縣域冬小麥病害遙感監(jiān)測信息系統(tǒng)研制

李衛(wèi)國　顧曉鶴　葛廣秀　陳華　張琤琤

摘要：為快速、大面積進(jìn)行縣域冬小麥病害遙感監(jiān)測，將GIS（Geographic information system）、RS（Remote sens-ing）、GPS（Global position system）、組件技術(shù)以及數(shù)據(jù)庫綜合集成，采用常用的C/S模式，利用Delphi編程語言開發(fā)了縣域冬小麥病害遙感監(jiān)測信息系統(tǒng)（WV inter wheat disease remote sensing monitoring information system，WDRSMIS）。WDRSMIS系統(tǒng)包含影像數(shù)據(jù)管理、空間地理信息分析、生長參數(shù)反演、病害估測、產(chǎn)量估算與統(tǒng)計、遙感信息生成和系統(tǒng)使用指南7個功能模塊。以江蘇省泰興市和姜堰市為例，選用2016年冬小麥生長期的田間基礎(chǔ)數(shù)據(jù)和環(huán)境星（HJ-1A/CCD）遙感影像對WDRSMIS系統(tǒng)進(jìn)行測試。結(jié)果表明：WDRSMIS系統(tǒng)在方便提供地理空間信息數(shù)據(jù)的瀏覽、分析與管理性能的同時，能較好實現(xiàn)對縣域冬小麥病害的有效監(jiān)測，還可依據(jù)監(jiān)測數(shù)據(jù)進(jìn)行圖像顯示和統(tǒng)計比對分析。該系統(tǒng)的開發(fā)對于江淮麥區(qū)縣域冬小麥植保信息化管理與決策具有較好支撐作用。

關(guān)鍵詞：冬小麥;病害;遙感監(jiān)測;信息系統(tǒng)

中圖分類號：TP79

文獻(xiàn)標(biāo)識碼：A

文章編號：1000-4440（2019）02-0302-05

農(nóng)作物病蟲害極易給農(nóng)業(yè)生產(chǎn)造成巨大損失。據(jù)聯(lián)合國糧農(nóng)組織估計，世界糧食產(chǎn)量常年因病蟲害損失10%～20%，世界棉花產(chǎn)量因蟲害損失和因病害損失分別為16%和14%，農(nóng)作物病蟲害已成為影響作物最終產(chǎn)量的關(guān)鍵因素之一[2]。因此，綜合利用“3S”（GIS、RS和GPS）和計算機(jī)信息技術(shù)，研發(fā)作物病蟲害遙感監(jiān)測信息系統(tǒng)（或信息化系統(tǒng)平臺），快速、大面積對縣域農(nóng)作物病蟲害進(jìn)行監(jiān)測預(yù)報，及時進(jìn)行科學(xué)防治，有利于作物增產(chǎn)與增收[3-6]。

Delphi是基于Windows操作系統(tǒng)的程序開發(fā)軟件，由Borland公司開發(fā)。Delphi擁有可視化的集成開發(fā)環(huán)境（IDE），核心編程語言是Object Pascal語言。該編程語言以友好性圖形用戶界面為設(shè)計思想，通過IDE、VCL（框架）工具與編譯器，配合數(shù)據(jù)庫連接功能，構(gòu)成以面向?qū)ο蟪绦蛟O(shè)計的可視編譯平臺。地理信息系統(tǒng)（Geographic information system，GIS）是集數(shù)據(jù)采集、數(shù)據(jù)庫管理、空間數(shù)據(jù)分析和數(shù)據(jù)輸出4大功能為一體的信息系統(tǒng)。AreGIS組件是將原有GIS功能適當(dāng)?shù)爻橄笈c構(gòu)件化的軟件，可與VB、Delphi等不同語言環(huán)境兼容進(jìn)行可視化應(yīng)用系統(tǒng)平臺的二次開發(fā)。

近年來，在利用遙感技術(shù)對冬小麥生長參數(shù)反演病害估測以及產(chǎn)量估算等方面，已形成較多估測模型和大量基礎(chǔ)數(shù)據(jù)[7-11]，例如劉柯等[12]建立的多光譜與高光譜結(jié)合的冬小麥葉面積指數(shù)監(jiān)測模型，劉真真等[13]研究的區(qū)域冬小麥生物量遙感估算法，黃林生等[14]研究形成冬小麥白粉病監(jiān)測方法等。但大量的遙感模型與算法仍停留在研究階段，與縣域冬小麥生產(chǎn)管理應(yīng)用結(jié)合欠緊密。因此有必要將相關(guān)模型算法和基礎(chǔ)數(shù)據(jù)進(jìn)行信息化集成，研制較為實用的冬小麥生長監(jiān)測軟件信息系統(tǒng)，在最大限度發(fā)揮遙感監(jiān)測作用的同時，有效提升縣級農(nóng)業(yè)生產(chǎn)的信息化管理水平。本研究將組件式GIS開發(fā)技術(shù)以及數(shù)據(jù)庫技術(shù)引入縣域冬小麥大田病害監(jiān)測預(yù)報中，利用Delphi程序語言，研制基于GIS組件的冬小麥病害遙感監(jiān)測信息系統(tǒng)，旨在為江淮區(qū)域縣級農(nóng)業(yè)部門和種麥大戶提供適用于田間病害估測與輔助管理決策的信息化平臺。

1 冬小麥病害遙感監(jiān)測信息系統(tǒng)結(jié)構(gòu)

冬小麥病害遙感監(jiān)測信息系統(tǒng)（Winterwheatdisease remote sensing monitoring information system ，WDRSMIS）依據(jù)標(biāo)準(zhǔn)化GIS的設(shè)計方法，將組件式GIS和Delphi相結(jié)合，匯集影像數(shù)據(jù)管理信息、空間信息分析、參數(shù)反演病情估測、產(chǎn)量估算與統(tǒng)計等功能，在具備海量影像數(shù)據(jù)GIS管理的同時，最大限度實現(xiàn)對縣域冬小麥植保管理的信息化服務(wù)功能。WDRSMIS系統(tǒng)采用C/S模式，即Client（客戶端）/Server（服務(wù)器）結(jié)構(gòu)，數(shù)據(jù)庫包括遙感影像數(shù)據(jù)模型算法和基礎(chǔ)農(nóng)情數(shù)據(jù)，數(shù)據(jù)庫通過ArcSDE+MS SQL Server實現(xiàn)查詢、分析與管理。

2 WDRSMIS系統(tǒng)功能說明

冬小麥病害遙感監(jiān)測信息系統(tǒng)（WDRSMIS）包括影像數(shù)據(jù)管理、空間地理信息分析、生長參數(shù)反演、病害估測、產(chǎn)量估算與統(tǒng)計、遙感信息圖生成和系統(tǒng)使用指南（系統(tǒng)幫助）7項功能，WDRSMIS系統(tǒng)功能結(jié)構(gòu)如圖1所示。

2.1 遙感影像數(shù)據(jù)管理

遙感影像數(shù)據(jù)庫包含有HJ星、GF衛(wèi)星、LAND-SAT5和LANDSAT8衛(wèi)星等遙感影像，矢量文件為江蘇省各縣行政邊界shp文件，地理投影系統(tǒng)（參數(shù)）統(tǒng)一為WGS_1984_UTM__Zone__50N;Projection：Transverse_Mercator;False_Easting：500000;False_Northing：0;Central_Meridian：117;Scale_Factor：0.9996;Latitude_.Of_Origin：0;LinearUnit：Meter;GCS_WGS_1984;Datum：D_WGS_1984。系統(tǒng)也可根據(jù)實際需要，導(dǎo)入地理投影系統(tǒng)一致的其他衛(wèi)星遙感影像和行政界shp矢量文件，另外，系統(tǒng)還具有影像數(shù)據(jù)查詢、更新功能。

2.2 空間地理信息分析

空間地理信息分析模塊實現(xiàn)了空間地理信息的方便管理。依據(jù)主菜單下的各級子菜單，可以進(jìn)行遙感影像、矢量圖層疊加，可對各類空間屬性圖層實施放大、縮小移動以及漫游等快捷操作，也可添加其他空間信息和屬性數(shù)據(jù)，方便系統(tǒng)使用者（用戶）快速、直觀地瀏覽原始衛(wèi)星遙感影像、波段信息、遙感植被指數(shù)以及存儲在數(shù)據(jù)庫中的生長監(jiān)測、病害估測和產(chǎn)量估算的各類遙感信息圖。

2.3 生長參數(shù)反演

生長參數(shù)反演模塊具有遙感植被指數(shù)計算、生長參數(shù)反演模型、生長參數(shù)反演以及縣域冬小麥生長分布監(jiān)測等功能。生長參數(shù)主要有葉面積指數(shù)（LAI）、生物量和葉片葉綠素含量3個指標(biāo)。系統(tǒng)可計算的遙感植被指數(shù)有歸一化差值植被指數(shù)（Normalized difference vegetation index ，NDVI）、比值植被指數(shù)（Ratio vegetation index ，RVI）、差值植被指數(shù)（Difference vegetation index，DVI）、土壤調(diào)節(jié)植被指數(shù)（Soil-adjusted vegetation index ，SAVI）和溫度植被指數(shù)（Temperature vegetation index ，TVI）等。

生長參數(shù)反演模型有2種類型，一種是存儲數(shù)據(jù)庫中已有模型，另一種是實時導(dǎo)入不同類型遙感植被指數(shù)數(shù)據(jù)和冬小麥生長參數(shù)的試驗樣點數(shù)據(jù)，依據(jù)相關(guān)性分析而建立的生長參數(shù)反演模型。利用計算好的遙感植被指數(shù)影像，調(diào)用適合時期的生長參數(shù)反演模型，即可得到不同類型生長參數(shù)圖像產(chǎn)品。結(jié)合縣域冬小麥長勢指標(biāo)（生長參數(shù)）分級閾值，可以生成縣域冬小麥不同生長等級空間分布信息圖。

2.4 病害估測

病害估測模塊是通過綜合氣候因素、生長參數(shù)和遙感植被指數(shù)對冬小麥病害發(fā)生狀況進(jìn)行估測。系統(tǒng)可以導(dǎo)入溫濕度、生長參數(shù)和病情指數(shù)樣點數(shù)據(jù)，建立多元回歸方程式的冬小麥病情指數(shù)估測模型，再結(jié)合病情指數(shù)分級標(biāo)準(zhǔn)，生成病情指數(shù)等級空間信息圖，實現(xiàn)對縣域冬小麥不同類型病害（如白粉病、紋枯病和赤霉?。┑目焖俦O(jiān)測。也可直接調(diào)用系統(tǒng)模型庫中的相關(guān)病害估測模型進(jìn)行冬小麥病害病情指數(shù)估測。例如，系統(tǒng)中構(gòu)建的冬小麥赤霉病病情指數(shù)估測模型[15]如下：WHsDI=AXTEM+BxWET+CxNDVI+DxRVI+ExDVI+F，式中WHsDI（Disease index of winter wheat scab，%）為估測的冬小麥赤霉病病情指數(shù)，TEM（°C）為日均氣溫，WET（%）為日均空氣相對濕度，NDVI為歸一化差值植被指數(shù)，RVI為比值植被指數(shù)，DVI為差值植被指數(shù)。A、B、C、D、E和F為模型參數(shù)。

2.5 產(chǎn)量估算與統(tǒng)計

冬小麥籽粒產(chǎn)量估算主要依據(jù)揚花期LAI、生物量（ABW）和葉片葉綠素含量（CCL）與籽粒產(chǎn)量的相關(guān)性進(jìn)行。系統(tǒng)中冬小麥籽粒產(chǎn)量估算模型為：y=M1xLA1+M2xABW+M，xCCL+M0，式中y為產(chǎn)量，M。M、M2和M，分別為模型參數(shù)。

利用生長參數(shù)反演模塊，可生成揚花期LAI、ABW和CCL圖像產(chǎn)品。調(diào)用系統(tǒng)中冬小麥籽粒產(chǎn)量估算模型，可生成縣域冬小麥產(chǎn)量空間分布信息圖。通過產(chǎn)量統(tǒng)計與分析模塊，可選擇柱狀、餅狀或點密度等方式進(jìn)行顯示與比對分析，快捷地掌握縣域冬小麥產(chǎn)量狀況。

2.6 遙感信息圖生成

系統(tǒng)數(shù)據(jù)庫中除包含有不同類型衛(wèi)星遙感影像外，還保存有通過計算生成的遙感信息圖（例如各種遙感植被指數(shù)信息圖、反演的生長參數(shù)信息圖、估測的病害信息圖和籽粒產(chǎn)量信息圖等）。這些影像和信息圖經(jīng)過后期處理整飭，再添加圖頭說明、制圖單位、地理坐標(biāo)、比例尺以及圖例等注釋，可以生成直觀、易懂、適用的遙感信息圖產(chǎn)品。

3 WDRSMIS系統(tǒng)實現(xiàn)與運行

系統(tǒng)在Intel（R）Core（TM）i5 CPU、4G內(nèi)存計算機(jī)、中文Windows“7操作平臺上開發(fā)。采用ArcObjects9.2組件開發(fā)地圖顯示與管理模塊，Access設(shè)計數(shù)據(jù)庫，Delphi 7.0設(shè)計系統(tǒng)界面。系統(tǒng)由符合COM標(biāo)準(zhǔn)的軟構(gòu)件組裝而成，各大構(gòu)件既能單獨使用，又可方便地與其他構(gòu)件銜接，具有較好的靈活性。系統(tǒng)可在Intel（R）Core（TM）i5 CPU、4 G內(nèi)存、100G硬盤、真彩色顯卡、中文Windows 7版本計算機(jī)中運行（WDRSMIS系統(tǒng)主界面見圖2）。

以江蘇省中部地區(qū)冬小麥主要種植區(qū)泰興市和姜堰市為例，利用2016年冬小麥生長期的田間基礎(chǔ)數(shù)據(jù)和環(huán)境星（HJ-1A/CCD）遙感影像對系統(tǒng)進(jìn)行測試，輔助進(jìn)行系統(tǒng)主要功能與運行效果說明。調(diào)用系統(tǒng)中遙感植被指數(shù)計算模塊，通過輸入相關(guān)參數(shù)，進(jìn)行植被指數(shù)計算。調(diào)用數(shù)據(jù)庫中的縣域遙感監(jiān)測樣點的試驗數(shù)據(jù)與生成的植被指數(shù)進(jìn)行長勢（生物量）分析與模型建立，運行生長參數(shù)反演模型進(jìn)一步實現(xiàn)對泰興市冬小麥生長（生物量）空間分布的有效監(jiān)測（圖3）。

運行系統(tǒng)病害估測模塊，選擇需要估測病害類型（例如赤霉病），調(diào)用病害估測模型、遙感影像和必要的基礎(chǔ)數(shù)據(jù)，即可得到縣域冬小麥病害遙感估測結(jié)果。圖4為姜堰市冬小麥赤霉病遙感監(jiān)測結(jié)果，不同的顏色代表不同病情等級。

系統(tǒng)中保存有冬小麥生長參數(shù)反演和產(chǎn)量估算模塊生成的遙感植被指數(shù)、生長參數(shù)和產(chǎn)量等大量信息圖數(shù)據(jù)，利用數(shù)據(jù)統(tǒng)計與匯總功能可以對相關(guān)數(shù)據(jù)進(jìn)行查詢和綜合對比分析，詳細(xì)了解縣級或鄉(xiāng)鎮(zhèn)級冬小麥長勢、病害和產(chǎn)量變化狀況。冬小麥面積和總產(chǎn)量估算遙感信息數(shù)據(jù)的統(tǒng)計與匯總例圖見參考文獻(xiàn)[12]。

4 討論

從農(nóng)業(yè)信息技術(shù)發(fā)展進(jìn)程看，國內(nèi)已有的作物生產(chǎn)管理信息系統(tǒng)大致可以分為三大類：第一類是

基于專家知識的作物生產(chǎn)管理信息系統(tǒng)，這類系統(tǒng)[的研發(fā)與應(yīng)用比較早，它主要是利用計算機(jī)程序語言技術(shù)對專家系統(tǒng)知識進(jìn)行智能化管理，通過仿真農(nóng)業(yè)專家互動而研發(fā)的集信息咨詢、分析與顯示功能為一體的信息平臺。作物生產(chǎn)專家信息系統(tǒng)具有知識性強(qiáng)和靈活性好的特點，數(shù)據(jù)庫知識多數(shù)以文本文字、數(shù)字和圖片為主。第二類是基于作物模型的生產(chǎn)管理信息系統(tǒng)，這類信息系統(tǒng)[18-19]在結(jié)合作物生產(chǎn)專家信息系統(tǒng)基本功能的基礎(chǔ)上，引入了作物生長模型，使得作物生產(chǎn)管理信息系統(tǒng)具有動態(tài)監(jiān)測與預(yù)測分析功能，有明顯的動態(tài)性和可輔助決策性。第三類是基于“3S"技術(shù)的作物生產(chǎn)管理信息系統(tǒng)，這類信息系統(tǒng)[20-21主要體現(xiàn)“3S”技術(shù)的集成與應(yīng)用，它不僅具有前兩類系統(tǒng)的知識性、動態(tài)性和靈活性，更具有直觀性、空間性和可擴(kuò)展性好的優(yōu)勢?；凇?S”技術(shù)的作物生產(chǎn)管理信息系統(tǒng)仍在研究或初試中，尚難滿足縣域作物生產(chǎn)的信息化管理需求，有必要深入研究。

利用遙感技術(shù)監(jiān)測冬小麥生長與病害的研究已有多年[241，不僅建立了大量的模型算法，也積累了海量的基礎(chǔ)農(nóng)情數(shù)據(jù)（如氣象資料、品種信息等）和遙感影像。由于縣域作物種植種類、生長信息以及氣象數(shù)據(jù)對于縣級農(nóng)業(yè)管理部門容易獲取，同時縣域也是農(nóng)業(yè)植保管理措施最容易實施區(qū)域，因此，本研究針對江淮麥區(qū)縣域冬小麥病害信息化監(jiān)測的管理需求，利用“3S”技術(shù)和計算機(jī)程序語言，對多年研究積累的模型算法、基礎(chǔ)農(nóng)情數(shù)據(jù)和遙感影像進(jìn)行綜合集成，研發(fā)了冬小麥病害遙感監(jiān)測信息系統(tǒng)。該系統(tǒng)可同時向用戶提供遙感影像管理、空間信息分析、遙感植被指數(shù)計算、生長參數(shù)反演、病害和產(chǎn)量估測、遙感信息圖制作、統(tǒng)計與圖表顯示等綜合性的冬小麥植保生產(chǎn)服務(wù)信息，對于輔助縣級農(nóng)業(yè)植保部門門或種糧大戶管理決策具有較好的支撐作用。江淮區(qū)域影響冬小麥生長的因素還有很多，如蟲害、漬害和倒伏等，下一步有必要考慮集成更多模型與數(shù)據(jù)，繼續(xù)完善或提升冬小麥病害遙感監(jiān)測信息系統(tǒng)的服務(wù)功能。

參考文獻(xiàn)：

[1]黃文江，張竟成，師越，等.作物病蟲害遙感監(jiān)測與預(yù)測研究進(jìn)展[J].南京信息工程大學(xué)學(xué)報，2018，10（1）：30-43.

[2]李素，郭兆春，王聰，等.信息技術(shù)在農(nóng)作物病蟲害監(jiān)測預(yù)警中的應(yīng)用綜述[J].江蘇農(nóng)業(yè)科學(xué)，2018，46（22）：1-6.

[3]蒙繼華，吳炳方，李強(qiáng)子，等.農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測進(jìn)展及應(yīng)用展望[J].遙感信息，2010（3）：35-43.

[4]李衛(wèi)國.農(nóng)作物遙感監(jiān)測方法與應(yīng)用[M].北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2013.

[5]陳鵬飛，NICOLAS T，王紀(jì)華，等.估測作物冠層生物量的新植被

指數(shù)的研究[J].光譜學(xué)與光譜分析，2010，30（2）：512-517.[6]黃文江.作物病害遙感監(jiān)測機(jī)理與應(yīng)用[M].北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2009.

[7]司文才，劉峻明.冬小麥關(guān)鍵物候空間分布遙感監(jiān)測方法研究[J].中國農(nóng)業(yè)科技導(dǎo)報，2011，13（6）：82-89.

[8]尹雯，李衛(wèi)國，申雙和，等.縣域冬小麥生物量動態(tài)變化遙感估測研究[J].麥類作物學(xué)報，2018，38（1）：50-57.

[9]ZHAOCJ，HUANG M Y，HUANG W J，et al. Analysis of winter wheat stripe rust characteristic spectrum and establishing of inver-sion models[ J]. IEEE International Geoscience and Remote Sens-ing Symposium，2004，6（7）：4318-4320.

[10]CAOX R，LUO Y，ZHOU Y L，et al. Detection of powdery mildew in two winter wheat cultivars using canopy hyperspectral re-flectance[J]. Crop Protection，2013 （45）：124-131.

[11]李衛(wèi)國，李正金，李花.基于組件式GIS的冬小麥遙感估產(chǎn)系統(tǒng)的開發(fā)研究[J].麥類作物學(xué)報，2011，31（2）：318-323.

[12]劉軻，周清波，吳文斌，等.基于多光譜與高光譜遙感數(shù)據(jù)的冬小麥葉面積指數(shù)反演比較[J].農(nóng)業(yè)工程學(xué)報，2016，32（3）：155-162.

[13]劉真真，張喜旺，陳云生，等.基于CASA模型的區(qū)域冬小麥生物量遙感估算[J].農(nóng)業(yè)工程學(xué)報，2017，33（4）：225-233.

[14]黃林生，阮超，黃文江，等.基于GF-1遙感影像和reliefmRMR-GASVM模型的小麥白粉病監(jiān)測[J].農(nóng)業(yè)工程學(xué)報，2018，34（15）：167-175.

[15]李衛(wèi)國，黃文江，董瑩瑩，等.基于溫濕度與遙感植被指數(shù)的冬小麥赤霉病估測[J].農(nóng)業(yè)工程學(xué)報，2017，33（23）：203-210.

[16]熊范綸，郭霖，吳文榮.砂姜黑土小麥?zhǔn)┓视嬎銠C(jī)專家咨詢系統(tǒng)[J].信息與控制，1987（22）：8-12.

[17]趙春江，諸德輝，李鴻祥，等.小麥栽培管理計算機(jī)專家系統(tǒng)的研究與應(yīng)用[J].中國農(nóng)業(yè)科學(xué)，1997，30（5）：42-49.

[18]石春林，馮慧慧，金之慶，等.水稻發(fā)育期模型的比較[J].中國水稻科學(xué)，2010，24（3）：303-308.

[19]曹衛(wèi)星，羅衛(wèi)紅.作物系統(tǒng)模擬及智能管理[M].北京：華文出版社，2000.

[20]吳炳方，蒙繼華，李強(qiáng)子，等.全球農(nóng)情遙感速報系統(tǒng)（erop watch）新進(jìn)展[J].地球科學(xué)進(jìn)展，2010，25（10）：1013-1022.

[21]李衛(wèi)國，姜海燕，王旭.基于ArcGIS的水稻生產(chǎn)管理信息系

統(tǒng)的設(shè)計與實現(xiàn)[J].江蘇農(nóng)業(yè)學(xué)報，2006，22（4）：477-478.

[22]馬慧琴，黃文江，景元書.遙感與氣象數(shù)據(jù)結(jié)合預(yù)測小麥灌漿期白粉病[J].農(nóng)業(yè)工程學(xué)報，2016，32（9）：165-172.

[23]李衛(wèi)國.作物遙感識別與病蟲害遙感監(jiān)測方法[M].北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2018.

[24]金正婷，李衛(wèi)國，景元書，等.基于影像融合的冬小麥種植面積提取適宜尺度研究[J].江蘇農(nóng)業(yè)學(xué)報，2015，31（6）：1312-1317.