一种大面积虫害量化监测系统的制作方法
【专利摘要】本发明提供了一种大面积虫害量化监测系统。本发明采用机载或星载高光谱遥感摄像设备取得特定波段的遥感图像，对遥感图像执行必要的前处理，消除干扰和测量误差，然后遥感图像的像素级尺度上提取光谱特征，代入多维植物参量模型反演植物生态指标，从而根据这一指标量化判定遥感检测区域的虫害状况。
【专利说明】一种大面积虫害量化监测系统
【技术领域】
[0001] 本发明涉及农业信息技术，更具体地，涉及一种大面积虫害量化监测系统。
【背景技术】
[0002] 虫害给农业生产所造成的损失非常巨大，据测算，每年有20%左右的预计农作物 产量被害虫所消耗或破坏。另一方面，为了对抗虫害而大量使用的农药又带来了环境污染 和食品残留毒性的问题。虫害在爆发期之前一般具有相对比较长的发展期，因而，通过对虫 害的分布状况、严重程度以及变化趋势进行严密监控，实现早期防范和干预，不但是限制虫 害范围和减少作物损失的有效手段，也能够从整体上降低农药的施用量。
[0003] 现有技术中，监测虫害的技术手段主要有诱捕采样法以及遥感监测法。诱捕采样 法是在田间设立监测点，安装捕虫设施，通过灯光、仿声、饵料、胶盘、网洞等手段吸引和捕 获害虫，能过辨别害虫种类和统计数量来定性和定量分析当前的虫害状况。随着技术的发 展，目前的捕虫设施引入了各种自动化的手段，例如通过红外计数器等装置进行自动计数， 或者在拍照后运用背景分离、边缘提取和模式对比进行害虫种类的识别，特别是基于无线 通信技术实现了监测点数据的远程上传。通过对大量监测点采样数据的统计分析，可以了 解到虫害的状况和发展趋势。但是应用于大面积监测时，诱捕采样法还存在很多不足，例 如，害虫从分布规律上看可分为散发型、群聚型、迁飞型等多种类型，对于空间均匀设置的 监测点来说，对于后两种分布规律下的害虫的采样难以做到全面和准确；监测点对害虫的 诱捕采样在较短的时间区间内具有较大偶然性，必须经过相对较长的时间区间以及多次的 样品比对方才具有统计学意义，因而监测表现出滞后和低效；另外监测点建设成本偏高、采 样密度往往不够、维护困难等因素也制约了其应用推广。
[0004] 遥感监测法利用卫星或机载雷达设备或者多波段光学遥感设备在大面积区域内 针对虫害进行直接测量，具有监测结果直观、易于分析判断、时效性强、监测效率高的优点， 但是精确度比较低，进行定量分析比较困难。
[0005] 近年来，通过采用高光谱遥感技术，将光谱分离为极小甚至达纳米级分辨率的窄 波段进行信息接收，实现了宽谱域的光谱成像，极大地增强了地面观测能力和光谱微小差 异的识别能力。从理论上说，作物受到害虫损害后，由于其叶片、枝干、根茎等部位的生理形 态改变，其光谱在某些波段上与正常状态光谱呈现比较大的差异性。因而，通过对大面积作 物进行高光谱遥感，能够大规模、高时效性地直接监测虫害状况及其变化趋势。
[0006] 但是，在现有技术中，针对虫害作物进行大面积高光谱检测和分析尚存在难点：植 物光谱对外界环境因素敏感，影像背景、光照、气象条件都会产生不可忽略的影响；植物光 谱本身表现出充分的时间动态性，而在现有技术中缺少数据过滤和信息提取的有效算法， 给虫害灾情的识别和定量研究带来困难。
【发明内容】
[0007] 根据现有技术中的上述需求，本发明提供了一种大面积虫害量化监测系统。本发 明采用机载或星载高光谱遥感摄像设备取得特定波段的遥感图像，对遥感图像执行必要的 前处理，消除干扰和测量误差，然后遥感图像的像素级尺度上提取光谱特征，代入多维植物 参量模型反演植物生态指标，从而根据这一指标量化判定遥感检测区域的虫害状况。
[0008] 本发明所述的大面积虫害量化监测系统，其特征在于，包括：
[0009] 机载或星载高光谱成像仪，用于获得大面积区域的高光谱遥感成像数据，所述高 光谱遥感成像数据具有110个测量波段、5nm以内的平均光谱分辨率以及100m以内的空间 分辨率，光谱范围包括600 - 800nm波段范围的可见光近红外波段；
[0010] 前处理单元，对所述高光谱遥感成像数据进行前处理，消除空气吸收散射、地表背 景辐射、太阳光照辐射及仪器误差的干扰，并且纠正遥感成像数据的几何变形；
[0011] 抽样单元，从前处理后高光谱遥感成像数据中抽取预定密度的采样像素点，取得 所述采样像素点的光谱系数；
[0012] 反演计算单元，根据所述采样像素点的光谱系数，基于多个衡量标准的植物参量 模型，反演计算采样像素点位置的植物生态指标集合；
[0013] 分析单元，根据各采样像素点的植物生态指标集合，判断其虫害状况评级数值，并 基于全部采样像素点的虫害状况评级数值，确定大范围的虫害状况量化评级。
[0014] 优选的是，所述前处理单元包括：大气校正单元，用于根据太阳光照对应测量波段 响应函数，根据太阳辐照角及日地距离针对空气对光谱的吸收和散射进行校正。
[0015] 优选的是，所述前处理单元包括几何纠正单元，用于基于人工选取的定位点，对高 光谱遥感成像数据进行重采样和双线性空间内插，获得所述前处理后高光谱遥感成像数 据。
[0016] 优选的是，所述抽样单元包括：空间采样单元，用于根据预定的采样方案，从所述 前处理后高光谱遥感成像数据提取空间均匀分布或者非均匀分布的采样像素点，所述采样 像素点的数量除以高光谱遥感成像数据对应的空间区域面积所获得的采样平均密度应大 于所述预定密度；光谱系数计算单元，从所述采样像素点的前处理后高光谱遥感成像数据 中提取采样像素点特定测量波段的反射率数值，通过组合所述特定测量波段的反射率数值 计算光谱系数。
[0017] 优选的是，所述组合所述特定测量波段的反射率数值是将所提取的若干个特定测 量波段的反射率数值按照不同的权重因子进行线性加权。
[0018] 优选的是，提取的若干个特定测量波段包括至少一个可见光近红外波段范围内的 特定测量波段。
[0019] 优选的是，所述反演计算单元包括：光化学植被指数（PRI)计算模块，将所述光谱 系数代入光化学植被指数（PRI)计算模型计算光化学植被指数（PRI);叶绿素吸收比值指 数（CARI)计算单元，将所述光谱系数代入叶绿素吸收比值指数（CARI)计算模型计算叶绿 素吸收比值指数（CARI);连续型冠层（PR0SAIL)计算模块，用于将所述光谱系数代入连续 型冠层（PR0SAIL)计算模型获得相应的连续型冠层（PR0SAIL)输出值。
[0020] 优选的是，所述分析单元保存各等级的虫害状况参数参照表，通过比较所述光化 学植被指数（PRI)、叶绿素吸收比值指数（CARI)和所述连续型冠层（PR0SAIL)输出值与所 述虫害状况参数参照表中的参照值，根据是否满足评级条件确定虫害状况评级数值。
[0021] 优选的是，所述分析单元基于全部采样像素点中各等级的虫害状况评级数值的比 例，确定大范围的虫害状况量化评级。
[0022] 优选的是，所述分析单元基于全部采样像素点中各等级的虫害状况评级数值的加 权平均，确定大范围的虫害状况量化评级。
[0023] 本发明采用高光谱遥感测量的方式对大面积范围的植被生长状况进行实地测量， 并且在精确处理遥感图像数据的基础上，提取相关性比较大的光谱波段，通过综合评定多 种植物生态指标来确定目标范围内的虫害等级；本发明将对大面积范围的虫害分析转换为 以采样点为单位的定量分析，实现了精确和简便的量化测量。本发明的测量可靠性强，时效 性好，数据处理效率高，而且通过综合评价能够比较准确地反映出大范围尺度上的虫害真 实情况，适用于规模化农业生产中对广域范围内虫害状况的实时监管。
【专利附图】
【附图说明】
[0024] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明：
[0025] 图1是本发明所述大面积虫害量化监测系统的结构框图；
[0026] 图2是本发明所述大面积虫害量化监测系统的前处理单元结构示意图；
[0027] 图3是本发明所述大面积虫害量化监测系统的抽样单元结构示意图；
[0028] 图4是本发明所述大面积虫害量化监测系统的反演计算单元结构示意图。
【具体实施方式】
[0029] 为了使本【技术领域】的人员更好地理解本发明的技术方案，并使本发明的上述目 的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细 的说明。
[0030] 当虫害发生之后，由于作物的茎、叶均受到啃食或其它破坏，造成其颜色、枝叶形 态、密集度均有明显变化，这些变化会导致某些波段的高光谱遥感图像与同种正常作物相 比呈现出比较明显的差异性，特别是700 - lOOOnm波段范围的可见光近红外波段，对作物 冠层的因虫害变化表现出了充足的敏感度。因此，本发明通过机载或星载高光谱成像仪对 大面积范围的植被进行遥感测量，并提取其中虫害敏感波段上的数据，进行量化分析评估。
[0031] 图1是本发明所述的大面积虫害量化监测系统的结构框图。如图1所示，本系统 包括机载或星载高光谱成像仪1、前处理单元2、抽样单元3、反演计算单元4和分析单元5。
[0032] 机载或星载高光谱成像仪1对待测的大面积农业作物区域执行高光谱遥感，获得 相应的高光谱遥感成像数据。机载或星载高光谱成像仪1实际上是由成像仪和高光谱仪共 同组成的，因此可以获得遥感区域的空间图像信息和光谱信息二者，基于FISS技术，使空 间图像信息的拍摄与光谱信息的测量能够同步融合，从而实现遥感光谱成像，可以针对其 中的每个空间像素点提取各波段上的光谱数据，这样能够对每个空间像素点对应地面目标 的光谱特征进行分析判断。高光谱仪具有110个测量波段，测量波段具有5nm以内的平均 光谱分辨率，可以获得地面目标一定波段范围内连续和精细的光谱数据。成像仪的空间分 辨率达到l〇〇m以内，基本可以满足识别小片农田作物的成像要求。植物中叶绿素对绿光反 射作用强烈，而对红光吸收作用强，因此在光谱的近红外波段（650nm至800nm)会形成"红 边"效应。由于虫害对作物的破坏，导致受害区域冠层的叶绿素含量相比正常状况发生明显 变化，近红外波段的光谱特征与冠层变化具有非常高的相关性，因此光谱仪的光谱范围应 该包括600 - 800nm波段范围。
[0033] 光谱成像数据会受到空气吸收散射、地表背景辐射及仪器误差等方面因素干扰， 使得所采集的光谱数据与实际的光谱特征存在一定的偏差。前处理单元2用于对所述高光 谱遥感成像数据进行前处理，消除上述多方面因素的干扰，并且纠正遥感成像数据的几何 变形。图2是前处理单元的结构示意图，可见该单元元包括下面介绍的若干个功能部分。大 气校正单元201根据太阳光照对应测量波段响应函数
【权利要求】
1. 一种大面积虫害量化监测系统，其特征在于，包括： 机载或星载高光谱成像仪，用于获得大面积区域的高光谱遥感成像数据，所述高光谱 遥感成像数据具有110个测量波段、5nm以内的平均光谱分辨率以及100m以内的空间分辨 率，光谱范围包括600 - 800nm波段范围的可见光近红外波段； 前处理单元，对所述高光谱遥感成像数据进行前处理，消除空气吸收散射、地表背景辐 射、太阳光照辐射及仪器误差的干扰，并且纠正遥感成像数据的几何变形； 抽样单元，从前处理后高光谱遥感成像数据中抽取预定密度的采样像素点，取得所述 采样像素点的光谱系数； 反演计算单元，根据所述采样像素点的光谱系数，基于多个衡量标准的植物参量模型， 反演计算采样像素点位置的植物生态指标集合； 分析单元，根据各采样像素点的植物生态指标集合，判断其虫害状况评级数值，并基于 全部采样像素点的虫害状况评级数值，确定大范围的虫害状况量化评级。
2. 根据权利要求1所述的大面积虫害量化监测系统，其特征在于，所述前处理单元包 括：大气校正单元，用于根据太阳光照对应测量波段响应函数，根据太阳辐照角及日地距离 针对空气对光谱的吸收和散射进行校正。
3. 根据权利要求2所述的大面积虫害量化监测系统，其特征在于，所述前处理单元包 括几何纠正单元，用于基于人工选取的定位点，对高光谱遥感成像数据进行重采样和双线 性空间内插，获得所述前处理后高光谱遥感成像数据。
4. 根据权利要求3所述的大面积虫害量化监测系统，其特征在于，所述抽样单元包括： 空间采样单元，用于根据预定的采样方案，从所述前处理后高光谱遥感成像数据提取空间 均匀分布或者非均匀分布的采样像素点，所述采样像素点的数量除以高光谱遥感成像数据 对应的空间区域面积所获得的采样平均密度应大于所述预定密度；光谱系数计算单元，从 所述采样像素点的前处理后高光谱遥感成像数据中提取采样像素点特定测量波段的反射 率数值，通过组合所述特定测量波段的反射率数值计算光谱系数。
5. 根据权利要求4所述的大面积虫害量化监测系统，其特征在于，所述组合所述特定 测量波段的反射率数值是将所提取的若干个特定测量波段的反射率数值按照不同的权重 因子进行线性加权。
6. 根据权利要求5所述的大面积虫害量化监测系统，其特征在于，提取的若干个特定 测量波段包括至少一个可见光近红外波段范围内的特定测量波段。
7. 根据权利要求6所述的大面积虫害量化监测系统，其特征在于，所述反演计算单元 包括：光化学植被指数（PRI)计算模块，将所述光谱系数代入光化学植被指数（PRI)计算 模型计算光化学植被指数（PRI);叶绿素吸收比值指数（CARI)计算单元，将所述光谱系数 代入叶绿素吸收比值指数（CARI)计算模型计算叶绿素吸收比值指数（CARI);连续型冠层 (PROSAIL)计算模块，用于将所述光谱系数代入连续型冠层（PROSAIL)计算模型获得相应 的连续型冠层（PROSAIL)输出值。
8. 根据权利要求7所述的大面积虫害量化监测系统，其特征在于，所述分析单元保存 各等级的虫害状况参数参照表，通过比较所述光化学植被指数（PRI)、叶绿素吸收比值指数 (CARI)和所述连续型冠层（PROSAIL)输出值与所述虫害状况参数参照表中的参照值，根据 是否满足评级条件确定虫害状况评级数值。
9. 根据权利要求8所述的大面积虫害量化监测系统，其特征在于，所述分析单元基于 全部采样像素点中各等级的虫害状况评级数值的比例，确定大范围的虫害状况量化评级。
10. 根据权利要求8所述的大面积虫害量化监测系统，其特征在于，所述分析单元基于 全部采样像素点中各等级的虫害状况评级数值的加权平均，确定大范围的虫害状况量化评 级。
【文档编号】G01N21/31GK104266982SQ201410448644
【公开日】2015年1月7日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】陈渝阳, 朱旭华 申请人:浙江托普仪器有限公司