長江中下游典型地區(qū)水稻紋枯病生境評價多源數(shù)據(jù)集

田洋洋，張靜文，張雪雪，彭代亮，陳雷，張競成*

1. 杭州電子科技大學自動化學院，杭州 310018

2. 中國科學院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室，北京 100094

3. 中國科學院合肥智能機械研究所，合肥 230031

數(shù)據(jù)庫（集）基本信息簡介

數(shù)據(jù)庫（集）組成數(shù)據(jù)集包括6個數(shù)據(jù)文件：（1）水稻紋枯病病害程度調(diào)查數(shù)據(jù)數(shù)據(jù)；（2）衛(wèi)星地表反射率數(shù)據(jù)；（3）水稻面積監(jiān)測數(shù)據(jù)；（4）影像穗帽變換特征數(shù)據(jù)；（5）MODIS地表溫度產(chǎn)品數(shù)據(jù)；（6）氣象站數(shù)據(jù)。

引 言

“民以食為天，食以稻為先”。水稻是我國的主要糧食作物之一，全國以稻米為主食的人口約占總?cè)丝诘?60%[1]。在我國水稻主要種植區(qū)域，紋枯病已成為限制水稻高產(chǎn)的首要病害，嚴重危害水稻的品質(zhì)和產(chǎn)量[2]。水稻紋枯病又稱云紋病，俗名花足稈、爛腳瘟、眉目斑，由立枯絲核菌感染得病，多在高溫、高濕條件下發(fā)生。紋枯病在南方稻區(qū)為害嚴重，是當前水稻生產(chǎn)上的主要病害之一。該病使水稻不能抽穗，或抽穗的秕谷較多，粒重下降[3]。水稻紋枯病的發(fā)生受菌核基數(shù)、水稻抗病性、氣候和田間栽培管理幾方面因素影響。高溫高濕、陰雨天多的條件有利于紋枯病的發(fā)病和擴展蔓延，田間郁閉度高、前期防治不好的田塊容易暴發(fā)紋枯病，且病情擴展快、危害持續(xù)時間長[4-5]。

目前作物病害生境評價較大程度上基于氣象數(shù)據(jù)與遙感數(shù)據(jù)。氣象因素能夠被較容易地觀測和分析，在研究中經(jīng)常用到與溫度和濕度相關(guān)的氣象因子數(shù)據(jù)，如降水量、平均氣溫、平均空氣相對濕度、日照時數(shù)、雨霧露天數(shù)[6-10]。通過分析氣象條件對甘肅冬小麥條銹病流行的影響，發(fā)現(xiàn)甘肅東部的氣候環(huán)境有利于小麥病蟲害的發(fā)生發(fā)展[11]。通過對南充市小麥條銹病發(fā)生流行的氣象因子進行分析，發(fā)現(xiàn)溫度、濕度和氣流為主要影響因子，其中低溫寒潮是引起當年11月至翌年4月氣象因子波動的主要原因[12]。使用地面溫度數(shù)據(jù)生成“熱積分空氣溫度”，為害蟲監(jiān)測提供的重要依據(jù)，使農(nóng)業(yè)害蟲風險圖的繪制具有一定時空細節(jié)[13]。寄主營養(yǎng)狀態(tài)及農(nóng)田小氣候信息，能夠通過遙感手段得到有效監(jiān)測。Cappaert和Powelson發(fā)現(xiàn)馬鈴薯莖腐病的發(fā)生和發(fā)展受到冠層密度和葉面濕度等微生境因素的決定[14]。植物病理學研究顯示病菌的生長繁殖依賴寄主植物為其提供營養(yǎng)，因此，很多植物病害都傾向“選擇”營養(yǎng)水平（氮素、水分等）較高的植株群體[15]。Bonman和Garrity研究了不同植株營養(yǎng)水平對水稻稻瘟病發(fā)生程度的影響，實驗結(jié)果表明，病害嚴重程度與植株氮素含量的相關(guān)系數(shù)在0.5–0.8之間[16]；Mahapatra等發(fā)現(xiàn)芥末黑斑病的發(fā)生與寄主植物的氮素含量密切相關(guān)，病害程度隨植株含氮量的上升而上升[17]。綜上，通過分析作物病害發(fā)病機理及獲取病害相關(guān)生境因子，水稻紋枯病生境評價數(shù)據(jù)集可以支持病害預警。

長江中下游平原是中國重要的糧、油、棉生產(chǎn)基地，亦為中國水資源最豐富地區(qū)，作物可一年二熟，耕地類型以水田為主。長江中下游地區(qū)是我國水稻主產(chǎn)區(qū)之一，也是我國水稻的集中產(chǎn)區(qū)。本數(shù)據(jù)集選取具有代表性的兩個區(qū)域，安徽省滁州市（研究區(qū)一）和浙江省湖州市（研究區(qū)二），如圖1所示。

圖1 研究區(qū)示意圖

本數(shù)據(jù)集包括以下四種數(shù)據(jù)：一是長江中下游水稻紋枯病病害程度調(diào)查數(shù)據(jù)；二是基于Landsat-8 OLI和Sentinel-2光學遙感數(shù)據(jù)分類的水稻種植區(qū)域；三是基于Sentinel-2光學遙感數(shù)據(jù)的水稻生長狀況數(shù)據(jù)；四是氣象數(shù)據(jù)，即MODIS地表溫度和氣象站氣象數(shù)據(jù)。本數(shù)據(jù)集可以作為長江中下游典型地區(qū)水稻紋枯病生境檢測的研究數(shù)據(jù)，可在空間大尺度上實現(xiàn)作物監(jiān)測、作物病害生境評價等應(yīng)用。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)源

本數(shù)據(jù)集所采用的數(shù)據(jù)包括以下三類：

（1）水稻紋枯病病害程度調(diào)查數(shù)據(jù)。調(diào)查按照以下規(guī)則記錄：全株無病記為健康，基部葉片葉鞘發(fā)病記為輕度，第三葉片以下各葉鞘或葉片發(fā)病及第二葉片以下各葉鞘或葉片發(fā)病記為中度，頂葉葉鞘或頂葉發(fā)病及全株發(fā)病枯死記為重度。

（2）光學遙感數(shù)據(jù)：包括Sentinel-2光學遙感數(shù)據(jù)和Landsat-8 OLI光學遙感數(shù)據(jù)，Sentinel-2光學遙感數(shù)據(jù)由歐洲航天局網(wǎng)站（https://scihub.copernicus.eu/）提供，Landsat-8 OLI光學遙感數(shù)據(jù)由中國科學院遙感與數(shù)字地球研究所網(wǎng)站（http://ids.ceode.ac.cn/Index.aspx）提供。

（3）氣象數(shù)據(jù)：包括MODIS地表溫度產(chǎn)品和氣象站數(shù)據(jù)，MODIS地表溫度產(chǎn)品由美國地質(zhì)調(diào)查局（United States Geological Survey，USGS）網(wǎng)站（http://glovis.usgs.gov/）提供，氣象站數(shù)據(jù)由中國氣象數(shù)據(jù)網(wǎng)站（http://data.cma.cn/）提供的地面氣象站日值數(shù)據(jù)。數(shù)據(jù)集所用衛(wèi)星遙感影像和氣象站數(shù)據(jù)如表1、表2所示。

表1 數(shù)據(jù)集衛(wèi)星遙感影像列表

9 MOD11A2.A2018201.h27v05.006.20182 10041006 2018年7月20日 1000 MOD11A2.A2018201.h28v05.006.20182 10041522 2018年7月20日 1000 MOD11A2.A2018209.h27v05.006.20182 18215637 2018年7月28日 1000 MOD11A2.A2018209.h28v05.006.20182 18215857 2018年7月28日 1000 MOD11A2.A2018217.h27v05.006.20182 27170350 2018年8月5日 1000 MOD11A2.A2018217.h28v05.006.20182 27165712 2018年8月5日 1000 10 11 12 13 14

表2 氣象站數(shù)據(jù)

1.2 數(shù)據(jù)處理方法

1.2.1 遙感影像預處理及研究區(qū)提取

衛(wèi)星遙感技術(shù)的發(fā)展，為植被檢測提供了先進的技術(shù)手段。Sentinel-2的L1C級多光譜數(shù)據(jù)是經(jīng)過幾何精校正的正射影像。為消除大氣散射和吸收等影響，首先對Sentinel-2的L1C級多光譜數(shù)據(jù)進行輻射校正和大氣校正，通過歐空局（ESA）發(fā)布的插件Sen2cor進行輻射定標和大氣校正（氣溶膠反演、水蒸氣反演、卷云修正），得到 L2A級大氣底層反射率數(shù)據(jù)。對 Landsat-8 OLI數(shù)據(jù)采用ENVI遙感圖像處理軟件進行預處理，先對影像進行福射校正，再對經(jīng)過輻射校正后的影像進行快速大氣校正。然后根據(jù)研究區(qū)的范圍裁剪出研究區(qū)影像數(shù)據(jù)。

1.2.2 基于時相信息的水稻面積提取

在此基礎(chǔ)上，由于水稻在單個時期容易與影像中的其他作物或植被混淆，因此考慮水稻生長過程的變化特征，運用水稻移栽和拔節(jié)階段光譜時序特性和決策樹方法進行水稻面積提取。由于光學衛(wèi)星數(shù)量少、重訪周期相對較長、影像受云雨影響大，因此將Sentinel-2和Landsat-8 OLI經(jīng)過重采樣處理，優(yōu)先使用Sentinel-2數(shù)據(jù)，若研究區(qū)域?qū)?yīng)的時間無此數(shù)據(jù)，則使用Landsat-8 OLI數(shù)據(jù)。用光學反射率數(shù)據(jù)中的近紅外波段和紅外波段通過歸一化植被指數(shù)計算公式計算得到歸一化植被指數(shù)，根據(jù)歸一化植被指數(shù)檢測綠色作物的特性，用7月的歸一化植被指數(shù)實現(xiàn)對水、城市與綠色植被的分類?？紤]城市植被及其他綠色植被在6–7月變化較小，而水稻冠層變化顯著的特點，利用歸一化植被指數(shù)和綠波段對植物生長狀態(tài)的響應(yīng)特點，經(jīng)反復對比試驗采用6、7月歸一化植被指數(shù)的差值和綠波段實現(xiàn)水稻與其他綠色植被的分類。決策樹方法中各步驟閾值均根據(jù)土地分類調(diào)查訓練數(shù)據(jù)確定，分類圖如圖2所示。

圖2 決策樹分類圖

1.2.3 基于Sentinel-2影像的穗帽變換

作物病害的發(fā)生與作物營養(yǎng)和生長情況相關(guān)，應(yīng)用穗帽變換對Sentinel-2數(shù)據(jù)進行處理，可以提取水稻生長態(tài)勢及環(huán)境信息，用于反映病蟲害作物生境狀況。穗帽變換是一種特殊的主成分分析，隨著植被生長，在綠度圖像上的信息增強，土壤亮度上的信息減弱；當植物成熟和逐漸凋落時，其在綠度圖像特征減少，在黃度上的信息增強。

穗帽變換是指在多維光譜空間中，通過線性變換、光譜空間旋轉(zhuǎn)使植被與土壤的光譜特征得以有效分離。這種變換不僅去除了原始影像各波段之間的冗余信息，而且使變換之后的結(jié)果變成了有重要物理意義的參數(shù)。一般前3個特征就包含了影像的絕大多數(shù)信息，變換后的第1分量表征土壤亮度，反映了土壤光譜信息；第2分量表征綠度，反映了植被光譜信息；第3分量表征地物的水分含量，反映了地物的濕度信息[18]。通過對7月的Sentinel-2反射率數(shù)據(jù)進行穗帽變換，得到水稻種植區(qū)域的綠度指數(shù)、濕度指數(shù)和亮度指數(shù)[18]。

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集涵蓋與水稻紋枯病生境評價相關(guān)的數(shù)據(jù)，包括水稻紋枯病病害程度調(diào)查數(shù)據(jù)、光學遙感原始影像、光學遙感反射率影像、地物分類影像、水稻生長狀況數(shù)據(jù)、氣象數(shù)據(jù)等。其中水稻紋枯病病害程度調(diào)查數(shù)據(jù)通過矢量化轉(zhuǎn)化為Shapefile格式，其相關(guān)屬性存儲于該數(shù)據(jù)的屬性表中。本數(shù)據(jù)集以“圖像+描述文檔”的方式組織存儲，包含了影像數(shù)據(jù)和文本數(shù)據(jù)，樣例如表3所示。表4以農(nóng)林用地這一類別的一個樣本點數(shù)據(jù)為例，展示了其對應(yīng)的存儲文件列表。

表3 數(shù)據(jù)樣例

數(shù)據(jù)類型地物分類數(shù)據(jù)數(shù)據(jù)格式 詳細描述 樣例TIF/IM G 10米分辨率0為水；1為城市；2為其他綠色植被；3為水稻，用于作物病害評價、作物產(chǎn)量預測、土地利用現(xiàn)狀遙感檢測等TIF/IM G 10米分辨率，用于檢測水稻生長態(tài)勢及環(huán)境信息，反映病蟲害作物生境狀況綠度指數(shù)

數(shù)據(jù)類型數(shù)據(jù)格式 詳細描述 樣例亮度指數(shù)MODI S地表溫度產(chǎn)品數(shù)據(jù)HDF亮度指數(shù)images/BZ_99_1237_1621_2166_2603.png1000米分辨率數(shù)據(jù)集包括LST_Day_1km, QC_D ay, Day_view_time, Day_view_an gl, LST_Night_1km, QC_Night, N ight_view_time, Night_view_angl,Emis_31, Emis_32, Clear_day_co v, Clear_night_cov，用于地表溫度變換研究、旱情動態(tài)監(jiān)測研究、熱島強度分析等LST_Day_1km_20180712

數(shù)據(jù)類型數(shù)據(jù)格式 詳細描述 樣例images/BZ_100_1306_484_2115_1339.png氣象站數(shù)據(jù) TXT數(shù)據(jù)文件命名由數(shù)據(jù)集代碼（SURF_CLI_CHN_MUL_DAY）、要素代碼（XXX)、項目代碼（XXXXX）、年份標識（YYYY）和月份標識（MM）組成。其中，SURF表示地面氣象資料，CLI表示地面氣候資料，CHN表示中國，MUL表示多要素，DAY表示日值數(shù)據(jù)。氣象參數(shù)說明：PRS-10004表示本站氣壓，TEM-12001表示氣溫，RHU-13003表示相對濕度，PRE-13011表示降水，EVP-13240表示蒸發(fā)，WIN-11002表示風向風速，SSD-14032表示日照，GST-12030-0cm表示0cm地溫。images/BZ_100_1259_1621_2181_2157.png

表4 數(shù)據(jù)文件說明

數(shù)據(jù)類型 文件名 時間 備注S2A_MSIL2A_20180716T024551_N0206_R132_T50SNB_20180716T053144_s2resampled 2018年7月16日水稻面積監(jiān)測數(shù)據(jù) fy_classify, hzh_classify 研究區(qū)一及研究區(qū)二影像穗帽變換特征數(shù)據(jù)MODIS地表溫度產(chǎn)品數(shù)據(jù)fy_0716_brightness, fy_0716_greenness,fy_0716_wetness, hzh_0718_brightness,hzh_0718_greenness, hzh_0718_wetness MOD11A2.A2018185.h**v**.006.2018197143009.hdf研究區(qū)一及研究區(qū)二文件夾即為時間 h**v**為區(qū)域行列號氣象站數(shù)據(jù) SURF_CLI_CHN_MUL_DAY_XXX_XXXXX_Y YYY_MM YYYY年MM月

3 數(shù)據(jù)質(zhì)量控制和評估

水稻紋枯病病害程度調(diào)查數(shù)據(jù)的等級參考稻紋枯病測報調(diào)查規(guī)范（GB/T 15791-1995）中的嚴重度分級標準，調(diào)查方法經(jīng)過植保專家的指導，保證本數(shù)據(jù)來源的質(zhì)量和可靠性。衛(wèi)星光學遙感影像經(jīng)過校正消除大氣散射和吸收等影響，實現(xiàn)對數(shù)據(jù)的質(zhì)量把控。地物分類數(shù)據(jù)則是基于Landsat-8 OLI與 Sentinel-2 遙感影像，結(jié)合實地調(diào)查和影像人工目視解譯生成，通過對比高分衛(wèi)星影像數(shù)據(jù)與實驗調(diào)查數(shù)據(jù)進行質(zhì)量控制，分類精度達到95%以上。氣象站數(shù)據(jù)與MODIS地表溫度數(shù)據(jù)皆來自相關(guān)官方網(wǎng)站，數(shù)據(jù)均經(jīng)過質(zhì)量控制和精度驗證。穗帽變換特征直接依據(jù)通用公式進行計算，未引入誤差。

4 數(shù)據(jù)價值

本數(shù)據(jù)集可以直接用于水稻病害的生境評價，基于遙感、氣象等多因素的病害生境評價可以進一步用于發(fā)展病害預警模型，用于對大范圍病害發(fā)生風險進行空間連續(xù)的預測。這種預測的模式由于能夠提供病害發(fā)生風險的空間細節(jié)信息，能夠更有效地指導植保防控工作，并有利于發(fā)展智慧農(nóng)田管理等數(shù)字農(nóng)業(yè)的新模式，不僅具有科學價值，還具有重要的應(yīng)用前景。

5 數(shù)據(jù)使用方法和建議

本數(shù)據(jù)集包含了水稻紋枯病生境評價多源數(shù)據(jù)，數(shù)據(jù)格式包括TIF、Shapefile、HDF、TXT，使用主流的GIS 、ENVI等軟件均可實現(xiàn)讀寫。針對數(shù)據(jù)集的使用有以下幾點建議：

（1）光學衛(wèi)星遙感影像。由于光學衛(wèi)星數(shù)量少、重訪周期相對較長、影像受云雨影響大，因此可以將Sentinel-2和Landsat-8 OLI經(jīng)過重采樣處理，結(jié)合兩種衛(wèi)星影像運用。

（2）氣象數(shù)據(jù)的使用。氣象站數(shù)據(jù)包含的氣象要素多、具有全天候數(shù)據(jù)，但此數(shù)據(jù)只體現(xiàn)在氣象站“點”上；MODIS溫度產(chǎn)品以影像的形式存在，體現(xiàn)在“面”上，但是記錄的氣象要素較少，所以可以結(jié)合兩種數(shù)據(jù)進行病害生境評價。

（3）生境評價因子的選擇。在評價作物病害生境時，應(yīng)該選擇與對應(yīng)病害相關(guān)的生境評價因子，避免引入病害發(fā)生無關(guān)的因子。

（4）生境評價模型。利用數(shù)據(jù)集所包含的生境因子，通過對研究區(qū)晚稻以1.1 km×1.1 km的區(qū)域尺度進行生境評價，使用多元回歸建模方法，建立了生境評價系統(tǒng)，精度為 55%。其中也可用Logistic回歸、偏最小二乘回歸等作為生境評價模型建模方法。

致 謝

感謝歐洲航天局網(wǎng)站提供 Sentinel-2的 L1C級數(shù)據(jù)，中國科學院遙感與數(shù)字地球研究所提供Landsat-8 OLI數(shù)據(jù)，美國地質(zhì)調(diào)查局提供MODIS MOD11A2數(shù)據(jù)產(chǎn)品，中國氣象數(shù)據(jù)提供氣象數(shù)據(jù)。