农业病虫害监测中高光谱遥感技术应用研究进展

李玮

摘要    农作物病虫害监测是有害生物综合防治必不可少的环节之一。本文首先在阐述高光谱遥感监测农作物病虫害原理的基础上，对高光谱遥感技术近年来在农业病虫害防治中的应用进行了总结，按主要大宗作物种类进行分类，体现了高光谱遥感在植保领域中广阔的应用前景。最后，对该技术在农业病虫害领域的应用前景进行了展望。

关键词    高光谱遥感;农业病虫害;监测;研究进展;防治效果

中图分类号    S127        文献标识码    A

文章编号   1007-5739（2019）14-0126-03                                                                                     開放科学（资源服务）标识码（OSID）

Abstract    Pest and disease monitoring is an essential part of integrated pest control.Based on the principle of hyperspectral remote sensing monitoring of crop diseases and pests，this paper summarized the application of hyperspectral remote sensing technology in agricultural pest control in recent years，and classified it according to the main types of crops，reflected the application prospect of hyperspectral remote sensing in the field of plant protection.Finally，the application prospects of the technology in the field of agricultural pests and diseases were prospected.

Key words    hyperspectral remote sensing;agricultural pest and disease;monitor;research progress;control effect

作物病虫害是我国农业生产的主要灾害之一，具有种类多、影响大、时常暴发成灾等特点，会降低作物产量和品质，同时也是制约优质、低碳、循环农业持续发展的主导因素之一[1-2]。及时、快速、无损、精准的远程监控，对掌握作物病虫害发生发展特点、病虫害鉴别及危害程度、防治效果等方面有重要的支撑作用，对提高农作物产量和品质、减少农业经济损失具有重要意义。

高光谱遥感技术即高光谱分辨率遥感技术，是近些年来迅速发展起来的一种全新遥感技术，最早应用于航天、工业、地质测绘等领域，结合其技术优势可将其应用于农业遥感监测中，特别是对作物长势评估和病虫害监测预警等方面。利用高光谱遥感影像能准确地反映田间作物本身的光谱特征以及作物间的光谱差异，通过影像数据可以更加精准地获取作物含水量、叶绿素含量、叶面积指数等生理生化参数，从而准确地监测作物长势及预测产量[3-4]。近年来，高光谱遥感技术应用于农业病虫害的监测及防治，也取得了较大进展，解决了农业生产管理中长期存在的病虫害等有害生物农情信息大尺度监测不及时、监测水平以定性为主、监测精度无法实现定量等难题。国内外在该领域的研究开展较早，基于高光谱影像分析了作物病害光谱响应，利用红边参数、二项式分析等方法开展了小麦条锈病光谱信息探测与识别研究，病虫害识别效果较好[5-6]。随着高光谱硬件设备的升级和大数据系统的不断完善，高光谱遥感技术在农业病虫害监测研究和应用中将越来越普遍。

1    农业病虫害高光谱遥感技术监测原理

遥感技术是一种根据电磁波理论，在远距离、不直接接触目标物体的情况下，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别，从而实现对地物进行定位、定性或定量描述的一种综合技术[7]。高光谱分辨率遥感是指在电磁波波段宽度<10 nm的范围内，获取许多非常窄的光谱连续的影像数据，从而形成一条完整而连续的光谱曲线的技术[8]。

在农业有害生物监测系统中，病虫害对农作物生长的影响主要有农作物外部形态变化和内部生理变化2种表现形式。外部形态变化主要表现在冠层形状的改变，如落叶、叶片卷曲、叶片幼芽被吞食、倒伏等;内部生理变化则表现为叶绿素组织遭到破坏后，光合作用、养分与水分吸收、运输、转化等生理生化机制发生改变。无论外部形态或内部生理发生变化，都将不可避免地导致作物光谱特征发生变化，尤其是中、近红外区光谱特征的变化。因此，应用高光谱遥感技术，结合传统实验方法，比较受有害生物侵染作物的各种典型生理生化指标变化，分析和确定相应的光谱特性变化，可以监测到病虫害的早期发生，定量地确定病虫害的危害程度，为大规模监测农作物病虫害发生和发展提供及时可靠的依据[9]，对及时干预病虫害发展、开展统防统治标准化防治、化学农药减量增效均具有重要指导作用。

2    高光谱遥感技术在小麦病虫害监测中的研究应用

2.1    病害监测

目前，高光谱遥感监测技术在小麦锈病和白粉病监测中的应用较多。蒋金豹等[10]通过采用小麦条锈菌在田间诱发侵染冬小麦健康植株，在小麦不同生育期分别调查不同感染等级冬小麦的病情指数，同时测定其冠层光谱数据，对测定的光谱进行平滑并计算一阶微分值，与病情指数进行相关性分析后，构建了冬小麦条锈病的识别技术，基本达到小麦条锈病的监测指标。2013年，Cao等[11]以冬小麦白粉病为研究对象，通过对冠层光谱反射率和多种光谱参数的分析研究，完成了对小麦白粉病的监测技术构建，确定红边峰值面积是白粉病的敏感光谱参数。另外，有研究者采用便携式光谱仪对麦蚜、白粉病危害后冬小麦冠层高光谱进行测量，并同步调查了小麦不同生育期这2种有害生物的危害指数，经过定性定量系统分析后得出：受到白粉病侵染后冬小麦冠层光谱在绿光区、黄光区和近红区反射特性存在差异性;在3个反射特性差异光谱区内，冠层光谱反射率分别随百株蚜量和病情指数的增加呈明显的下降、下降与上升趋势，且差异显著[12]。刘琦[13]通过2年的田间试验，利用高光谱遥感技术获取的小麦条锈病潜育期冠层光谱，结合分子生物学手段获取的条锈菌潜育菌量，建立了宏微结合技术体系以监测田间潜育期小麦条锈病。

小麦锈病是危害我国小麦生产的主要病害之一，其具有分布广、传播快、危害面积大、孢子生理小种变异快等特点，高光谱遥感技术可以充分发挥其优势，在甘肃西部、青海东部、四川西北部等小麦锈病秋季菌源基地建立完善的高光谱遥感技术监测预警体系，对我国小麦锈病防控将具有重要的价值。

2.2    虫害监测

首先，应开展高光谱遥感技术关于虫害危害的识别技术，Singh等[14]利用近红外光谱成像技术，研发了识别正常小麦与虫蛀小麦的方法，发现了最佳研究波段范围为1 000～1 600 nm，通过主成分分析得到最佳波长为1 101.69 nm和1 305.05 nm，结合直方图并使用线性判别分析（LDA）和二次判别分析（QDA）对健康小麦与虫蛀小麦进行了识别，正确分类率达85%以上。Chandra等[15]利用近红外高光谱成像系统检测小麦虫害，在波长范围为900～1 700 nm波段进行图像采集，以正常小麦为对照，采集受米象虫、甲虫等侵蚀的小麦图谱信息，然后进行高光谱数据降维统计分析、聚类。结果表明，健康小麦正确识别率为96.4%，虫蛀麦粒的识别精准率达91.1%以上。应用高光谱结合数据分析系统快速无损的监测技术发展迅速，对小麦田病虫害的监测准确率也在不断提高，对病虫害大规模防控及防控效果的掌握具有重要作用[16]。

3    高光谱遥感技术在水稻病虫害监测中的研究应用

3.1    病害监测

稻瘟病（Pyricularia oryzae Cav.）是水稻重要病害之一，可引起大幅度减产，严重时减产40%～50%[17]。控制若未及时，将会严重影响水稻的安全生产和粮食供给。高光谱遥感技术在稻瘟病的监测研究中，主要应用于稻苗瘟、叶瘟等方面[18-19]。郑志雄等[20]构建了基于高光谱成像技术的水稻葉瘟病病害程度研究方法，采集受稻瘟病侵染的水稻叶片高光谱图像，利用主成分分析确定适合病斑分割的主成分图像，并用密度分割法完成叶瘟病斑的检测，得出了病斑区域光谱变化规律，为高光谱遥感技术快速识别叶瘟病提供了数据基础。另外，为了快速、准确地进行水稻穗瘟病害程度分级，实现水稻品种抗性评价或精准的田间化学防治，研究者提出了一种光谱词袋（bag of spectrum words，Bo SW）模型分析方法，分析稻穗的高光谱图像，可自动评判穗瘟病害程度，提高了穗瘟病分级的自动化程度和准确率，也可为其他病害分级监测、检测提供参考。

3.2    虫害监测

在水稻方面，高光谱遥感技术研究也较为广泛，基于叶片和冠层光谱分析进行植物病虫害诊断和监测的研究不断增多。国内外学者结合实验观测和光谱分析，筛选出水稻稻瘟病、稻纵卷叶螟、稻干尖线虫病等病害类型的光谱敏感波段和适合的光谱特征[21]。2004年，张宝棣[22]、谭广发[23]利用近红外光谱技术确定水稻发病症状的光谱特征，并利用其数据实现了对水稻病害的诊断与防治。2010年，孙  红等[24]利用光谱技术实现了水稻稻纵卷叶螟的检测，在田间采集水稻稻纵卷叶螟虫害区的反射光谱和一阶微分光谱特征，与对照区冠层光谱比较发现，在可见光区波段为550 nm附近，中度受害水稻冠层反射率明显低于对照冠层反射率值，重度受害水稻冠层反射率则高于对照区冠层反射率。水稻虫害遥感监测的原理是病虫害会导致作物叶片细胞结构色素、水分氮素含量及外部形状等发生变化，从而引起作物反射光谱的变化。另外，对作物冠层来说，病虫害的发生会引起作物叶面积指数生物量覆盖度等方面的一系列变化。因此，与正常作物相比，受有害生物侵害作物的反射光谱在可见光到热红外波段的反射光谱有明显差异[25-28]。利用此技术在水稻高危害生物监控方面取得了较好效果，刘占宇[29]通过对浙江省和黑龙江省6个县（市、区）5种水稻病虫害进行观测，运用多种数据处理方法，筛选出对水稻病虫害响应的敏感光谱区域和谱段，构建了病虫害胁迫指数，对水稻不同病虫害的危害等级分类和色素含量、病害严重度指数、虫情指数等危害指标的估算方法进行了研究，并运用QuickBird影像技术提取稻飞虱危害面积和产量损失评估。

通过上述分析可以看出，高光谱遥感技术在水稻虫害监测方面的研究，重点集中在识别技术，特征光谱区和波段的选择至关重要，不断缩小波段幅宽、提高分辨率是今后研究的重点。

4    应用展望

近年来，高光谱遥感技术在农业上进行作物病虫害的监测检测和作物长势的监控研究应用较多，具体集中在小麦、水稻、棉花、玉米等大宗作物上，以主要病虫害为靶标构建的模型较多，也较为成熟，在国内应用较多的区域集中在东北地区、黄淮海区域、新疆等地。

此外，红外热成像技术也是一种对作物进行早期病害诊断和预警的有效手段之一，之前在作物早期病害监测检测的应用领域以黄瓜、苹果、番茄等大叶作物为主[30-33]，而在小麦、水稻等窄叶粮食作物上的应用研究，受仪器硬件、数据采集、分析方法等因素的制约，存在一定局限性。当作物受到有害生物侵害时，作物会产生防卫反应，造成气孔异质性开闭，叶片的蒸腾作用出现异常，水分调节失衡，叶片温度升高或降低，病变部位发射的红外射线随之改变。热成像仪通过接收改变的热辐射并进行成像，可以实现对作物的早期病害诊断和预警。能够看出，热成像技术在作物胁迫预警方面具有很大潜力，也使红外成像技术的实际应用价值较大，便于提前发现问题，采取有效防治手段，减少农业化学品的投入，减少产量损失[34]。因此，该项技术近年来得到了快速发展，随着仪器设备不断升级，热成像系统结合高光谱遥感技术和数字图像处理技术，实现对小麦、水稻、马铃薯等多种作物的早期病害监测检测，完善数据采集系统，开发专用软件分析，构建有害生物的预警机制模型并应用于实际生产是今后研究的主要方向。

高光谱遥感技术在发展应用中存在诸多限制性因素，其中天气因素和地理因素对其影响较大，导致目前农作物病虫害遥感监测预警模型较少、光谱分析技术方法的广谱适用性较差、专业分析软件的开发较少、大宗作物标准化数据采集规程的缺失等问题。今后，采用高光谱遥感技术进行农作物病虫害的监测检测工作时，要特别注意以下3个问题。

（1）基于多源遥感技术数据的采集。遥感数据源具有多样性、实时性和动态性等特点，原则上要以多源、高分辨率、多（或高）光谱数据综合应用为基础，结合地面观测、地面实验数据，可利用农业卫星、植保无人机、红外监控等技术手段，全天候全方位地进行数据采集。

（2）数据图像的提取、降维、分类和分析等。确立专一作物病虫害的最优数据图像处理方法，与传统调查方法和分子生物学方法相比，最大程度地获取数据中的有效信息，开发各种专一性、广谱性的专业图像数据处理软件，降低技术门槛，便于在农业生产中广泛应用。

（3）目前，构建的高光谱遥感技术监测预警模型多以油菜、马铃薯等阔叶作物為主，且主要针对其某一特定生长期，预警监测模型还受测量环境、生长条件和作物品种等多方面的限制，缺乏在生产实践中的指导性作用。笔者认为，以油菜田、马铃薯田主要发生的病虫害为研究对象，应用高光谱遥感技术开展全面详细的研究，以此方面的经验和大数据系统的支持，对禾本科小麦、水稻和玉米的高光谱遥感监控病虫害的发生、发展、防控效果方面的研究具有重要的指导作用[35]。

5    结语

高光谱遥感技术在农业上的应用研究已经逐渐成为现代农业研究中的重点，高光谱遥感影像具有光谱连续、波段多以及数据量大等特点，可为现代农业研究提供精准的技术手段。高光谱遥感技术是一门覆盖了探测技术、精密光学影像系统、高速信号完整传导处理系统和计算机数据处理系统的综合性应用技术。随着其探测设备、影像系统、软件处理能力等软硬件不断发展，结合农业相关各类“大数据”系统的逐步完善。另外，在有足够的高光谱数据保障下，建立完整的应用技术体系，提高监测预测的准确性，加强通用性和移植性，高光谱遥感技术在农业病虫害监测预警中将具有更加广阔的前景[36-37]。

6    参考文献

[1] 陈兵，李少昆，王克如，等.作物病虫害遥感监测研究进展[J].棉花学报，2007，19（1）：57-63.

[2] 罗红霞，阚应波，王玲玲，等.基于高光谱遥感技术的农作物病虫害应用研究现状[J].广东农业科学，2012（18）：76-80.

[3] LILLESAND T M，KIEFER R W.Remote sensing and image interpreta-tion[M].3rd Edition.New York：John Wiley & Sons，1994：750.

[4] 姚云军，秦其明，张自力，等.高光谱技术在农业遥感中的应用研究进展[J].农业工程学报，2008，24（7）：301-306.

[5] MOSHOU D，BRAVO C，WAHLEN S，et al. Simultaneous identification of plant stresses and diseases in arable crops using proximal optical sensing and self-organizing maps[J].Precision Agriculture，2006，7（3）：149-164.

[6] 王圆圆，陈云浩，李京，等.指示冬小麦条锈病严重度的两个新的红边参数[J].遥感学报，2007，11（6）：875-881.

[7] 朱述龙，张占睦.遥感图像获取分析[M].北京：科学出版社，2000.

[8] 浦瑞良，宫鹏.高光谱遥感及其应用[M].北京：高等教育出版社，2000.

[9] 陈鹏程，张建华，雷勇辉，等.高光谱遥感监测农作物病虫害研究进展[J].中国农学通报，2006，22（2）：388-391.

[10] 蒋金豹，陈云浩，黄文江.利用高光谱红边和黄边位置距离识别小麦条锈病[J].光谱学与光谱分析，2010，30（6）：5-8.

[11] CAO X，LUO Y，ZHOU Y，et al.Detection of powdery midew in two winter wheat cultivars using canopy hyperspectral reflectance[J].Crop Protection，2013（45）：124-131.

[12] 乔洪波.麦蚜、白粉病危害后冬小麦冠层高光谱的测量和分析[D].北京：中国农业科学院，2004.

[13] 刘琦.小麦条锈病潜育期遥感监测及分子检测技术研究[D].北京：中国农业科学院，2016.

[14] SINGH C B，JAYAS D S，PALIWAL J，et al.Detection of insect-damaged wheat kernels using near-infrared hyperspectral imaging[J].Journal of Stored Products，2009，45 （3）：151-158.

[15] CHANDRA B S，DIGVIR S J，JITENDRA P.Identification of insect-da-maged wheat kernels using short-wave near-infrared hyperspectral and digital colour imaging[J].Computers and Electronics in Agriculture，2010，73（2）：118-125.

[16] 王海超，高雄，陈铁英，等.农作物病害检测中光谱和图像处理技术现状及展望[J].农机化研究，2015（10）：1-8.

[17] 杨燕，何勇.基于高光谱图像的稻瘟病抗氧化酶值早期预测[J].农业工程学报，2013，29（20）：135-141.

[18] 冯雷，柴荣耀，孙光明，等.基于多光谱成像技术的水稻叶瘟检测分级方法研究[J].光谱学与光谱分析，2009，29（10）：2730-2733.

[19] 齐龙，马旭，梁柏，等.稻瘟病监测预测方法研究现状及流行风险评估体系构建初探[J].中国农学通报，2011，27（33）：213-216.

[20] 郑志雄，齐龙，马旭，等.基于高光谱成像技术的水稻叶瘟病病害程度分级方法[J].农业工程学报，2013，29（19）：138-144.

[21] 黄靖峰，王福民，王秀珍.水稻高光感遥感實验研究[M].杭州：浙江大学出版社，2010.

[22] 张宝棣.水稻病害的识别与防治[N].宁夏科技报，2004-05-25（03）.

[23] 谭广发.水稻病害防治技术[J].吉林农业，2004（4）：22-23.

[24] 孙红，李民赞，周志艳，等. 基于光谱技术的水稻稻纵卷叶螟受害区域检测[J].光谱学与光谱分析，2010，30（4）：1080-1083.

[25] 竞霞，王纪华，宋晓宇，等. 棉花黄萎病病情严重度的连续统去除估测法[J].农业工程学报，2010，26（1）：193-198.

[26] 赵春江.农业遥感研究与应用进展[J].农业机械学报，2014，45（12）：277-293.

[27] 张竞成，袁琳，王纪华，等.作物病虫害遥感监测研究进展[J]农业工程学报，2012，28（20）：1-11.

[28] 史舟，梁宗正，杨媛媛，等.农业遥感研究现状与展望[J].农业机械学报，2015，46（2）：247-260.

[29] 刘占宇.水稻主要病虫害胁迫遥感监测研究[D].杭州：浙江大学，2008.

[30] 黄双萍，齐龙，马旭，等.基于高光谱成像技术的水稻穗瘟病病害程度分级方法[J].农业工程学报，2015，31（1）：212-219.

[31] OERKE E C，STEINER U，DEHNE H W，et al.Thermal imaging of cuc-umber leaves affected by downy mildew and environmental conditions[J].Journal of Experimental Botany，2006，57（9）：2121-2132.

[32] OERKE E C，FROHLING P，STEINER U.Thermographic assessment of scab disease on apple leaves[J].Precision Agric，2011，12（5）：699-715.

[33] GUILIONI L，JONES H G，LEINONEN I，et al.On the relationships bet-ween stomatal resistance and leaf temperatures in thermography[J].Agri-cultural and Forest Meteorology，2008，148：1908-1912.

[34] 李真，史智兴，王成，等.红外热成像技术在作物胁迫检测方面的应用[J].农机化研究，2016（1）：232-237.

[35] 杨博，刘义，李鹏伟.基于多源数据融合技术的农业遥感监测在垦区的应用[J].现代化农业，2018（3）：7-8.

[36] 武洪峰.基于多源数据融合的农作物病虫害监测技术研究[J].现代化农业，2015（5）：59-60.

[37] 姜庆虎，童芳，余明珠，等.高光谱技术：生态学领域研究的新方法[J].植物科学学报，2015，33（5）：633-640.