• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害方法研究

    2020-05-23 10:18:18李福根張保輝段玉林
    中國(guó)農(nóng)業(yè)信息 2020年1期
    關(guān)鍵詞:植被指數(shù)相似性病蟲(chóng)害

    李福根,張保輝,段玉林

    (1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)部農(nóng)業(yè)遙感重點(diǎn)實(shí)驗(yàn)室,北京100081;2.中國(guó)科學(xué)院空天信息創(chuàng)新研究院 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京100101)

    0 引言

    水稻作為我國(guó)最主要的糧食作物,種植面積約占全國(guó)糧食作物種植面積的28%,每年為全國(guó)60%以上的人口提供主食供應(yīng)[1]。水稻的安全健康生長(zhǎng)對(duì)保障國(guó)家農(nóng)業(yè)生產(chǎn),維護(hù)國(guó)家糧食安全起到了舉足輕重的作用。然而,每年因病蟲(chóng)害爆發(fā)造成的水稻產(chǎn)量損失約占總產(chǎn)量的15%~40%[2],成為制約我國(guó)水稻高產(chǎn)、優(yōu)質(zhì)和可持續(xù)發(fā)展的主要限制因素之一,嚴(yán)重威脅國(guó)家糧食安全。

    為降低水稻病蟲(chóng)害對(duì)農(nóng)業(yè)生產(chǎn)的危害,各地在種植一線建立了多個(gè)植保站來(lái)監(jiān)測(cè)水稻病蟲(chóng)害發(fā)生的地點(diǎn)、范圍和嚴(yán)重程度。但這種基于人工調(diào)查鑒別的方法費(fèi)時(shí)費(fèi)力且主觀化嚴(yán)重[3]。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展,各種農(nóng)情監(jiān)測(cè)設(shè)備可以通過(guò)網(wǎng)絡(luò)傳輸實(shí)現(xiàn)水稻病蟲(chóng)害集中監(jiān)測(cè)[4],但這些設(shè)備在監(jiān)測(cè)方面往往具有滯后性,且在較大尺度內(nèi)形成空間全域布設(shè)監(jiān)測(cè)短期內(nèi)仍是不可能實(shí)現(xiàn)的,難以滿(mǎn)足實(shí)際生產(chǎn)需求。遙感技術(shù)作為一種宏觀性強(qiáng)、時(shí)效快、經(jīng)濟(jì)成本低且數(shù)據(jù)綜合力強(qiáng)的新技術(shù),在水稻病蟲(chóng)害監(jiān)測(cè)方面具有廣闊應(yīng)用潛力[5-6]。

    利用遙感技術(shù)監(jiān)測(cè)水稻病蟲(chóng)害的物理基礎(chǔ)主要是當(dāng)水稻受到病蟲(chóng)害脅迫時(shí),往往會(huì)發(fā)生不同的應(yīng)激癥狀或植株損傷,引發(fā)水稻植株光譜反射的變化,從而被遙感傳感器捕捉[7]。為證明這一理論,研究人員開(kāi)展了大量的地面研究。Wang 等[8]利用ASD Fieldspec3地物光譜儀發(fā)現(xiàn)水稻褐斑病和水稻紋枯病發(fā)病早期會(huì)引起990 nm 附近的紅邊波段發(fā)生異常,但由于人類(lèi)視覺(jué)的限制,這一異常難以被人工察覺(jué);Yang 和Cheng[9]的研究發(fā)現(xiàn)水稻受褐飛虱侵?jǐn)_時(shí),737~925 nm 范圍內(nèi)的近紅外波段反射率會(huì)發(fā)生改變;Liu等[10]通過(guò)對(duì)水稻稻穗的光譜分析發(fā)現(xiàn)水稻穎枯病會(huì)引發(fā)850 nm 附近波段的反射率發(fā)生變化;劉占宇等[11]研究發(fā)現(xiàn)水稻細(xì)菌性褐斑病同樣可以通過(guò)光譜異?,F(xiàn)象監(jiān)測(cè)出來(lái);黃建榮等[12]的研究發(fā)現(xiàn)水稻受稻縱卷葉螟危害后,水稻葉片的光譜會(huì)發(fā)生明顯變化,且受到的危害程度不同,波段也不同;Yang 等[13]研究發(fā)現(xiàn)水稻褐飛虱和卷葉螟危害后有相似的光譜異常發(fā)生。以上研究表明,水稻受不同病蟲(chóng)害侵?jǐn)_時(shí),其光譜反射率會(huì)在一定波段范圍內(nèi)發(fā)生變化,但這些波段可能會(huì)有一些重疊。因此,利用遙感技術(shù)監(jiān)測(cè)水稻光譜反射異常從而監(jiān)測(cè)水稻病蟲(chóng)害是可行的,但要監(jiān)測(cè)具體某一種病蟲(chóng)害還需要進(jìn)一步探索。

    雖然利用遙感技術(shù)觀測(cè)水稻病蟲(chóng)害的可行性已經(jīng)在多次地面試驗(yàn)中被證實(shí),但是鮮有在區(qū)域尺度利用對(duì)地觀測(cè)技術(shù)監(jiān)測(cè)水稻病蟲(chóng)害的研究。這可能是因?yàn)樗旧L(zhǎng)過(guò)程中下墊面土壤含水量較高,甚至要經(jīng)歷水淹過(guò)程,造成下墊面屬性發(fā)生改變,從而使得水稻田整體的光譜曲線影像出現(xiàn)“藍(lán)移”現(xiàn)象[14],與其他大田作物的反射光譜曲線形成了鮮明差異。Qin 和Zhang[15]研究發(fā)現(xiàn),在區(qū)域尺度,考慮了藍(lán)光波段的植被指數(shù)對(duì)水稻病蟲(chóng)害的發(fā)生更為敏感,并以此提出了水稻病蟲(chóng)害指數(shù)和水稻病蟲(chóng)害比值指數(shù),其與水稻病蟲(chóng)害的擬合結(jié)果優(yōu)于其他傳統(tǒng)植被指數(shù)。袁建清[16]利用無(wú)人機(jī)觀測(cè)到的健康水稻和受穗頸瘟病侵蝕的水稻影像做對(duì)比,發(fā)現(xiàn)傳統(tǒng)的基于近紅外、紅光、綠光波段計(jì)算的幾種植被指數(shù)對(duì)水稻病蟲(chóng)害的分類(lèi)精度并不理想。由此看來(lái),通過(guò)計(jì)算植被指數(shù)來(lái)實(shí)現(xiàn)區(qū)域尺度(基于遙感監(jiān)測(cè))水稻病蟲(chóng)害仍是目前主要的研究方向。盡管植被指數(shù)在監(jiān)測(cè)甜菜[17]、小麥[18-19]、棉花[20]等作物病蟲(chóng)害方面已有許多成熟研究,但在水稻病蟲(chóng)害監(jiān)測(cè)領(lǐng)域尚未形成實(shí)際可操作普適性方法。然而,利用遙感技術(shù)監(jiān)測(cè)農(nóng)田區(qū)域水稻病蟲(chóng)害是保證水稻病蟲(chóng)害在宏觀尺度快速、及時(shí)、準(zhǔn)確識(shí)別監(jiān)測(cè)的主要手段。因此,建立一套可操作性強(qiáng)、準(zhǔn)確度高的區(qū)域尺度遙感監(jiān)測(cè)水稻病蟲(chóng)害方法具有重要的現(xiàn)實(shí)意義。

    文章研究了區(qū)域尺度水稻作物的植被指數(shù)計(jì)算,將植被指數(shù)(基于遙感數(shù)據(jù)反演)假設(shè)成具有概率統(tǒng)計(jì)特性的信息源,并基于信息理論[21]和光譜信息散度(SID,Spectral Information Divergence)模型[22]推導(dǎo)出植被指數(shù)非相似性(VID,Vegetation Index Divergence)計(jì)算方法。根據(jù)VID的計(jì)算方法,計(jì)算無(wú)病蟲(chóng)害水稻田與病蟲(chóng)害水稻田之間的植被指數(shù)VID。將計(jì)算出的VID與地面實(shí)測(cè)的水稻病蟲(chóng)害等級(jí)數(shù)據(jù)進(jìn)行回歸分析,確定二者的相關(guān)程度。最后選取與地面實(shí)測(cè)的水稻病蟲(chóng)害等級(jí)數(shù)據(jù)相關(guān)程度較高的植被指數(shù)VID進(jìn)行K-fold 交叉驗(yàn)證[23-24],得出利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害的準(zhǔn)確性(精度)。

    1 研究區(qū)與數(shù)據(jù)

    1.1 試驗(yàn)區(qū)域

    該文選擇四川省成都市崇州市作為試驗(yàn)區(qū)域(圖1),為研究提供不同病蟲(chóng)害程度的水稻采樣數(shù)據(jù),以實(shí)現(xiàn)監(jiān)測(cè)模型的擬合與驗(yàn)證。四川省崇州市位于四川盆地向青藏高原過(guò)渡地帶的第一、二階梯,位于東經(jīng)103°07′~103°49′、北緯30°30′~30°53′之間,東鄰成都市溫江區(qū)和雙流區(qū)、南同新津縣毗連、西與大邑縣相接、北與都江堰市相依、西北部與汶川縣接壤,總面積1 090 km2。崇州市屬亞熱帶濕潤(rùn)季風(fēng)氣候,年平均氣溫16.4℃,年平均降水量969.2 mm,適合水稻等糧食作物生長(zhǎng),是我國(guó)主要的農(nóng)業(yè)糧食生產(chǎn)區(qū),素有“西蜀糧倉(cāng)”的美譽(yù)。但由于陰雨寡照的氣候因素,該地區(qū)也是水稻病蟲(chóng)害發(fā)生的重災(zāi)區(qū)[25]。據(jù)不完全統(tǒng)計(jì),崇州市發(fā)生的水稻病蟲(chóng)害有30 余種,包括水稻螟蟲(chóng)、稻飛虱、稻瘟病和紋枯病等,嚴(yán)重時(shí)病蟲(chóng)害發(fā)生面積占水稻種植面積的90%左右[26]。近年來(lái),受多種因素影響,水稻病蟲(chóng)害具有發(fā)生面積廣、危害程度重的特點(diǎn)[27],將其作為利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害方法的試驗(yàn)區(qū)域具有現(xiàn)實(shí)意義。

    圖1試驗(yàn)區(qū)域Fig.1 Test area

    1.2 參考區(qū)域

    該文選擇四川省農(nóng)科院現(xiàn)代農(nóng)業(yè)科技創(chuàng)新示范園區(qū)作為參考區(qū)域(圖2),為研究提供健康水稻的光譜信息,以實(shí)現(xiàn)植被指數(shù)非相似性的計(jì)算。四川省農(nóng)業(yè)科學(xué)院現(xiàn)代農(nóng)業(yè)科技示范區(qū)位于四川省成都市新都區(qū),占地面積約1.71 km2,與試驗(yàn)區(qū)域直線距離約70 km。該示范園是集農(nóng)業(yè)科技創(chuàng)新、成果示范、產(chǎn)業(yè)孵化等功能為一體的國(guó)內(nèi)一流現(xiàn)代農(nóng)業(yè)示范園,示范區(qū)分為七大功能區(qū),其中最主要、占地面積最大的便是大田作物科研區(qū)[28]。

    圖2參考區(qū)域Fig.2 Reference area

    大田作物科研區(qū)主要分為大春作物區(qū)和小春作物區(qū)。其中,大春作物區(qū)主要從事水稻新品種選育、育種新材料和新方法研制以及科技成果轉(zhuǎn)化等研究工作。該示范園的水稻田均采用精細(xì)化管理,實(shí)施病蟲(chóng)害早期監(jiān)測(cè)預(yù)警,確保示范園中水稻田盡量不出現(xiàn)病蟲(chóng)害,或在出現(xiàn)病蟲(chóng)害情況下也不會(huì)造成危害。這也為研究提供了良好的無(wú)病蟲(chóng)害水稻的光譜參數(shù)數(shù)據(jù)。

    1.3 遙感數(shù)據(jù)源

    該文主要采用Planet 公司提供的PlanetScope小衛(wèi)星星群(簡(jiǎn)稱(chēng)PS群)數(shù)據(jù)[29]。PS群現(xiàn)有在軌衛(wèi)星共170 余顆,是全球最大的衛(wèi)星星座,可實(shí)現(xiàn)每天監(jiān)測(cè)全球一次,這對(duì)其在農(nóng)情監(jiān)測(cè)方面的應(yīng)用有十分重要的意義。每個(gè)PS群衛(wèi)星成員都是一顆3U立方體(10 cm×10 cm×30 cm)小衛(wèi)星Dove,每個(gè)Dove航天器均裝備一個(gè)光學(xué)系統(tǒng)和相機(jī),能夠拍攝地面分辨率為3~4 m 的多光譜影像,符合大田農(nóng)情監(jiān)測(cè)的實(shí)際需求。

    表1 Planet 衛(wèi)星主要載荷參數(shù)Table 1 Specifications of the Planet main payloads

    為提高數(shù)據(jù)的穩(wěn)定性和研究的可靠行,研究使用了3B級(jí)PlanetScope正射影像產(chǎn)品,該產(chǎn)品經(jīng)過(guò)傳感器校正、輻射校正、大氣校正、幾何校正等處理,形成幅寬為24×7 km,空間分辨率為3 m 的正射影像。影像采用UTM坐標(biāo)系,定位精度的均方根誤差(RMSE)小于10 m。在輻射校正方面,3B級(jí)Planet 產(chǎn)品采用了一種十分嚴(yán)謹(jǐn)?shù)妮椛湫U惴ǎ撍惴▽l(fā)射前校正、月球校正和與在軌的RapidEye和Landsat8等傳感器交叉校正相結(jié)合,大氣層頂(TOA)輻射精度在±10%范圍內(nèi),星座的整體不確定性在5%~6%之間,符合研究需求。為消除大氣效應(yīng)的影響,產(chǎn)品采用6S大氣校正算法和大氣狀態(tài)數(shù)據(jù),利用不同傳感器的光譜響應(yīng)函數(shù)、特定場(chǎng)景視圖和光照幾何模擬不同場(chǎng)景下的大氣校正系數(shù),從而獲得真實(shí)的地表反射率,使得定量反演地表各類(lèi)參數(shù)更加準(zhǔn)確。

    由于研究區(qū)地處四川盆地,受周?chē)匦?、水汽和風(fēng)力等因素影響,云層覆蓋率高,對(duì)多光譜衛(wèi)星數(shù)據(jù)的選取與應(yīng)用產(chǎn)生較大影響,因此可獲得的高質(zhì)量研究影像十分有限[30]。綜合影像質(zhì)量和水稻生長(zhǎng)周期,研究選用6組Planet 衛(wèi)星影像作為研究數(shù)據(jù),日期分別為2019年4 月25日、5月12 日、5月27日、6月29日、7月14 日和8月6日。

    1.4 地面實(shí)測(cè)數(shù)據(jù)源

    地面實(shí)測(cè)數(shù)據(jù)為研究提供了樣本區(qū)域、訓(xùn)練數(shù)據(jù)以及驗(yàn)證依據(jù),是研究的重要組成部分。為保證衛(wèi)星影像反演的植被指數(shù)與水稻病蟲(chóng)害信息的耦合性,提高研究的可靠性,該研究選用了崇州市農(nóng)業(yè)技術(shù)推廣綜合服務(wù)中心在崇州市燎原鄉(xiāng)、公議鄉(xiāng)、道明鎮(zhèn)、懷遠(yuǎn)鎮(zhèn)、江源鎮(zhèn)、榿泉鎮(zhèn)和隆興鎮(zhèn)(2個(gè),分別稱(chēng)為隆興1站和2站)布設(shè)的8處水稻田植保站采集到的水稻病蟲(chóng)害信息作為研究的地面實(shí)測(cè)數(shù)據(jù)。

    崇州市農(nóng)業(yè)技術(shù)推廣綜合服務(wù)中心依據(jù)成都市農(nóng)業(yè)發(fā)展要求和《植物檢疫條例》的有關(guān)規(guī)定,根據(jù)農(nóng)作物生育期及氣候等條件對(duì)農(nóng)田主要的病蟲(chóng)草鼠害進(jìn)行監(jiān)測(cè)預(yù)報(bào),并及時(shí)發(fā)布病蟲(chóng)發(fā)生范圍和趨勢(shì)預(yù)報(bào),提供防治信息,指導(dǎo)全區(qū)農(nóng)作物病蟲(chóng)防治工作[31]。

    研究選用的8處水稻田植保站均位于較大面積水稻田中,播種方式為插秧式播種。植保站在水稻田中心位置附近安裝了蟲(chóng)情監(jiān)測(cè)系統(tǒng)和高清攝像頭,并有專(zhuān)業(yè)的植保人員定期對(duì)農(nóng)田進(jìn)行巡視、采樣、數(shù)據(jù)統(tǒng)計(jì)及分析。蟲(chóng)情監(jiān)測(cè)系統(tǒng)可實(shí)時(shí)監(jiān)測(cè)水稻田中各種害蟲(chóng)的數(shù)量,高清探頭和專(zhuān)業(yè)人員巡視、采樣可以較為全面的監(jiān)控、判別水稻病害情況。根據(jù)《四川省病蟲(chóng)測(cè)報(bào)規(guī)范和標(biāo)準(zhǔn)》,植保人員將統(tǒng)計(jì)的水稻病蟲(chóng)害信息總結(jié)歸納為5 個(gè)等級(jí):1級(jí)為有發(fā)生但不造成危害,2 級(jí)為輕度危害,3級(jí)為中度危害,4 級(jí)為較嚴(yán)重危害,5級(jí)為嚴(yán)重危害。

    根據(jù)獲取的衛(wèi)星數(shù)據(jù)和水稻的插秧日期,研究整理統(tǒng)計(jì)了衛(wèi)星過(guò)境時(shí)刻8個(gè)植保站點(diǎn)的水稻病蟲(chóng)害監(jiān)測(cè)結(jié)果分級(jí)(表2)。其中,道明、懷遠(yuǎn)、公議、燎原、隆興2號(hào)和江源6個(gè)站點(diǎn)由于2019年4月25 日并未插秧,造成數(shù)據(jù)空缺。

    表2衛(wèi)星過(guò)境時(shí)刻8 個(gè)植保站點(diǎn)的水稻病蟲(chóng)害檢測(cè)結(jié)果分級(jí)Table 2 Statistical results for the diseases and pests in rice from 8 plant protection stations at satellite overpass time

    2 研究方法

    該文利用遙感技術(shù),通過(guò)遙感數(shù)據(jù)和數(shù)學(xué)運(yùn)算定量分析水稻病蟲(chóng)害的嚴(yán)重程度。遙感數(shù)據(jù)本質(zhì)是地物對(duì)特定電磁波反射能力的記錄。對(duì)于植被而言,根據(jù)其獨(dú)特的反射特性,對(duì)傳感器獲取的各波段反射率進(jìn)行重組計(jì)算,形成各種植被指數(shù),從而實(shí)現(xiàn)對(duì)地表植被狀態(tài)的度量是常用的簡(jiǎn)單、可靠的數(shù)學(xué)手段。同時(shí),基于光譜計(jì)算出的植被指數(shù)既包含了光譜對(duì)地表植被的度量,又消除了冗余信息,可以認(rèn)為是對(duì)地表植被信息的一種更加準(zhǔn)確的量化測(cè)度。因此可以使用信息理論相關(guān)原理對(duì)不確定性引起的相同植被指數(shù)間的變化進(jìn)行模擬。

    當(dāng)水稻受到病蟲(chóng)害脅迫時(shí),植株葉片中葉綠素會(huì)受到破壞,甚至?xí)霈F(xiàn)葉片枯萎,從而影響植株的光譜反射,進(jìn)而影響植被指數(shù)的信息表達(dá)。因此,該文假設(shè)健康水稻和受病蟲(chóng)害脅迫的水稻在植被指數(shù)信息測(cè)度方面會(huì)形成一定差異,這種差異可以通過(guò)隨機(jī)模型表達(dá)。為證明這一假設(shè),根據(jù)Planet 衛(wèi)星參數(shù)特點(diǎn),研究選擇了10種常見(jiàn)的植被指數(shù)進(jìn)行討論,并提出了植被指數(shù)非相似性定量化計(jì)算方法,通過(guò)植被指數(shù)的非相似性與地面實(shí)測(cè)水稻病蟲(chóng)害等級(jí)數(shù)據(jù)的回歸分析,研究利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害的方法。同時(shí),通過(guò)回歸分析選擇出與水稻病蟲(chóng)害等級(jí)數(shù)據(jù)相關(guān)程度較高的幾種植被指數(shù)非相似性,通過(guò)K-fold 交叉驗(yàn)證判斷植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害的精度,從而分析利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害方法的可行性。具體流程如圖3所示。

    2.1 數(shù)據(jù)選擇

    利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害研究的前提是保證參考區(qū)域和試驗(yàn)區(qū)域的水稻漲勢(shì)盡可能相同或相近。由于8處試驗(yàn)區(qū)域均為插秧式播種,該文根據(jù)試驗(yàn)區(qū)域插秧時(shí)間來(lái)挑選參考區(qū)域相對(duì)應(yīng)的地塊,從而使得兩處數(shù)據(jù)之間具有較高的耦合性。

    圖3利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害研究流程Fig.3 Flowchart of the study on detection and discrimination of pests and diseases in rice using vegetation index divergen

    根據(jù)統(tǒng)計(jì)數(shù)據(jù),試驗(yàn)區(qū)8個(gè)植保站所在的水稻田的插秧時(shí)間主要集中在兩個(gè)時(shí)段,分別是2019年4月下旬(榿泉站為4月20日,隆興1站為4月22日)和2019年5 月上旬(道明站為5月6日,懷遠(yuǎn)站和隆興2 站為5月7日,公議站、江源站和燎原站為5月8日)。根據(jù)試驗(yàn)區(qū)插秧時(shí)間,研究從參考區(qū)多個(gè)地塊中篩選了2 個(gè)與試驗(yàn)區(qū)插秧時(shí)間最為接近的地塊(表3),地塊一的插秧時(shí)間為2019年4月20日,對(duì)應(yīng)討論的試驗(yàn)站點(diǎn)為榿泉站和隆興1站;地塊二的插秧時(shí)間為2019年5月7日,對(duì)應(yīng)討論的試驗(yàn)站點(diǎn)為道明站、懷遠(yuǎn)站、公議站、燎原站、隆興2站和江源站。

    表3 參考區(qū)域與試驗(yàn)區(qū)域及二者插秧時(shí)間對(duì)應(yīng)表Table 3 Correspondence between reference area and test area and their transplanting time

    2.2 植被指數(shù)計(jì)算

    研究使用的Planet 衛(wèi)星數(shù)據(jù)含有可見(jiàn)光和近紅外4 個(gè)波段。根據(jù)衛(wèi)星數(shù)據(jù)特點(diǎn),研究選擇了10種相對(duì)應(yīng)植被指數(shù)進(jìn)行討論,如表4。其中,NDI[32]和GLI[33]是基于可見(jiàn)光波段 計(jì)算的植被指數(shù),NDVI[34-37]、GNDVI[38]、SAVI[39]、OSAVI[40]、MSR[41]和RDVI[42]為基于可見(jiàn)光、近紅外波段計(jì)算的植被指數(shù),這些指數(shù)已經(jīng)被證實(shí)可以較好的模擬作物的物候現(xiàn)象以及一些理化參數(shù)。DI14和RI14為Qin等人[15]研究發(fā)現(xiàn)的與水稻病蟲(chóng)害相關(guān)程度最高的水稻病蟲(chóng)害指數(shù)。

    同時(shí),根據(jù)植被的光譜特性,這10種植被指數(shù)在水稻生長(zhǎng)階段都應(yīng)為正數(shù),這也為之后的研究提供了較充足的便利條件。

    表4 10種植被指數(shù)及其表達(dá)形式Table 4 The 10 selected vegetation indices examined in this research,together with their band-specific formulations and associated principal reference

    2.3 植被指數(shù)非相似計(jì)算

    由于植被指數(shù)是一種通過(guò)光譜計(jì)算獲取地表植被信息的度量手段,通過(guò)假設(shè)每種植被指數(shù)變量隨機(jī)分布,該文提出基于信息理論[21]和光譜信息散度模型(SID)[22]的一種計(jì)算相同植被指數(shù)之間相似性差異的方法。該方法通過(guò)信息測(cè)度原理,將每個(gè)植被指數(shù)向量視為具有概率統(tǒng)計(jì)特性的信息源,從而將植被指數(shù)相似性問(wèn)題假設(shè)為植被指數(shù)向量之間概率行為差異問(wèn)題。

    具體而言,將植被指數(shù)影像根據(jù)列優(yōu)先原則轉(zhuǎn)換成一組植被指數(shù)向量x=(x1,…,xL)T,其中xl代表指數(shù)向量中的第l個(gè)指數(shù)值,O≤l≤L。假設(shè){λi}I(i=1)是一個(gè)植被指數(shù)I的集合,集合中每一個(gè)元素代表一種植被指數(shù)。以x為隨機(jī)變量進(jìn)行建模,定義概率空間(Ω,∑,P),Ω是樣本空間,∑是事件空間,P 為概率測(cè)度。因?yàn)閤代表水稻生長(zhǎng)期間水稻田區(qū)域的植被指數(shù),因此x為非負(fù)的。根據(jù)以上假設(shè),可以定義概率測(cè)度:

    式(1)中,向量p=(p1,p2,…pI)T是由像素向量x得到的期望概率向量。因此,任何植被指數(shù)向量x=(x1,…,xL)T可以看作是一個(gè)單一的信息源,其統(tǒng)計(jì)數(shù)據(jù)受向量p=(p1,p2,…,pI)T約束,從而使得向量p可用于描述植被指數(shù)的可變性。

    根據(jù)Fano信息理論,定義參考區(qū)域(x)和試驗(yàn)區(qū)域(y)的自信息:

    式(2)和(3)中,pi和qi分別為參考區(qū)域和試驗(yàn)區(qū)域的期望概率。

    y相對(duì)于x的相對(duì)熵(即散度)可以定義為:

    對(duì)應(yīng)的,x相對(duì)于y的散度可以定義為:

    因此該文基于SID模型定義植被指數(shù)非相似度參數(shù)為:

    VID可以看作是SID在植被指數(shù)領(lǐng)域的變形和應(yīng)用,它通過(guò)度量?jī)山M相同植被指數(shù)之間的互信息大小確定兩組相同植被指數(shù)之間的相似程度。VID值越高,說(shuō)明兩組相同植被指數(shù)之間的相似性越低;反之,VID值越低,則兩組相同植被指數(shù)之間的相似性越高。但具體的非相似性度量區(qū)間還需進(jìn)一步研究。

    2.4 單變量回歸分析

    地面實(shí)測(cè)水稻病蟲(chóng)害等級(jí)數(shù)據(jù)將水稻病蟲(chóng)害的嚴(yán)重程度進(jìn)行了量化分級(jí),為VID 與水稻病蟲(chóng)害建立模型關(guān)系提供了數(shù)學(xué)基礎(chǔ)。研究將計(jì)算出的10種植被指數(shù)VID與植保站監(jiān)測(cè)的水稻病蟲(chóng)害等級(jí)數(shù)據(jù)進(jìn)行單變量回歸分析和曲線擬合,以此建立植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害的方法模型以及評(píng)估監(jiān)測(cè)能力。在分析過(guò)程中,每種植被指數(shù)VID 與水稻病蟲(chóng)害等級(jí)數(shù)據(jù)逐一進(jìn)行回歸建模,包括線性擬合、二次擬合、多次擬合、指數(shù)擬合、對(duì)數(shù)擬合和冪函數(shù)擬合等趨勢(shì)分析方法。

    由于VID為離散變量,水稻病蟲(chóng)害等級(jí)為類(lèi)別變量,二者擬合時(shí)很難計(jì)算準(zhǔn)確的均方根誤差,因此研究主要根據(jù)決定系數(shù)(R2)確定最佳擬合模型。同時(shí),根據(jù)規(guī)范標(biāo)準(zhǔn),水稻病蟲(chóng)害總共分為5個(gè)等級(jí),但由于缺乏第5等級(jí)的訓(xùn)練數(shù)據(jù),容易出現(xiàn)高等級(jí)水稻病蟲(chóng)害區(qū)域欠擬合和訓(xùn)練模型整體過(guò)擬合現(xiàn)象,因此最佳擬合模型篩選時(shí)不能僅考慮R2,還要考慮模型在實(shí)際監(jiān)測(cè)水稻病蟲(chóng)害過(guò)程中的可行性。

    雖然單變量回歸分析原理簡(jiǎn)單,普適性不強(qiáng),但研究獲取到的并不特別復(fù)雜空間變量難以滿(mǎn)足更高級(jí)的數(shù)據(jù)分析方法,在未充分掌握高度復(fù)雜和更高維度空間數(shù)據(jù)的前提下,簡(jiǎn)單單變量回歸不失為一種快速、簡(jiǎn)便建模的方法,

    2.5 K-fold 交叉驗(yàn)證

    研究通過(guò)單變量回歸分析確定了各植被指數(shù)VID與水稻病蟲(chóng)害等級(jí)的定量關(guān)系。由于變量類(lèi)型不同,簡(jiǎn)單的單變量擬合回歸無(wú)法定量描述VID監(jiān)測(cè)水稻病蟲(chóng)害的精度狀況。為更加準(zhǔn)確評(píng)估VID監(jiān)測(cè)水稻病蟲(chóng)害的能力,確定監(jiān)測(cè)精度,研究將水稻病蟲(chóng)害等級(jí)人為設(shè)置為離散變量,同時(shí)選擇擬合程度較高的幾種植被指數(shù)通過(guò)K-fold交叉驗(yàn)證來(lái)對(duì)VID監(jiān)測(cè)水稻病蟲(chóng)害的精度進(jìn)行討論。

    K-fold 交叉驗(yàn)證是通過(guò)將整個(gè)擬合數(shù)據(jù)集分成一個(gè)訓(xùn)練數(shù)據(jù)集和一個(gè)測(cè)試數(shù)據(jù)集,這個(gè)過(guò)程是隨機(jī)進(jìn)行,并不會(huì)將數(shù)據(jù)集固定分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集,這個(gè)過(guò)程就像是把數(shù)據(jù)折疊成K 份,然后進(jìn)行迭代運(yùn)算。每次迭代運(yùn)算都會(huì)利用(K-1)/K 個(gè)數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù),然后評(píng)估另外1/K 個(gè)子集的精度。經(jīng)過(guò)K 次迭代之后,使用每次迭代的測(cè)試數(shù)據(jù)集得到的估算值的平均值作為最終的估算值,并進(jìn)行誤差分析。雖然K-fold交叉驗(yàn)證會(huì)因?yàn)闇p少訓(xùn)練數(shù)據(jù)的數(shù)據(jù)量而降低估算的精度,但是該方法獨(dú)立測(cè)試的屬性和通過(guò)迭代運(yùn)算彌補(bǔ)訓(xùn)練數(shù)據(jù)量的損失還是能比較客觀的評(píng)價(jià)模型反演的精度。

    根據(jù)該研究的數(shù)據(jù)特點(diǎn)和K-fold交叉驗(yàn)證理論,研究選擇6-fold交叉驗(yàn)證的方式。即將全部擬合數(shù)據(jù)隨機(jī)分成6份。每次迭代運(yùn)算時(shí)選擇其中的5份作為訓(xùn)練數(shù)據(jù)進(jìn)行擬合分析,確定擬合參數(shù),同時(shí)用另外一份對(duì)擬合模型的精度進(jìn)行測(cè)試。經(jīng)過(guò)6 次迭代運(yùn)算,每份數(shù)據(jù)都經(jīng)過(guò)了6次訓(xùn)練和驗(yàn)證,我們可以根據(jù)這6次訓(xùn)練和驗(yàn)證的平均結(jié)果生成最終的監(jiān)測(cè)精度。

    3 結(jié)果

    3.1 回歸分析

    在遙感領(lǐng)域,植被的生理參數(shù)通常通過(guò)與植被指數(shù)的特定聯(lián)系來(lái)進(jìn)行估算,這些聯(lián)系往往是在現(xiàn)場(chǎng)測(cè)量的基礎(chǔ)上擬合標(biāo)準(zhǔn)回歸函數(shù)來(lái)建立的。為了判斷研究提出的基于植被指數(shù)計(jì)算的變量VID是否能夠準(zhǔn)確監(jiān)測(cè)水稻病蟲(chóng)害,該文對(duì)每種植被指數(shù)的VID與地面實(shí)測(cè)水稻病蟲(chóng)害等級(jí)進(jìn)行了回歸分析。在對(duì)各種類(lèi)型的回歸分析進(jìn)行評(píng)價(jià)(根據(jù)R2和可行性)后,為每種植被指數(shù)的VID選擇最佳擬合模型,并記錄相關(guān)參數(shù)(圖4)。

    圖4 10 種植被指數(shù)回歸分析和曲線擬合結(jié)果Fig.4 Regression analysis and curve fitting results of the 10 vegetation indices

    如圖4 所示,每種植被指數(shù)VID都與水稻病蟲(chóng)害等級(jí)有很高的相關(guān)性,R2的值在0.63~0.95之間,說(shuō)明植被指數(shù)VID在監(jiān)測(cè)水稻病蟲(chóng)害方面有較強(qiáng)的可行性。其中,擬合最好的是水稻病蟲(chóng)害指數(shù)(DI14)(圖4(i)),其多次擬合的R2為0.95。為了防止由于訓(xùn)練數(shù)據(jù)量的限制多次擬合方程發(fā)生過(guò)擬合現(xiàn)象,研究還記錄了其線性擬合的相關(guān)參數(shù),結(jié)果表明R2為0.90。說(shuō)明DI14與水稻病蟲(chóng)害等級(jí)有很強(qiáng)的相關(guān)性。相反的,在所選的10種植被指數(shù)中,與水稻病蟲(chóng)害等級(jí)擬合最差的是綠波段歸一化植被指數(shù)(圖4(d)),其R2僅為0.67。這可能是因?yàn)榫G波段歸一化植被指數(shù)所選用的兩個(gè)波段(綠光波段和近紅外波段)在植被反射光譜中均為高反射波段,對(duì)植被的敏感性與其他植被指數(shù)相比相對(duì)較差,同時(shí)易受到大氣逆輻射、環(huán)境輻射、太陽(yáng)輻射等外界因素的影響。

    作為可見(jiàn)光波段的植被指數(shù),NDI 的VID與水稻病蟲(chóng)害等級(jí)在10種植被指數(shù)中具有最強(qiáng)的線性相關(guān)性(圖4(a)),R2達(dá)到了0.94。這主要是因?yàn)檠芯渴窃谝阎咀魑锏臉臃接跋裰羞M(jìn)行的分析,排除了其他地類(lèi)信息的干擾。但同樣作為可見(jiàn)光波段植被指數(shù)的GLI,由于其較高的敏感性(圖4(b)),通常只作為可見(jiàn)光影像植被與非植被的分類(lèi)使用,造成了其VID與水稻病蟲(chóng)害的相關(guān)程度較低,R2僅有0.78。

    對(duì)于其他傳統(tǒng)植被指數(shù),NDVI 的VID與水稻病蟲(chóng)害等級(jí)相關(guān)程度最高(圖4(c)),其R2達(dá)到了0.90。這與其在遙感領(lǐng)域普遍的應(yīng)用性相吻合。但SAVI(圖4(e))和OSAVI(圖4(f))的VID與水稻病蟲(chóng)害等級(jí)的相關(guān)程度較差,R2分別為0.79和0.81。這主要是因?yàn)镾AVI和OSAVI 主要是消除植被下墊面的土壤對(duì)光譜影響的植被指數(shù),但水稻下墊面主要是水體和土壤的混合物,該指數(shù)對(duì)水稻的生理參數(shù)反演是否適應(yīng)還需進(jìn)一步的討論。

    綜上所述,研究最終選用與水稻病蟲(chóng)害等級(jí)數(shù)據(jù)相關(guān)程度最高的DI14、NDI和NDVI的VID進(jìn)行進(jìn)一步的監(jiān)測(cè)精度討論。

    3.2 K-fold 交叉驗(yàn)證結(jié)果

    為了驗(yàn)證利用植被指數(shù)VID監(jiān)測(cè)水稻病蟲(chóng)害的精度,在還未獲得最新配套數(shù)據(jù)的情況下,該文將水稻病蟲(chóng)害等級(jí)數(shù)據(jù)由類(lèi)別數(shù)據(jù)假設(shè)為離散數(shù)據(jù),基于已采集到的擬合數(shù)據(jù)通過(guò)6-fold 交叉驗(yàn)證方法驗(yàn)證了DI14、NDVI和NDI這3種植被指數(shù)VID監(jiān)測(cè)水稻病蟲(chóng)害的精度。

    結(jié)果如圖5所示,通過(guò)對(duì)交叉驗(yàn)證反演得到的水稻病蟲(chóng)害等級(jí)和實(shí)測(cè)水稻病蟲(chóng)害等級(jí)比較發(fā)現(xiàn),3種植被指數(shù)VID監(jiān)測(cè)到的水稻病蟲(chóng)害等級(jí)與實(shí)測(cè)水稻病蟲(chóng)害等級(jí)數(shù)據(jù)有較好的耦合。精度最高的植被指數(shù)是NDI(圖5(a)),R2達(dá)到0.97,RMSE僅有0.16,這可能受益于研究所選衛(wèi)星影像均為已知水稻地塊,無(wú)其他地類(lèi)干擾。精度第二高的植被指數(shù)為DI14(圖5(c)),其R2為0.91,RMSE為0.19,這與Chong 等人的研究結(jié)果類(lèi)似。這可能是因?yàn)樗痉N植過(guò)程中下墊面土壤含水量較高,尤其是水淹之后,下墊面幾乎為水體,所以通過(guò)遙感技術(shù)研究水稻生理參數(shù)時(shí),利用考慮水體反射率較高的藍(lán)光波段計(jì)算的植被指數(shù)可能有更好的反演效果。精度相對(duì)較差的為NDVI(圖5(b)),其R2為0.92,RMSE為0.24。這可能是因?yàn)镹DVI在反演作物生理參數(shù)時(shí)常會(huì)因?yàn)槠滹柡托缘娜秉c(diǎn)造成對(duì)植被的生理變化不敏感。

    圖5 K-fold 交叉驗(yàn)證結(jié)果Fig.5 Results of K-fold cross validation

    交叉驗(yàn)證反演到的水稻病蟲(chóng)害等級(jí)數(shù)據(jù)根據(jù)“四舍五入”原則取整,使其重新變?yōu)轭?lèi)別變量。如圖5,結(jié)果發(fā)現(xiàn)3種植被指數(shù)的VID對(duì)水稻病蟲(chóng)害監(jiān)測(cè)都取得了很高的精度。其中,DI14和NDVI的監(jiān)測(cè)精度都達(dá)到了100%;NDI 由于4 級(jí)病蟲(chóng)害出現(xiàn)了低估,造成了監(jiān)測(cè)精度下降,但也達(dá)到了97.62%,這可能是因?yàn)镹DI易受其他輻射影響,造成植被指數(shù)差異性降低造成的。同時(shí),利用3種植被指數(shù)監(jiān)測(cè)4 級(jí)病蟲(chóng)害時(shí)都出現(xiàn)了較大誤差,這主要是由于訓(xùn)練數(shù)據(jù)集中僅有一組4級(jí)病蟲(chóng)害的數(shù)據(jù),可能會(huì)導(dǎo)致交叉驗(yàn)證時(shí)假設(shè)空間變小。這說(shuō)明利用植被指數(shù)VID監(jiān)測(cè)水稻病蟲(chóng)害的方法在實(shí)際農(nóng)業(yè)生產(chǎn)有廣闊的應(yīng)用前景。但由于受限于訓(xùn)練數(shù)據(jù)量,該結(jié)果還缺乏一定的公信力,需要在日后的研究中進(jìn)一步完善拓展。

    4 討論

    該文提出了植被指數(shù)非相似性的計(jì)算方法,并通過(guò)兩種途徑討論了植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害能力:(1)將植被指數(shù)非相似性與實(shí)測(cè)的水稻病蟲(chóng)害等級(jí)進(jìn)行回歸分析,判定植被指數(shù)非相似性與水稻病蟲(chóng)害之間的相關(guān)性;(2)采用K-fold 交叉驗(yàn)證的方法判定植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害等級(jí)的精度。結(jié)果表明,植被指數(shù)非相似性與水稻病蟲(chóng)害等級(jí)具有普遍相關(guān)性,利用相關(guān)性較高的3種植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害同樣具有相當(dāng)高的監(jiān)測(cè)精度。該方法具有以下特點(diǎn)。

    (1)研究將空間特性的植被指數(shù)影像假設(shè)成了具有概率統(tǒng)計(jì)特性的信息量,并基于信息理論和SID 模型首次提出了植被指數(shù)非相似性(VID)計(jì)算方法。該方法的提出,可以將遙感對(duì)植被區(qū)域的單一觀測(cè)由靜態(tài)轉(zhuǎn)換成動(dòng)態(tài),為利用遙感技術(shù)對(duì)植被區(qū)域進(jìn)行變化監(jiān)測(cè)提供了全新手段和思路。研究過(guò)程中,已經(jīng)證明VID與水稻病蟲(chóng)害有很強(qiáng)相關(guān)性。隨著日后研究的深入,可以將VID應(yīng)用到作物長(zhǎng)勢(shì)監(jiān)測(cè)、災(zāi)害恢復(fù)監(jiān)測(cè)、植被覆蓋度變化等多個(gè)領(lǐng)域。

    (2)研究方法原理簡(jiǎn)單、可操作性強(qiáng)。研究所需數(shù)據(jù)均選擇目前已有數(shù)據(jù),提高了研究方法的普適性。同時(shí),首次將四川省農(nóng)科院現(xiàn)代農(nóng)業(yè)科技創(chuàng)新示范園區(qū)精準(zhǔn)化管理的農(nóng)田影像作為參考,根據(jù)地理學(xué)第一定律[43-44]對(duì)附近水稻田間的病蟲(chóng)害進(jìn)行監(jiān)測(cè)。這也為現(xiàn)代化農(nóng)業(yè)科技創(chuàng)新示范園創(chuàng)造了新的應(yīng)用途徑,增加了其內(nèi)在價(jià)值。隨著全國(guó)各地農(nóng)業(yè)科技創(chuàng)新示范園以及標(biāo)準(zhǔn)化農(nóng)田的建設(shè),該研究可基于充足的參考數(shù)據(jù)擴(kuò)展該文方法的應(yīng)用范圍。

    (3)研究方法可移植程度高。該文選用了高分辨率的多光譜Planet 衛(wèi)星數(shù)據(jù),討論了可見(jiàn)光、多光譜波段的多種植被指數(shù)。其中,可見(jiàn)光波段的NDI和多光譜波段的DI14、NDVI 在監(jiān)測(cè)水稻病蟲(chóng)害方面取得了較高的精度。因此該方法在未來(lái)可以完全移植到其他中高分辨率衛(wèi)星數(shù)據(jù)(如Landsat、Spot、Quickbird 等)以及無(wú)人機(jī)遙感影像中。隨著研究的進(jìn)一步深入,可以將該方法理論擴(kuò)展到具有紅邊波段的多光譜數(shù)據(jù)以及高光譜數(shù)據(jù)中,進(jìn)一步提高該方法的穩(wěn)定性和準(zhǔn)確性。

    當(dāng)然,像許多首次提出的方法一樣,該研究方法還有一些局限性。

    (1)受限于研究區(qū)域,研究獲取到的可用衛(wèi)星數(shù)據(jù)十分有限。盡管研究選用了時(shí)間分辨率為1 d的Planet衛(wèi)星數(shù)據(jù),但是因?yàn)槌啥嫉貐^(qū)多云天氣,只在水稻生長(zhǎng)周期中獲取到了6景可用的遙感數(shù)據(jù),使得研究可用的訓(xùn)練數(shù)據(jù)十分有限。這在一定程度上降低了研究成果的公信力。在之后的研究中,應(yīng)將該方法擴(kuò)展到其他區(qū)域,并增加更多訓(xùn)練數(shù)據(jù)對(duì)該方法進(jìn)行進(jìn)一步討論。

    (2)受限于水稻插秧期和已知信息,研究沒(méi)有對(duì)植被指數(shù)非相似性進(jìn)行敏感性分析,因此不能排除植被指數(shù)非相似性的偶然誤差對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生的影響。這需要在日后的研究中精心設(shè)計(jì)試驗(yàn)去進(jìn)一步論證。

    (3)該研究是在已知水稻地塊情況下進(jìn)行的討論分析,這就意味著在未來(lái)的應(yīng)用中需要依托準(zhǔn)確的地塊作物分類(lèi)信息。但是目前尚無(wú)精度較高的地表作物分類(lèi)影像產(chǎn)品,這對(duì)研究方法的實(shí)際應(yīng)用帶來(lái)了一定障礙。

    5 結(jié)論

    遙感技術(shù)被認(rèn)為是一種快速、經(jīng)濟(jì)且高效的水稻病蟲(chóng)害監(jiān)測(cè)手段。該文為探索遙感技術(shù)有效監(jiān)測(cè)水稻病蟲(chóng)害的方法,將植被指數(shù)(基于遙感數(shù)據(jù)反演)假設(shè)成具有概率統(tǒng)計(jì)特性的信息源,并基于信息理論和SID模型提出了植被指數(shù)非相似性(VID)計(jì)算方法,通過(guò)VID與地面實(shí)測(cè)數(shù)據(jù)建立起的回歸關(guān)系,估算水稻病蟲(chóng)害等級(jí)。

    該文根據(jù)選用的多光譜衛(wèi)星數(shù)據(jù)的特點(diǎn),選擇了10種有可操作性的植被指數(shù)進(jìn)行評(píng)估。利用四川省農(nóng)科院現(xiàn)代農(nóng)業(yè)科技創(chuàng)新示范園區(qū)內(nèi)精準(zhǔn)化管理的水稻田作為參考區(qū)域,四川省崇州市8處具有病蟲(chóng)害監(jiān)測(cè)系統(tǒng)的水稻田作為試驗(yàn)區(qū)域,通過(guò)計(jì)算二者的VID得到兩處研究區(qū)同時(shí)間段的定量化植被指數(shù)非相似性。將VID 與植保站統(tǒng)計(jì)的水稻病蟲(chóng)害等級(jí)進(jìn)行回歸分析,發(fā)現(xiàn)10 種植被指數(shù)的VID與水稻病蟲(chóng)害等級(jí)具有較高的相關(guān)性,R2的范圍在0.67~0.95之間。其中相關(guān)程度最高的3種植被指數(shù)為DI14、NDI和NDVI。為進(jìn)一步討論利用植被指數(shù)非相似性監(jiān)測(cè)水稻病蟲(chóng)害的精度,研究將水稻病蟲(chóng)害等級(jí)數(shù)據(jù)由類(lèi)別數(shù)據(jù)假設(shè)為離散數(shù)據(jù),采用K-fold 交叉驗(yàn)證方法對(duì)VID的監(jiān)測(cè)精度進(jìn)行了進(jìn)一步的論證。結(jié)果發(fā)現(xiàn),NDI的VID監(jiān)測(cè)水稻病蟲(chóng)害精度最高,R2為0.97,RMSE為0.16;其次是DI14,R2為0.91,RMSE 為0.19;相對(duì)較差的NDVI,R2也達(dá)到了0.92,RMSE 為0.24。將交叉驗(yàn)證反演后的離散的水稻病蟲(chóng)害等級(jí)數(shù)據(jù)根據(jù)“四舍五入”原則重新轉(zhuǎn)換成類(lèi)別數(shù)據(jù),發(fā)現(xiàn)NDI、DI14和NDVI這3種植被指數(shù)的VID監(jiān)測(cè)水稻病蟲(chóng)害的精度分別為97.62%,100%和100%。該研究雖受限于訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)量,結(jié)果公信力有待進(jìn)一步提升,但該方法的提出也為之后利用遙感技術(shù)監(jiān)測(cè)水稻病蟲(chóng)害的研究應(yīng)用提供了新思路。

    猜你喜歡
    植被指數(shù)相似性病蟲(chóng)害
    一類(lèi)上三角算子矩陣的相似性與酉相似性
    春季葡萄苗病蟲(chóng)害咋樣防治
    夏季玉米主要病蟲(chóng)害有哪些
    三招搞定花卉病蟲(chóng)害
    中老年保健(2021年5期)2021-08-24 07:08:52
    淺析當(dāng)代中西方繪畫(huà)的相似性
    AMSR_2微波植被指數(shù)在黃河流域的適用性對(duì)比與分析
    河南省冬小麥產(chǎn)量遙感監(jiān)測(cè)精度比較研究
    低滲透黏土中氯離子彌散作用離心模擬相似性
    主要植被指數(shù)在生態(tài)環(huán)評(píng)中的作用
    西藏科技(2015年1期)2015-09-26 12:09:29
    基于MODIS數(shù)據(jù)的植被指數(shù)與植被覆蓋度關(guān)系研究
    国产国拍精品亚洲av在线观看| 欧美三级亚洲精品| 亚洲性久久影院| 国产亚洲av片在线观看秒播厂| 最近2019中文字幕mv第一页| 大香蕉97超碰在线| 中文乱码字字幕精品一区二区三区| 人妻人人澡人人爽人人| av国产精品久久久久影院| 狂野欧美激情性xxxx在线观看| 欧美国产精品一级二级三级 | 美女福利国产在线| 天美传媒精品一区二区| 亚洲精品久久午夜乱码| 少妇裸体淫交视频免费看高清| 久久久精品94久久精品| 狂野欧美激情性xxxx在线观看| 亚洲欧洲日产国产| 大片电影免费在线观看免费| 一级片'在线观看视频| 国产亚洲午夜精品一区二区久久| 国产精品欧美亚洲77777| 激情五月婷婷亚洲| 我要看日韩黄色一级片| 午夜免费鲁丝| 狂野欧美激情性xxxx在线观看| 9色porny在线观看| 久久99热这里只频精品6学生| 久久精品久久精品一区二区三区| 日日爽夜夜爽网站| 久久 成人 亚洲| 99久久综合免费| 久久综合国产亚洲精品| 综合色丁香网| 少妇猛男粗大的猛烈进出视频| 精品少妇内射三级| 国产精品久久久久成人av| 成年人午夜在线观看视频| 国产美女午夜福利| 韩国高清视频一区二区三区| 欧美3d第一页| 中文字幕亚洲精品专区| 自线自在国产av| 中文字幕人妻熟人妻熟丝袜美| tube8黄色片| 免费黄频网站在线观看国产| 夜夜爽夜夜爽视频| 久久久欧美国产精品| 亚洲国产日韩一区二区| 精品少妇黑人巨大在线播放| 日韩熟女老妇一区二区性免费视频| 亚洲av二区三区四区| 九草在线视频观看| av有码第一页| 波野结衣二区三区在线| 欧美xxⅹ黑人| 高清黄色对白视频在线免费看 | 我要看黄色一级片免费的| 久久国内精品自在自线图片| 男人爽女人下面视频在线观看| 午夜激情福利司机影院| 成人二区视频| 久久精品国产a三级三级三级| 久久精品国产亚洲av天美| 乱人伦中国视频| 国产色婷婷99| kizo精华| 日韩成人伦理影院| 国产在线免费精品| 黄色一级大片看看| av福利片在线观看| 亚洲精品乱码久久久久久按摩| 国产精品偷伦视频观看了| 又大又黄又爽视频免费| av免费在线看不卡| 97在线视频观看| 美女cb高潮喷水在线观看| 一级av片app| 青春草视频在线免费观看| 久久狼人影院| 中国美白少妇内射xxxbb| 欧美+日韩+精品| 亚洲经典国产精华液单| 交换朋友夫妻互换小说| 草草在线视频免费看| 免费av中文字幕在线| 久久韩国三级中文字幕| 国产精品熟女久久久久浪| 人妻系列 视频| 久久精品国产a三级三级三级| av专区在线播放| 少妇高潮的动态图| 插逼视频在线观看| 亚洲精品乱码久久久久久按摩| 日韩伦理黄色片| 777米奇影视久久| 一级毛片久久久久久久久女| 一本大道久久a久久精品| 精品少妇内射三级| 国产在视频线精品| 国产乱来视频区| 免费黄频网站在线观看国产| 在线观看一区二区三区激情| 蜜桃在线观看..| 亚洲成人av在线免费| 婷婷色麻豆天堂久久| 免费播放大片免费观看视频在线观看| 久久久国产一区二区| 天美传媒精品一区二区| 一本大道久久a久久精品| 欧美3d第一页| 国产色婷婷99| 极品教师在线视频| 久久 成人 亚洲| 中文乱码字字幕精品一区二区三区| 欧美日韩亚洲高清精品| 亚洲三级黄色毛片| 午夜福利,免费看| 大话2 男鬼变身卡| 国产欧美日韩综合在线一区二区 | 国产免费视频播放在线视频| 人妻少妇偷人精品九色| 男人狂女人下面高潮的视频| 精品亚洲乱码少妇综合久久| kizo精华| 久久热精品热| 一级毛片 在线播放| 最近中文字幕高清免费大全6| av女优亚洲男人天堂| 在线亚洲精品国产二区图片欧美 | a级片在线免费高清观看视频| 人体艺术视频欧美日本| 国产亚洲5aaaaa淫片| 我的女老师完整版在线观看| 欧美少妇被猛烈插入视频| 最近手机中文字幕大全| 成人二区视频| av视频免费观看在线观看| 老司机影院毛片| 亚洲精品久久久久久婷婷小说| 十分钟在线观看高清视频www | 久久99热6这里只有精品| 夜夜爽夜夜爽视频| 大陆偷拍与自拍| 在线观看免费日韩欧美大片 | 日韩强制内射视频| 亚洲婷婷狠狠爱综合网| 欧美3d第一页| 国产精品国产av在线观看| 亚洲欧美精品自产自拍| 亚洲天堂av无毛| 少妇的逼好多水| 六月丁香七月| 建设人人有责人人尽责人人享有的| 观看免费一级毛片| 国产在线视频一区二区| 午夜日本视频在线| 又粗又硬又长又爽又黄的视频| 卡戴珊不雅视频在线播放| 99热6这里只有精品| 一个人免费看片子| 亚洲久久久国产精品| 精品熟女少妇av免费看| 最新中文字幕久久久久| 国产日韩一区二区三区精品不卡 | 我要看日韩黄色一级片| 美女福利国产在线| 亚洲成人一二三区av| 99热这里只有是精品50| 国产成人精品福利久久| 婷婷色麻豆天堂久久| 一级毛片 在线播放| av卡一久久| 韩国高清视频一区二区三区| 99久久精品一区二区三区| 久久久久久久久久人人人人人人| 91aial.com中文字幕在线观看| 又粗又硬又长又爽又黄的视频| 最后的刺客免费高清国语| 亚洲国产欧美日韩在线播放 | 亚洲欧洲日产国产| av不卡在线播放| videos熟女内射| 99国产精品免费福利视频| 久久久国产精品麻豆| 交换朋友夫妻互换小说| 精品久久久久久电影网| 免费大片18禁| 国产亚洲一区二区精品| 免费人成在线观看视频色| 插逼视频在线观看| 日本wwww免费看| 一区二区三区四区激情视频| 色视频www国产| 成人午夜精彩视频在线观看| 天堂中文最新版在线下载| 日韩大片免费观看网站| av国产久精品久网站免费入址| 国产精品久久久久久久久免| 色5月婷婷丁香| 亚洲精品日韩在线中文字幕| 日韩大片免费观看网站| 久久午夜福利片| 亚洲国产成人一精品久久久| 国产av一区二区精品久久| 亚洲欧美精品自产自拍| 国产一区二区在线观看av| 校园人妻丝袜中文字幕| 99热全是精品| 亚洲人成网站在线观看播放| 中文天堂在线官网| 亚洲自偷自拍三级| 毛片一级片免费看久久久久| 亚洲成人一二三区av| 人人妻人人看人人澡| 国产免费福利视频在线观看| 黑人高潮一二区| 亚洲欧美清纯卡通| 亚洲精品乱码久久久v下载方式| 尾随美女入室| 自拍偷自拍亚洲精品老妇| 日韩强制内射视频| 最近的中文字幕免费完整| 男女无遮挡免费网站观看| 欧美日韩一区二区视频在线观看视频在线| 亚洲欧美成人综合另类久久久| 日本av手机在线免费观看| 日本av手机在线免费观看| 人人澡人人妻人| 国产有黄有色有爽视频| 又大又黄又爽视频免费| 国产免费视频播放在线视频| av线在线观看网站| h日本视频在线播放| 精品久久久久久久久亚洲| 高清不卡的av网站| 啦啦啦啦在线视频资源| 日日摸夜夜添夜夜添av毛片| 22中文网久久字幕| 国产高清不卡午夜福利| 97在线视频观看| 18+在线观看网站| 美女xxoo啪啪120秒动态图| 欧美日韩精品成人综合77777| 91精品一卡2卡3卡4卡| 中文字幕久久专区| 看免费成人av毛片| 人体艺术视频欧美日本| 欧美精品人与动牲交sv欧美| 日韩强制内射视频| 最近中文字幕高清免费大全6| 国产精品99久久99久久久不卡 | 九草在线视频观看| 色网站视频免费| 91久久精品电影网| 午夜日本视频在线| 国产成人免费观看mmmm| 久久人人爽人人爽人人片va| 校园人妻丝袜中文字幕| 欧美xxxx性猛交bbbb| 中文字幕人妻熟人妻熟丝袜美| 久久精品国产亚洲av涩爱| 亚洲欧美精品自产自拍| 国产男女超爽视频在线观看| 国产成人精品无人区| 欧美日韩视频精品一区| 黑人高潮一二区| 亚洲va在线va天堂va国产| 性色av一级| 精品亚洲成a人片在线观看| 久久精品熟女亚洲av麻豆精品| 欧美激情极品国产一区二区三区 | 美女内射精品一级片tv| 狂野欧美白嫩少妇大欣赏| 乱人伦中国视频| 少妇的逼水好多| 色94色欧美一区二区| 日韩伦理黄色片| 日本猛色少妇xxxxx猛交久久| 欧美另类一区| 好男人视频免费观看在线| 欧美精品亚洲一区二区| 丝瓜视频免费看黄片| 亚洲欧洲精品一区二区精品久久久 | 日日摸夜夜添夜夜添av毛片| 18+在线观看网站| 亚洲国产精品一区二区三区在线| 精品国产一区二区久久| 一二三四中文在线观看免费高清| 亚洲精品成人av观看孕妇| av在线app专区| 亚洲四区av| 国产免费一区二区三区四区乱码| 久久久精品94久久精品| 一区二区三区免费毛片| 下体分泌物呈黄色| 少妇精品久久久久久久| 看免费成人av毛片| 只有这里有精品99| 国产精品秋霞免费鲁丝片| 亚洲国产精品一区三区| 久久久久精品性色| 在线观看一区二区三区激情| 亚洲精华国产精华液的使用体验| 国产成人一区二区在线| 欧美激情国产日韩精品一区| 全区人妻精品视频| 深夜a级毛片| 国产精品女同一区二区软件| 午夜激情福利司机影院| 99久久精品一区二区三区| 在线天堂最新版资源| 天天操日日干夜夜撸| 免费不卡的大黄色大毛片视频在线观看| 国产高清有码在线观看视频| 在线免费观看不下载黄p国产| 丝袜喷水一区| 老司机影院毛片| 视频区图区小说| 热re99久久国产66热| 欧美 日韩 精品 国产| 日韩在线高清观看一区二区三区| 久久热精品热| 亚洲精品国产色婷婷电影| 亚洲精品日本国产第一区| 精品亚洲成国产av| .国产精品久久| 亚洲欧美成人综合另类久久久| 亚洲高清免费不卡视频| 日日啪夜夜爽| 国产探花极品一区二区| 插逼视频在线观看| 精华霜和精华液先用哪个| 夫妻午夜视频| 国产美女午夜福利| 少妇被粗大的猛进出69影院 | 欧美变态另类bdsm刘玥| 日本-黄色视频高清免费观看| 欧美bdsm另类| 综合色丁香网| 国产精品一二三区在线看| 日韩精品免费视频一区二区三区 | 久久精品国产自在天天线| 噜噜噜噜噜久久久久久91| 下体分泌物呈黄色| 少妇的逼水好多| 亚洲欧美精品自产自拍| 亚洲av.av天堂| 中文字幕av电影在线播放| 国产亚洲一区二区精品| 久久这里有精品视频免费| 在线看a的网站| 亚州av有码| 免费观看的影片在线观看| 国产精品伦人一区二区| 久久久欧美国产精品| 边亲边吃奶的免费视频| 777米奇影视久久| 99久久精品国产国产毛片| 国产日韩欧美亚洲二区| 亚洲中文av在线| 国产 一区精品| 一级毛片久久久久久久久女| 狂野欧美白嫩少妇大欣赏| 午夜免费观看性视频| 男女免费视频国产| 亚州av有码| 中文字幕精品免费在线观看视频 | 美女主播在线视频| 久久综合国产亚洲精品| 国产69精品久久久久777片| 亚洲人成网站在线观看播放| 亚洲av欧美aⅴ国产| 欧美国产精品一级二级三级 | 女人久久www免费人成看片| 精品国产一区二区久久| 亚洲精品国产av成人精品| 黄色欧美视频在线观看| 国产精品国产三级专区第一集| av天堂久久9| 建设人人有责人人尽责人人享有的| 97超碰精品成人国产| 国产黄频视频在线观看| 国产高清国产精品国产三级| 99热这里只有是精品在线观看| 久久久国产精品麻豆| 我的女老师完整版在线观看| 最后的刺客免费高清国语| tube8黄色片| 日本黄大片高清| 噜噜噜噜噜久久久久久91| 久久久久久久国产电影| 在线天堂最新版资源| 香蕉精品网在线| 亚洲精品国产av蜜桃| 亚洲成人一二三区av| 精品人妻一区二区三区麻豆| 免费看不卡的av| 中文欧美无线码| 一本久久精品| 在线观看免费视频网站a站| 一区在线观看完整版| 日韩免费高清中文字幕av| 最近的中文字幕免费完整| 亚洲精品一区蜜桃| 永久网站在线| 亚洲精品国产色婷婷电影| 中文字幕免费在线视频6| 国产欧美亚洲国产| 国产成人免费观看mmmm| 免费在线观看成人毛片| 黑丝袜美女国产一区| 国产视频首页在线观看| 女的被弄到高潮叫床怎么办| 免费大片黄手机在线观看| 国产欧美日韩综合在线一区二区 | 中文字幕制服av| 波野结衣二区三区在线| 大码成人一级视频| 日韩一区二区三区影片| 国产男女超爽视频在线观看| av一本久久久久| 老熟女久久久| 日韩av在线免费看完整版不卡| 亚洲,一卡二卡三卡| 欧美一级a爱片免费观看看| 全区人妻精品视频| 日韩大片免费观看网站| 天堂俺去俺来也www色官网| 99视频精品全部免费 在线| 欧美性感艳星| 啦啦啦啦在线视频资源| 免费观看在线日韩| 日韩强制内射视频| a 毛片基地| 国产毛片在线视频| 色婷婷av一区二区三区视频| 老司机影院成人| 亚洲在久久综合| 国产一区亚洲一区在线观看| 国产精品一二三区在线看| 夫妻性生交免费视频一级片| 国产精品欧美亚洲77777| 欧美成人精品欧美一级黄| 99精国产麻豆久久婷婷| 免费av中文字幕在线| 亚洲精品456在线播放app| 午夜福利在线观看免费完整高清在| 一级毛片电影观看| 超碰97精品在线观看| 九草在线视频观看| av又黄又爽大尺度在线免费看| 欧美精品亚洲一区二区| 日本黄色日本黄色录像| 一本色道久久久久久精品综合| 狂野欧美白嫩少妇大欣赏| www.av在线官网国产| 丰满人妻一区二区三区视频av| 最后的刺客免费高清国语| 在线免费观看不下载黄p国产| 国产毛片在线视频| 18禁裸乳无遮挡动漫免费视频| 国产精品久久久久久久久免| 亚洲电影在线观看av| 日韩成人av中文字幕在线观看| 成人美女网站在线观看视频| 观看av在线不卡| 成年人午夜在线观看视频| a级一级毛片免费在线观看| 亚洲欧美精品专区久久| 日韩欧美精品免费久久| 免费大片黄手机在线观看| 大片电影免费在线观看免费| 老熟女久久久| av播播在线观看一区| 熟女人妻精品中文字幕| 久久女婷五月综合色啪小说| 少妇裸体淫交视频免费看高清| 日本91视频免费播放| 中文欧美无线码| 男人爽女人下面视频在线观看| 女人久久www免费人成看片| 久久久久人妻精品一区果冻| 免费少妇av软件| 国产精品秋霞免费鲁丝片| 性色av一级| 纵有疾风起免费观看全集完整版| 毛片一级片免费看久久久久| 亚洲丝袜综合中文字幕| 视频区图区小说| 51国产日韩欧美| 青春草视频在线免费观看| 久久99精品国语久久久| 久久午夜福利片| 91成人精品电影| 一区二区三区精品91| 国内精品宾馆在线| 国产一区有黄有色的免费视频| 少妇丰满av| 建设人人有责人人尽责人人享有的| 日本免费在线观看一区| 久久97久久精品| 另类亚洲欧美激情| 一本色道久久久久久精品综合| 久久久久久久国产电影| 在线观看免费日韩欧美大片 | 亚洲国产精品一区三区| 国产淫语在线视频| 久久久久视频综合| 高清在线视频一区二区三区| 哪个播放器可以免费观看大片| 水蜜桃什么品种好| 大陆偷拍与自拍| 亚洲色图综合在线观看| 亚洲无线观看免费| 777米奇影视久久| 亚洲国产精品国产精品| 国产av国产精品国产| 少妇精品久久久久久久| 精品一区二区免费观看| 中文字幕免费在线视频6| freevideosex欧美| 人妻少妇偷人精品九色| 久久人妻熟女aⅴ| 美女福利国产在线| 国产一区二区三区综合在线观看 | 高清在线视频一区二区三区| 亚洲精品,欧美精品| 在线免费观看不下载黄p国产| 亚洲av日韩在线播放| 99九九在线精品视频 | 午夜激情久久久久久久| 成年av动漫网址| 国产精品无大码| 少妇熟女欧美另类| 边亲边吃奶的免费视频| 中文字幕精品免费在线观看视频 | 国产成人免费无遮挡视频| 人人妻人人爽人人添夜夜欢视频 | 热99国产精品久久久久久7| 久久女婷五月综合色啪小说| 久久99热这里只频精品6学生| 少妇的逼水好多| 高清av免费在线| 成人美女网站在线观看视频| 丰满人妻一区二区三区视频av| 国产爽快片一区二区三区| 国产精品成人在线| 国产成人aa在线观看| 免费观看av网站的网址| 久久 成人 亚洲| 蜜桃在线观看..| 色哟哟·www| 少妇精品久久久久久久| 极品人妻少妇av视频| 久久久久久久国产电影| 午夜av观看不卡| 建设人人有责人人尽责人人享有的| 午夜福利网站1000一区二区三区| 一级毛片我不卡| 亚洲av二区三区四区| av国产精品久久久久影院| 国产伦理片在线播放av一区| 欧美国产精品一级二级三级 | av播播在线观看一区| 99热全是精品| 91午夜精品亚洲一区二区三区| av不卡在线播放| 黄色日韩在线| 日日爽夜夜爽网站| 亚洲欧美日韩东京热| 久久人人爽av亚洲精品天堂| 亚洲欧美成人精品一区二区| 国产男人的电影天堂91| 亚洲av成人精品一区久久| 丰满人妻一区二区三区视频av| 久久久久久久久久久丰满| 亚洲欧洲国产日韩| 三上悠亚av全集在线观看 | 国产中年淑女户外野战色| 在线观看av片永久免费下载| 日本欧美国产在线视频| 亚洲成人av在线免费| 精品国产国语对白av| 日韩熟女老妇一区二区性免费视频| 一二三四中文在线观看免费高清| 伦理电影大哥的女人| 男男h啪啪无遮挡| 99精国产麻豆久久婷婷| 我要看黄色一级片免费的| 国产精品一区二区在线观看99| 毛片一级片免费看久久久久| 久久久久久久久久久免费av| 精品少妇内射三级| 久久女婷五月综合色啪小说| 久久午夜福利片| 你懂的网址亚洲精品在线观看| 99久国产av精品国产电影| 交换朋友夫妻互换小说| 97精品久久久久久久久久精品| 国产极品天堂在线| a级毛色黄片| 国产真实伦视频高清在线观看| 国产精品伦人一区二区| 亚洲天堂av无毛| 免费黄网站久久成人精品| 又大又黄又爽视频免费| av黄色大香蕉| 国产精品人妻久久久影院| 免费人成在线观看视频色| 国产亚洲最大av| 国产成人午夜福利电影在线观看| 日韩成人av中文字幕在线观看| 伊人久久精品亚洲午夜| 国产成人免费无遮挡视频|