農(nóng)業(yè)病蟲害監(jiān)測中高光譜遙感技術(shù)應用研究進展

李瑋

摘要? ? 農(nóng)作物病蟲害監(jiān)測是有害生物綜合防治必不可少的環(huán)節(jié)之一。本文首先在闡述高光譜遙感監(jiān)測農(nóng)作物病蟲害原理的基礎上，對高光譜遙感技術(shù)近年來在農(nóng)業(yè)病蟲害防治中的應用進行了總結(jié)，按主要大宗作物種類進行分類，體現(xiàn)了高光譜遙感在植保領域中廣闊的應用前景。最后，對該技術(shù)在農(nóng)業(yè)病蟲害領域的應用前景進行了展望。

關(guān)鍵詞? ? 高光譜遙感;農(nóng)業(yè)病蟲害;監(jiān)測;研究進展;防治效果

中圖分類號? ? S127? ? ? ? 文獻標識碼? ? A

文章編號? ?1007-5739（2019）14-0126-03? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學（資源服務）標識碼（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

作物病蟲害是我國農(nóng)業(yè)生產(chǎn)的主要災害之一，具有種類多、影響大、時常暴發(fā)成災等特點，會降低作物產(chǎn)量和品質(zhì)，同時也是制約優(yōu)質(zhì)、低碳、循環(huán)農(nóng)業(yè)持續(xù)發(fā)展的主導因素之一[1-2]。及時、快速、無損、精準的遠程監(jiān)控，對掌握作物病蟲害發(fā)生發(fā)展特點、病蟲害鑒別及危害程度、防治效果等方面有重要的支撐作用，對提高農(nóng)作物產(chǎn)量和品質(zhì)、減少農(nóng)業(yè)經(jīng)濟損失具有重要意義。

高光譜遙感技術(shù)即高光譜分辨率遙感技術(shù)，是近些年來迅速發(fā)展起來的一種全新遙感技術(shù)，最早應用于航天、工業(yè)、地質(zhì)測繪等領域，結(jié)合其技術(shù)優(yōu)勢可將其應用于農(nóng)業(yè)遙感監(jiān)測中，特別是對作物長勢評估和病蟲害監(jiān)測預警等方面。利用高光譜遙感影像能準確地反映田間作物本身的光譜特征以及作物間的光譜差異，通過影像數(shù)據(jù)可以更加精準地獲取作物含水量、葉綠素含量、葉面積指數(shù)等生理生化參數(shù)，從而準確地監(jiān)測作物長勢及預測產(chǎn)量[3-4]。近年來，高光譜遙感技術(shù)應用于農(nóng)業(yè)病蟲害的監(jiān)測及防治，也取得了較大進展，解決了農(nóng)業(yè)生產(chǎn)管理中長期存在的病蟲害等有害生物農(nóng)情信息大尺度監(jiān)測不及時、監(jiān)測水平以定性為主、監(jiān)測精度無法實現(xiàn)定量等難題。國內(nèi)外在該領域的研究開展較早，基于高光譜影像分析了作物病害光譜響應，利用紅邊參數(shù)、二項式分析等方法開展了小麥條銹病光譜信息探測與識別研究，病蟲害識別效果較好[5-6]。隨著高光譜硬件設備的升級和大數(shù)據(jù)系統(tǒng)的不斷完善，高光譜遙感技術(shù)在農(nóng)業(yè)病蟲害監(jiān)測研究和應用中將越來越普遍。

1? ? 農(nóng)業(yè)病蟲害高光譜遙感技術(shù)監(jiān)測原理

遙感技術(shù)是一種根據(jù)電磁波理論，在遠距離、不直接接觸目標物體的情況下，應用各種傳感儀器對遠距離目標所輻射和反射的電磁波信息進行收集、處理，并最后成像，從而對地面各種景物進行探測和識別，從而實現(xiàn)對地物進行定位、定性或定量描述的一種綜合技術(shù)[7]。高光譜分辨率遙感是指在電磁波波段寬度<10 nm的范圍內(nèi)，獲取許多非常窄的光譜連續(xù)的影像數(shù)據(jù)，從而形成一條完整而連續(xù)的光譜曲線的技術(shù)[8]。

在農(nóng)業(yè)有害生物監(jiān)測系統(tǒng)中，病蟲害對農(nóng)作物生長的影響主要有農(nóng)作物外部形態(tài)變化和內(nèi)部生理變化2種表現(xiàn)形式。外部形態(tài)變化主要表現(xiàn)在冠層形狀的改變，如落葉、葉片卷曲、葉片幼芽被吞食、倒伏等;內(nèi)部生理變化則表現(xiàn)為葉綠素組織遭到破壞后，光合作用、養(yǎng)分與水分吸收、運輸、轉(zhuǎn)化等生理生化機制發(fā)生改變。無論外部形態(tài)或內(nèi)部生理發(fā)生變化，都將不可避免地導致作物光譜特征發(fā)生變化，尤其是中、近紅外區(qū)光譜特征的變化。因此，應用高光譜遙感技術(shù)，結(jié)合傳統(tǒng)實驗方法，比較受有害生物侵染作物的各種典型生理生化指標變化，分析和確定相應的光譜特性變化，可以監(jiān)測到病蟲害的早期發(fā)生，定量地確定病蟲害的危害程度，為大規(guī)模監(jiān)測農(nóng)作物病蟲害發(fā)生和發(fā)展提供及時可靠的依據(jù)[9]，對及時干預病蟲害發(fā)展、開展統(tǒng)防統(tǒng)治標準化防治、化學農(nóng)藥減量增效均具有重要指導作用。

2? ? 高光譜遙感技術(shù)在小麥病蟲害監(jiān)測中的研究應用

2.1? ? 病害監(jiān)測

目前，高光譜遙感監(jiān)測技術(shù)在小麥銹病和白粉病監(jiān)測中的應用較多。蔣金豹等[10]通過采用小麥條銹菌在田間誘發(fā)侵染冬小麥健康植株，在小麥不同生育期分別調(diào)查不同感染等級冬小麥的病情指數(shù)，同時測定其冠層光譜數(shù)據(jù)，對測定的光譜進行平滑并計算一階微分值，與病情指數(shù)進行相關(guān)性分析后，構(gòu)建了冬小麥條銹病的識別技術(shù)，基本達到小麥條銹病的監(jiān)測指標。2013年，Cao等[11]以冬小麥白粉病為研究對象，通過對冠層光譜反射率和多種光譜參數(shù)的分析研究，完成了對小麥白粉病的監(jiān)測技術(shù)構(gòu)建，確定紅邊峰值面積是白粉病的敏感光譜參數(shù)。另外，有研究者采用便攜式光譜儀對麥蚜、白粉病危害后冬小麥冠層高光譜進行測量，并同步調(diào)查了小麥不同生育期這2種有害生物的危害指數(shù)，經(jīng)過定性定量系統(tǒng)分析后得出：受到白粉病侵染后冬小麥冠層光譜在綠光區(qū)、黃光區(qū)和近紅區(qū)反射特性存在差異性;在3個反射特性差異光譜區(qū)內(nèi)，冠層光譜反射率分別隨百株蚜量和病情指數(shù)的增加呈明顯的下降、下降與上升趨勢，且差異顯著[12]。劉琦[13]通過2年的田間試驗，利用高光譜遙感技術(shù)獲取的小麥條銹病潛育期冠層光譜，結(jié)合分子生物學手段獲取的條銹菌潛育菌量，建立了宏微結(jié)合技術(shù)體系以監(jiān)測田間潛育期小麥條銹病。

小麥銹病是危害我國小麥生產(chǎn)的主要病害之一，其具有分布廣、傳播快、危害面積大、孢子生理小種變異快等特點，高光譜遙感技術(shù)可以充分發(fā)揮其優(yōu)勢，在甘肅西部、青海東部、四川西北部等小麥銹病秋季菌源基地建立完善的高光譜遙感技術(shù)監(jiān)測預警體系，對我國小麥銹病防控將具有重要的價值。

2.2? ? 蟲害監(jiān)測

首先，應開展高光譜遙感技術(shù)關(guān)于蟲害危害的識別技術(shù)，Singh等[14]利用近紅外光譜成像技術(shù)，研發(fā)了識別正常小麥與蟲蛀小麥的方法，發(fā)現(xiàn)了最佳研究波段范圍為1 000～1 600 nm，通過主成分分析得到最佳波長為1 101.69 nm和1 305.05 nm，結(jié)合直方圖并使用線性判別分析（LDA）和二次判別分析（QDA）對健康小麥與蟲蛀小麥進行了識別，正確分類率達85%以上。Chandra等[15]利用近紅外高光譜成像系統(tǒng)檢測小麥蟲害，在波長范圍為900～1 700 nm波段進行圖像采集，以正常小麥為對照，采集受米象蟲、甲蟲等侵蝕的小麥圖譜信息，然后進行高光譜數(shù)據(jù)降維統(tǒng)計分析、聚類。結(jié)果表明，健康小麥正確識別率為96.4%，蟲蛀麥粒的識別精準率達91.1%以上。應用高光譜結(jié)合數(shù)據(jù)分析系統(tǒng)快速無損的監(jiān)測技術(shù)發(fā)展迅速，對小麥田病蟲害的監(jiān)測準確率也在不斷提高，對病蟲害大規(guī)模防控及防控效果的掌握具有重要作用[16]。

3? ? 高光譜遙感技術(shù)在水稻病蟲害監(jiān)測中的研究應用

3.1? ? 病害監(jiān)測

稻瘟?。≒yricularia oryzae Cav.）是水稻重要病害之一，可引起大幅度減產(chǎn)，嚴重時減產(chǎn)40%～50%[17]?？刂迫粑醇皶r，將會嚴重影響水稻的安全生產(chǎn)和糧食供給。高光譜遙感技術(shù)在稻瘟病的監(jiān)測研究中，主要應用于稻苗瘟、葉瘟等方面[18-19]。鄭志雄等[20]構(gòu)建了基于高光譜成像技術(shù)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葉片高光譜圖像，利用主成分分析確定適合病斑分割的主成分圖像，并用密度分割法完成葉瘟病斑的檢測，得出了病斑區(qū)域光譜變化規(guī)律，為高光譜遙感技術(shù)快速識別葉瘟病提供了數(shù)據(jù)基礎。另外，為了快速、準確地進行水稻穗瘟病害程度分級，實現(xiàn)水稻品種抗性評價或精準的田間化學防治，研究者提出了一種光譜詞袋（bag of spectrum words，Bo SW）模型分析方法，分析稻穗的高光譜圖像，可自動評判穗瘟病害程度，提高了穗瘟病分級的自動化程度和準確率，也可為其他病害分級監(jiān)測、檢測提供參考。

3.2? ? 蟲害監(jiān)測

在水稻方面，高光譜遙感技術(shù)研究也較為廣泛，基于葉片和冠層光譜分析進行植物病蟲害診斷和監(jiān)測的研究不斷增多。國內(nèi)外學者結(jié)合實驗觀測和光譜分析，篩選出水稻稻瘟病、稻縱卷葉螟、稻干尖線蟲病等病害類型的光譜敏感波段和適合的光譜特征[21]。2004年，張寶棣[22]、譚廣發(fā)[23]利用近紅外光譜技術(shù)確定水稻發(fā)病癥狀的光譜特征，并利用其數(shù)據(jù)實現(xiàn)了對水稻病害的診斷與防治。2010年，孫? 紅等[24]利用光譜技術(shù)實現(xiàn)了水稻稻縱卷葉螟的檢測，在田間采集水稻稻縱卷葉螟蟲害區(qū)的反射光譜和一階微分光譜特征，與對照區(qū)冠層光譜比較發(fā)現(xiàn)，在可見光區(qū)波段為550 nm附近，中度受害水稻冠層反射率明顯低于對照冠層反射率值，重度受害水稻冠層反射率則高于對照區(qū)冠層反射率。水稻蟲害遙感監(jiān)測的原理是病蟲害會導致作物葉片細胞結(jié)構(gòu)色素、水分氮素含量及外部形狀等發(fā)生變化，從而引起作物反射光譜的變化。另外，對作物冠層來說，病蟲害的發(fā)生會引起作物葉面積指數(shù)生物量覆蓋度等方面的一系列變化。因此，與正常作物相比，受有害生物侵害作物的反射光譜在可見光到熱紅外波段的反射光譜有明顯差異[25-28]。利用此技術(shù)在水稻高危害生物監(jiān)控方面取得了較好效果，劉占宇[29]通過對浙江省和黑龍江省6個縣（市、區(qū)）5種水稻病蟲害進行觀測，運用多種數(shù)據(jù)處理方法，篩選出對水稻病蟲害響應的敏感光譜區(qū)域和譜段，構(gòu)建了病蟲害脅迫指數(shù)，對水稻不同病蟲害的危害等級分類和色素含量、病害嚴重度指數(shù)、蟲情指數(shù)等危害指標的估算方法進行了研究，并運用QuickBird影像技術(shù)提取稻飛虱危害面積和產(chǎn)量損失評估。

通過上述分析可以看出，高光譜遙感技術(shù)在水稻蟲害監(jiān)測方面的研究，重點集中在識別技術(shù)，特征光譜區(qū)和波段的選擇至關(guān)重要，不斷縮小波段幅寬、提高分辨率是今后研究的重點。

4? ? 應用展望

近年來，高光譜遙感技術(shù)在農(nóng)業(yè)上進行作物病蟲害的監(jiān)測檢測和作物長勢的監(jiān)控研究應用較多，具體集中在小麥、水稻、棉花、玉米等大宗作物上，以主要病蟲害為靶標構(gòu)建的模型較多，也較為成熟，在國內(nèi)應用較多的區(qū)域集中在東北地區(qū)、黃淮海區(qū)域、新疆等地。

此外，紅外熱成像技術(shù)也是一種對作物進行早期病害診斷和預警的有效手段之一，之前在作物早期病害監(jiān)測檢測的應用領域以黃瓜、蘋果、番茄等大葉作物為主[30-33]，而在小麥、水稻等窄葉糧食作物上的應用研究，受儀器硬件、數(shù)據(jù)采集、分析方法等因素的制約，存在一定局限性。當作物受到有害生物侵害時，作物會產(chǎn)生防衛(wèi)反應，造成氣孔異質(zhì)性開閉，葉片的蒸騰作用出現(xiàn)異常，水分調(diào)節(jié)失衡，葉片溫度升高或降低，病變部位發(fā)射的紅外射線隨之改變。熱成像儀通過接收改變的熱輻射并進行成像，可以實現(xiàn)對作物的早期病害診斷和預警。能夠看出，熱成像技術(shù)在作物脅迫預警方面具有很大潛力，也使紅外成像技術(shù)的實際應用價值較大，便于提前發(fā)現(xiàn)問題，采取有效防治手段，減少農(nóng)業(yè)化學品的投入，減少產(chǎn)量損失[34]。因此，該項技術(shù)近年來得到了快速發(fā)展，隨著儀器設備不斷升級，熱成像系統(tǒng)結(jié)合高光譜遙感技術(shù)和數(shù)字圖像處理技術(shù)，實現(xiàn)對小麥、水稻、馬鈴薯等多種作物的早期病害監(jiān)測檢測，完善數(shù)據(jù)采集系統(tǒng)，開發(fā)專用軟件分析，構(gòu)建有害生物的預警機制模型并應用于實際生產(chǎn)是今后研究的主要方向。

高光譜遙感技術(shù)在發(fā)展應用中存在諸多限制性因素，其中天氣因素和地理因素對其影響較大，導致目前農(nóng)作物病蟲害遙感監(jiān)測預警模型較少、光譜分析技術(shù)方法的廣譜適用性較差、專業(yè)分析軟件的開發(fā)較少、大宗作物標準化數(shù)據(jù)采集規(guī)程的缺失等問題。今后，采用高光譜遙感技術(shù)進行農(nóng)作物病蟲害的監(jiān)測檢測工作時，要特別注意以下3個問題。

（1）基于多源遙感技術(shù)數(shù)據(jù)的采集。遙感數(shù)據(jù)源具有多樣性、實時性和動態(tài)性等特點，原則上要以多源、高分辨率、多（或高）光譜數(shù)據(jù)綜合應用為基礎，結(jié)合地面觀測、地面實驗數(shù)據(jù)，可利用農(nóng)業(yè)衛(wèi)星、植保無人機、紅外監(jiān)控等技術(shù)手段，全天候全方位地進行數(shù)據(jù)采集。

（2）數(shù)據(jù)圖像的提取、降維、分類和分析等。確立專一作物病蟲害的最優(yōu)數(shù)據(jù)圖像處理方法，與傳統(tǒng)調(diào)查方法和分子生物學方法相比，最大程度地獲取數(shù)據(jù)中的有效信息，開發(fā)各種專一性、廣譜性的專業(yè)圖像數(shù)據(jù)處理軟件，降低技術(shù)門檻，便于在農(nóng)業(yè)生產(chǎn)中廣泛應用。

（3）目前，構(gòu)建的高光譜遙感技術(shù)監(jiān)測預警模型多以油菜、馬鈴薯等闊葉作物為主，且主要針對其某一特定生長期，預警監(jiān)測模型還受測量環(huán)境、生長條件和作物品種等多方面的限制，缺乏在生產(chǎn)實踐中的指導性作用。筆者認為，以油菜田、馬鈴薯田主要發(fā)生的病蟲害為研究對象，應用高光譜遙感技術(shù)開展全面詳細的研究，以此方面的經(jīng)驗和大數(shù)據(jù)系統(tǒng)的支持，對禾本科小麥、水稻和玉米的高光譜遙感監(jiān)控病蟲害的發(fā)生、發(fā)展、防控效果方面的研究具有重要的指導作用[35]。

5? ? 結(jié)語

高光譜遙感技術(shù)在農(nóng)業(yè)上的應用研究已經(jīng)逐漸成為現(xiàn)代農(nóng)業(yè)研究中的重點，高光譜遙感影像具有光譜連續(xù)、波段多以及數(shù)據(jù)量大等特點，可為現(xiàn)代農(nóng)業(yè)研究提供精準的技術(shù)手段。高光譜遙感技術(shù)是一門覆蓋了探測技術(shù)、精密光學影像系統(tǒng)、高速信號完整傳導處理系統(tǒng)和計算機數(shù)據(jù)處理系統(tǒng)的綜合性應用技術(shù)。隨著其探測設備、影像系統(tǒng)、軟件處理能力等軟硬件不斷發(fā)展，結(jié)合農(nóng)業(yè)相關(guān)各類“大數(shù)據(jù)”系統(tǒng)的逐步完善。另外，在有足夠的高光譜數(shù)據(jù)保障下，建立完整的應用技術(shù)體系，提高監(jiān)測預測的準確性，加強通用性和移植性，高光譜遙感技術(shù)在農(nóng)業(yè)病蟲害監(jiān)測預警中將具有更加廣闊的前景[36-37]。

6? ? 參考文獻

[1] 陳兵，李少昆，王克如，等.作物病蟲害遙感監(jiān)測研究進展[J].棉花學報，2007，19（1）：57-63.

[2] 羅紅霞，闞應波，王玲玲，等.基于高光譜遙感技術(shù)的農(nóng)作物病蟲害應用研究現(xiàn)狀[J].廣東農(nóng)業(yè)科學，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] 姚云軍，秦其明，張自力，等.高光譜技術(shù)在農(nóng)業(yè)遙感中的應用研究進展[J].農(nóng)業(yè)工程學報，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] 王圓圓，陳云浩，李京，等.指示冬小麥條銹病嚴重度的兩個新的紅邊參數(shù)[J].遙感學報，2007，11（6）：875-881.

[7] 朱述龍，張占睦.遙感圖像獲取分析[M].北京：科學出版社，2000.

[8] 浦瑞良，宮鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000.

[9] 陳鵬程，張建華，雷勇輝，等.高光譜遙感監(jiān)測農(nóng)作物病蟲害研究進展[J].中國農(nóng)學通報，2006，22（2）：388-391.

[10] 蔣金豹，陳云浩，黃文江.利用高光譜紅邊和黃邊位置距離識別小麥條銹病[J].光譜學與光譜分析，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] 喬洪波.麥蚜、白粉病危害后冬小麥冠層高光譜的測量和分析[D].北京：中國農(nóng)業(yè)科學院，2004.

[13] 劉琦.小麥條銹病潛育期遙感監(jiān)測及分子檢測技術(shù)研究[D].北京：中國農(nóng)業(yè)科學院，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，陳鐵英，等.農(nóng)作物病害檢測中光譜和圖像處理技術(shù)現(xiàn)狀及展望[J].農(nóng)機化研究，2015（10）：1-8.

[17] 楊燕，何勇.基于高光譜圖像的稻瘟病抗氧化酶值早期預測[J].農(nóng)業(yè)工程學報，2013，29（20）：135-141.

[18] 馮雷，柴榮耀，孫光明，等.基于多光譜成像技術(shù)的水稻葉瘟檢測分級方法研究[J].光譜學與光譜分析，2009，29（10）：2730-2733.

[19] 齊龍，馬旭，梁柏，等.稻瘟病監(jiān)測預測方法研究現(xiàn)狀及流行風險評估體系構(gòu)建初探[J].中國農(nóng)學通報，2011，27（33）：213-216.

[20] 鄭志雄，齊龍，馬旭，等.基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級方法[J].農(nóng)業(yè)工程學報，2013，29（19）：138-144.

[21] 黃靖峰，王福民，王秀珍.水稻高光感遙感實驗研究[M].杭州：浙江大學出版社，2010.

[22] 張寶棣.水稻病害的識別與防治[N].寧夏科技報，2004-05-25（03）.

[23] 譚廣發(fā).水稻病害防治技術(shù)[J].吉林農(nóng)業(yè)，2004（4）：22-23.

[24] 孫紅，李民贊，周志艷，等. 基于光譜技術(shù)的水稻稻縱卷葉螟受害區(qū)域檢測[J].光譜學與光譜分析，2010，30（4）：1080-1083.

[25] 競霞，王紀華，宋曉宇，等. 棉花黃萎病病情嚴重度的連續(xù)統(tǒng)去除估測法[J].農(nóng)業(yè)工程學報，2010，26（1）：193-198.

[26] 趙春江.農(nóng)業(yè)遙感研究與應用進展[J].農(nóng)業(yè)機械學報，2014，45（12）：277-293.

[27] 張競成，袁琳，王紀華，等.作物病蟲害遙感監(jiān)測研究進展[J]農(nóng)業(yè)工程學報，2012，28（20）：1-11.

[28] 史舟，梁宗正，楊媛媛，等.農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J].農(nóng)業(yè)機械學報，2015，46（2）：247-260.

[29] 劉占宇.水稻主要病蟲害脅迫遙感監(jiān)測研究[D].杭州：浙江大學，2008.

[30] 黃雙萍，齊龍，馬旭，等.基于高光譜成像技術(shù)的水稻穗瘟病病害程度分級方法[J].農(nóng)業(yè)工程學報，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，F(xiàn)ROHLING 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，史智興，王成，等.紅外熱成像技術(shù)在作物脅迫檢測方面的應用[J].農(nóng)機化研究，2016（1）：232-237.

[35] 楊博，劉義，李鵬偉.基于多源數(shù)據(jù)融合技術(shù)的農(nóng)業(yè)遙感監(jiān)測在墾區(qū)的應用[J].現(xiàn)代化農(nóng)業(yè)，2018（3）：7-8.

[36] 武洪峰.基于多源數(shù)據(jù)融合的農(nóng)作物病蟲害監(jiān)測技術(shù)研究[J].現(xiàn)代化農(nóng)業(yè)，2015（5）：59-60.

[37] 姜慶虎，童芳，余明珠，等.高光譜技術(shù)：生態(tài)學領域研究的新方法[J].植物科學學報，2015，33（5）：633-640.