā)生點(diǎn)的光譜反射率基本重疊在一起，可能的原因是無人機(jī)的飛行高度影響影像分辨率，造成不同螨害程度的采樣點(diǎn)在光譜響應(yīng)上的變化差異較小，光譜差異很難區(qū)分，不能進(jìn)行受害等級區(qū)分，但有害和無害的光譜反射率差異比較明顯。故利用無人機(jī)多光譜遙感進(jìn)行螨害監(jiān)測模型構(gòu)建時(shí)，只構(gòu)建基于SVM的二分類模型，將螨害1級及以上均視為螨害發(fā)生，即未發(fā)生螨害記為0，發(fā)生螨害記為1。

圖5 不同螨害程度的多光譜影像反射率曲線Fig.5 Reflectance curve of multispectral image with different degrees of spidermite damage

3.3 螨害監(jiān)測模型特征篩選

將選取的23種植被指數(shù)和預(yù)處理后的13種田間環(huán)境數(shù)據(jù)分別與地面采樣點(diǎn)的螨害發(fā)生數(shù)據(jù)做相關(guān)性分析，用顯著性(sig)作為評價(jià)指標(biāo)，當(dāng)sig≤0.05時(shí)，植被指數(shù)與螨害發(fā)生達(dá)到顯著相關(guān)水平，當(dāng)sig≤0.01時(shí)，植被指數(shù)與螨害發(fā)生達(dá)到極顯著相關(guān)水平。從表2看出，所選的植被指數(shù)中，SAVI，OSAVI，TVI和NDGI與螨害發(fā)生呈極顯著相關(guān)，RDVI，RVI和MSR與螨害發(fā)生呈顯著相關(guān)。從表3可以看出，平均濕度、溫濕系數(shù)和10 cm土壤平均溫度與螨害發(fā)生呈極顯著相關(guān)，最高溫度、平均溫度、積溫、10 cm土壤最高溫度和10 cm土壤平均濕度與螨害發(fā)生呈顯著相關(guān)。研究中選取sig≤0.05的植被指數(shù)及環(huán)境特征作為螨害監(jiān)測建模的特征值。

表2 植被指數(shù)與螨害發(fā)生之間相關(guān)性Table 2 Correlation between the occurrence of spider mite and vegetation indices

表3 環(huán)境數(shù)據(jù)與螨害發(fā)生之間相關(guān)性Table 3 Correlation between the occurrence of spider mite and environmental data

3.4 基于SVM算法的棉田螨害監(jiān)測模型

選取表2及表3中的7種植被指數(shù)和8種田間環(huán)境數(shù)據(jù)作為建模特征值，在135個(gè)地面采樣點(diǎn)中，隨機(jī)選取出總樣本數(shù)的2/3作為訓(xùn)練集，其余的1/3作為測試集進(jìn)行模型構(gòu)建，分別基于單一環(huán)境數(shù)據(jù)、單一植被指數(shù)、環(huán)境數(shù)據(jù)與植被指數(shù)相結(jié)合的3種方法建立SVM棉田螨害發(fā)生監(jiān)測模型M1，M2及M3。SVM模型的精度主要與核函數(shù)和SVM內(nèi)的參數(shù)選取有關(guān)，研究中選擇徑向基函數(shù)(radial basis function，RBF)作為SVM訓(xùn)練模型的核函數(shù)，使用交叉驗(yàn)證的方法調(diào)整SVM內(nèi)的懲罰參數(shù)c和gamma參數(shù)，得到各類評價(jià)指標(biāo)效果最優(yōu)的監(jiān)測模型。模型結(jié)果如表4所示。

表4 不同螨害監(jiān)測模型分類結(jié)果對比Table 4 Comparison of classification results of the different degrees of spider mite monitoring models

表4中，M3效果最好，測試集分類準(zhǔn)確率為80%，精確率為75%，召回率為70.59%，F(xiàn)1值為72.73%； M2次之，M1分類效果最差。表明，同時(shí)使用環(huán)境數(shù)據(jù)和植被指數(shù)綜合考慮了影響螨害發(fā)生的主要因素，從而使模型具有更高的精度和監(jiān)測效果。

3.5 棉田螨害嚴(yán)重度空間分布

基于棉田螨害監(jiān)測模型M3，分別繪制6月22日、27日、29日和7月3日、9日、13日共計(jì)6景無人機(jī)遙感螨害監(jiān)測空間分布圖[圖6(a—f)]。

圖6 不同時(shí)期(6月22日，27日，29日，7月3日，9日，13日)棉田螨害監(jiān)測空間分布圖(a, b, c, d, e, f)Fig.6 Spatial distribution map (a, b, c, d, e, f) of cotton field spider mite monitoring in (June 22, 27, 28, Jule 3, 9, 13) different periods

圖6中可見，6月22日開始，研究區(qū)螨害成片發(fā)生且基本分布在棉田東部以及中路以南區(qū)域[圖6(a)]，棉田實(shí)際調(diào)查發(fā)現(xiàn)棉田東部及南部區(qū)域靠近路邊，地邊雜草較多且農(nóng)戶活動(dòng)多聚集于兩地，同時(shí)發(fā)現(xiàn)監(jiān)測期間研究區(qū)中部以南地區(qū)因棉田灌溉設(shè)施漏水，棉花長勢較弱，這些因素綜合導(dǎo)致了棉田邊緣易發(fā)生的螨害擴(kuò)散到了棉田中部及以南。根據(jù)6月22日棉田螨害監(jiān)測情況，農(nóng)戶于6月24日使用25%阿維乙螨唑懸浮劑對葉螨進(jìn)行施藥防治，從圖6(b)可以看出，6月27日分布圖中螨害面積逐漸減小，葉螨數(shù)量較之前有所下降。但由于棉田內(nèi)施藥時(shí)間不同及葉螨抗藥性強(qiáng)，觀察6月29日棉田螨害監(jiān)測圖[圖6(c)]發(fā)現(xiàn)棉田北部螨害擴(kuò)散較其他地區(qū)略微嚴(yán)重。

隨著7月新疆地區(qū)溫度逐漸升高，高溫條件對棉葉螨擴(kuò)散極其有利，同時(shí)藥劑對葉螨的防治效果下降，導(dǎo)致7月3日螨害逐漸加重，呈現(xiàn)局部棉田葉螨暴發(fā)狀態(tài)且多集中于東、西部地塊邊緣區(qū)域[圖6(d)]。因此，農(nóng)戶于7月8日再次對棉葉螨進(jìn)行施藥防治，但隨著植保人員和農(nóng)戶在田中不斷移動(dòng)進(jìn)行實(shí)地調(diào)查等操作，導(dǎo)致葉螨隨之遷移擴(kuò)散，通過圖6(e)可以看出，中部以北區(qū)域出現(xiàn)局部田塊爆發(fā)成災(zāi)現(xiàn)象，防治難度增加，易由逐漸擴(kuò)散轉(zhuǎn)變成迅速擴(kuò)散。7月13日再次對棉田進(jìn)行監(jiān)測，發(fā)現(xiàn)螨害中部以北區(qū)域已達(dá)到大面積爆發(fā)狀態(tài)，而中部以南區(qū)域螨害防治程度較好，無局部爆發(fā)狀態(tài)[圖6(f)]。

監(jiān)測圖整體趨勢與實(shí)際調(diào)查情況較為相符，通過基于環(huán)境數(shù)據(jù)與植被指數(shù)相結(jié)合建立的SVM棉田螨害監(jiān)測模型可以反映田間螨害變化，基于無人機(jī)的低空遙感可以輔助用來實(shí)現(xiàn)棉田大范圍的螨害發(fā)生監(jiān)測。

3.6 棉田螨害面積預(yù)測模型的建立

首先基于模型分類結(jié)果計(jì)算螨害面積占比值，考慮到實(shí)際應(yīng)用環(huán)節(jié)，環(huán)境數(shù)據(jù)更易獲取，故只將初選的13種田間環(huán)境數(shù)據(jù)與棉田螨害面積值作相關(guān)性分析，選取sig≤0.05的田間環(huán)境數(shù)據(jù)，結(jié)果如表5所示。

表5 環(huán)境數(shù)據(jù)與棉田螨害面積之間相關(guān)性Table 5 Correlation coefficient between environmental data and cotton field spider mite area

分別使用SVM回歸和多元逐步回歸方法構(gòu)建螨害面積模型，以決定系數(shù)R2作為指標(biāo)來衡量模型的性能。在Matlab下調(diào)用LIBSVM工具包建立SVM螨害面積預(yù)測模型M1，并通過交叉驗(yàn)證方式尋優(yōu)參數(shù)，得到最終模型R2=0.796。采用SPSS進(jìn)行多元逐步回歸分析，從表5中逐步選出與螨害面積值關(guān)系最密切的田間環(huán)境數(shù)據(jù)作為建立預(yù)測模型M2的特征值，最終得到多元逐步回歸方程為

y=110.826-0.193x1-0.089x2-0.5x3+

0.423x4-4.022x5

(1)

式(1)中，x1是最高溫度，x2是平均濕度，x3是溫濕系數(shù)，x4是10 cm土壤最高溫度，x5是10 cm土壤平均溫度，y是預(yù)測的螨害面積占比值。模型評價(jià)結(jié)果見表6。

表6 模型評價(jià)結(jié)果Table 6 Model evaluation results

由表6可知，多元逐步回歸預(yù)測模型的決定系數(shù)R2=0.848，說明該模型擬合度優(yōu)于SVM回歸預(yù)測模型，并對多元逐步回歸預(yù)測模型進(jìn)行顯著性檢驗(yàn)，計(jì)算出P值為0.001，小于0.05。

本研究最終使用多元逐步回歸模型對測試樣本進(jìn)行預(yù)測，將螨害面積占比值單位轉(zhuǎn)換成畝數(shù)，結(jié)果如表7所示。

表7 棉田螨害面積預(yù)測模型預(yù)測結(jié)果對比Table 7 Comparison of prediction results of cotton field spider mite area prediction models

結(jié)果表明模型對棉田螨害發(fā)生面積的預(yù)測效果較好。

4 結(jié) 論

對棉田大范圍螨害監(jiān)測和預(yù)測方法進(jìn)行研究，通過地面尺度的棉花冠層高光譜數(shù)據(jù)結(jié)合低空尺度下的無人機(jī)多光譜遙感影像數(shù)據(jù)進(jìn)行敏感波段篩選，計(jì)算螨害相關(guān)植被指數(shù)，并結(jié)合試驗(yàn)區(qū)的氣象和土壤等田間環(huán)境數(shù)據(jù)，使用單一環(huán)境數(shù)據(jù)、單一植被指數(shù)以及環(huán)境數(shù)據(jù)與植被相結(jié)合的3種方式建立SVM螨害發(fā)生監(jiān)測模型并進(jìn)行對比分析。結(jié)果表明，同時(shí)使用環(huán)境數(shù)據(jù)和植被指數(shù)建立的模型具有更高的準(zhǔn)確度?；谝呀⒌腟VM棉田螨害監(jiān)測模型，繪制不同時(shí)期的螨害監(jiān)測空間分布圖，并分別統(tǒng)計(jì)健康點(diǎn)和螨害點(diǎn)像元數(shù)計(jì)算螨害面積占總面積比值，結(jié)合田間環(huán)境數(shù)據(jù)建立棉田螨害面積預(yù)測模型，模型的決定系數(shù)R2=0.848，可以用來對棉田螨害面積發(fā)生進(jìn)行預(yù)測。

研究所建立的模型基于田間環(huán)境數(shù)據(jù)和植被指數(shù)，這兩個(gè)因素本身就具有時(shí)間和空間的變異性，對一段時(shí)間內(nèi)的棉田進(jìn)行監(jiān)測和面積預(yù)測，驗(yàn)證了時(shí)間尺度的可移植性，對于區(qū)域上的驗(yàn)證，需要采集不同區(qū)域的田間環(huán)境數(shù)據(jù)和植被指數(shù)，理論上與時(shí)間上的驗(yàn)證同理。目前只針對棉田是否發(fā)生螨害建立了監(jiān)測模型，對不同螨害等級的發(fā)生監(jiān)測未進(jìn)行研究，且模型雖然考慮了田間環(huán)境數(shù)據(jù)和施藥防治對螨害的影響，但是越冬基數(shù)、天敵等因素同樣會(huì)影響螨害的發(fā)生。本研究結(jié)果可為大范圍棉田螨害監(jiān)測和面積預(yù)測提供方法參考，后續(xù)研究中應(yīng)融合更多相關(guān)因素，提升螨害監(jiān)測與預(yù)測的精度。