基于多时相HJ卫星遥感影像的稻纵卷叶螟发生情况监测*

包云轩，李玉婷，王 琳，高文婷，朱 凤



基于多时相HJ卫星遥感影像的稻纵卷叶螟发生情况监测*

包云轩1,2，李玉婷1,2，王 琳1,2，高文婷1,2，朱 凤3

（1.南京信息工程大学江苏省农业气象重点实验室，南京 210044；2.南京信息工程大学气象灾害预报和评估协同创新中心，南京 210044；3.江苏省植物保护站，南京 210013）

以江苏省高邮市汤庄镇2013年水稻田为研究区，以相同时期HJ-1A/1B卫星影像为数据源，提取研究区内水稻全生育期受稻纵卷叶螟危害的归一化植被指数（NDVI）、增强型植被指数(EVI)、近红外反射率（NIR）的光谱特征参数，揭示虫害发生及其演变特征，分析这些光谱特征参数与虫害发生、发展和危害程度之间的关系。结果表明：（1）稻纵卷叶螟虫害发生越严重，光谱特征参数变化越明显；（2）定性分析表明稻纵卷叶螟危害程度与两个田块的光谱特征参数差异均呈正相关关系。（3）对3个衡量指标和水稻卷叶率的定量相关分析表明，DNIR（正常水稻与受害水稻的NIR差值）与水稻卷叶率呈极显著相关（P<0.01），DEVI（正常水稻与受害水稻的EVI差值）与水稻卷叶率呈显著相关（P<0.05），而DNDVI（正常水稻与受害水稻的NDVI差值）与水稻卷叶率相关性不明显。可见，利用环境小卫星影像动态监测和预警稻纵卷叶螟的发生发展状况是可行的，可为虫害动态监测提供一种可能的方法。

稻纵卷叶螟；HJ-1A/1B卫星；归一化植被指数；增强型植被指数；高邮

稻纵卷叶螟(Guenée)广泛分布于全国各个稻区，自2003年全国性暴发以来，其发生面积和为害程度一直维持在较高水平，据统计，2007年全国稻纵卷叶螟发生面积达2.53×107hm2，较2003年增加29.3%，具有发生范围广、危害面积大等特点[1]，其造成的损失巨大，对中国水稻生产构成了严重威胁。但是由于稻纵卷叶螟具有远距离迁飞的习性，其暴发时间不固定，空间分布不均匀，给预测预报和综合防治带来了很大困难[2]。

在传统的测报业务上，稻纵卷叶螟的监测主要依靠灯诱法、赶蛾法、田间剥查法等人工田间调查方式[3-4]。人工调查的优点是客观真实、可靠性高，但存在着费时费力的弊端，无法宏观监测大范围水稻受害状况。近年来，随着空间信息技术的迅猛发展，遥感技术已经广泛应用到农作物生长过程、病虫害监测、农作物估产等方面，利用遥感技术监测病虫害具有快速、简便、大面积、无损、客观以及能够制成各种专题报告等优点，已成为农作物病虫害监测的重要发展方向[5-11]。国内外很多学者在病虫害遥感方面都做了研究，石晶晶等[12]研究表明，受害后，水稻叶片在蓝光和红光波段吸收谷的深度小于健康叶片。在稻纵卷叶螟暴发后，叶片光谱的“红边”位置会朝短波方向移动，即发生“红边蓝移”。同时，“红边”面积和“红边”幅值也随着受害等级的加剧而显著减小[13]。Meigs等[14]利用光谱的时间序列变化规律，能够区分出不同为害周期的害虫种类。Goodwin等[15]基于时间序列遥感影像，确定了虫害开始发生时间和生物量下降时间等参数。通常，遥感影像时间序列越长，时间分辨率越高，虫害发生的预测精度也越高。然而，针对水稻受稻纵卷叶螟危害后，基于多时相HJ卫星遥感的光谱参数变化特征的研究报道鲜见。中国是水稻生产大国之一，生产中经常受到稻纵卷叶螟的危害导致水稻减产，同时降低了水稻品质，因此，及时监测水稻的生长状况从而采取相关措施显得尤为重要。鉴于此，本研究对两块不同大田进行试验设计，并获取2013年高邮市水稻生长期内质量较好的13景HJ-1A/1B CCD遥感影像，研究两块田块在不同稻纵卷叶螟发生程度下，水稻光谱特征参数在整个生育期的变化特征及其与水稻受害程度的关系，利用田间稻纵卷叶螟观测结果和遥感影像提取的参数来分析虫害的发生程度与光谱特征的相关关系，以期为更好地实现水稻病虫害遥感诊断监测、产量损失评估以及发生发展趋势预警提供科学依据。

1 材料与方法

1.1 试验区概况

试验区位于高邮市汤庄镇，地处江苏省高邮、江都、兴化三市交界区域。试验数据主要来源于江苏省高邮市汤庄镇余富村（32°48′N，119°48′E）、缦阳村（32°46′N，119°47′E）。试验地区属北亚热带季风气候区，四季分明，夏季雨量较多，无明显干季。

1.2 试验设计及调查方法

供试水稻品种为淮稻5号，属迟熟中粳稻。试验区在余富村，面积7.3hm2，该区水稻整个生长季均受到稻纵卷叶螟危害，并在稻纵卷叶螟达到防治指标后进行人工控制，以防后期水稻无法正常生长，其中防治指标为四（2）代稻纵卷叶螟百穴虫卵量达到150～200粒；五（3）代稻纵卷叶螟百穴虫卵量达到100～150粒；六（4）代稻纵卷叶螟百穴虫卵量达到100～150粒。对照区在缦阳村，面积7.06hm2。该田块严格管理，一旦有稻纵卷叶螟发生则立刻采取喷洒农药彻底防除的措施。两个试验点相距约1.2km，自然条件相似，为保证试验的可靠性，除虫害管理不一样外，水肥管理措施均保持一致。研究采用大区对比法，不设重复。

稻纵卷叶螟的调查采用赶蛾法。选择试验区中具代表性的5个田块作为赶蛾区，每次每块田的赶蛾面积为60m2。每天清晨利用竹竿轻轻拨动稻株，目测起飞的蛾数，折算成每公顷的蛾数，同时观测记录试验区水稻的生育期（见表1），以及每候的卷叶率。赶蛾从7月20日开始，至9月21日结束。

表1 2013年试验区水稻生育期

Note:E- is the first ten-day of a month；M- is the middle ten-day of a month；L- is the last ten-day of a month.

1.3 遥感影像及其预处理

HJ卫星包含A、B星，两星并行观测，时间分辨率为2d，可以进行宏观的动态观测，并且环境卫星可以免费下载，监测成本大大降低，是遥感业务化监测病虫害较理想的数据源。从中国资源卫星应用中心网站上（http://218.247.138.121/DSSPlatform/shirologin.html）下载2013年水稻生育期内高邮汤庄镇云量较少、质量较好的13景卫星HJ-1A/1B CCD遥感影像，由于云的遮挡，部分遥感数据缺失。这些影像中，2013年7月9日处于水稻分蘖初期，8月7-20日处于拔节期，有7幅遥感影像，8月30日-9月16日处于抽穗扬花期，有5幅遥感影像。对13景遥感影像进行预处理，包括辐射定标、大气校正、几何校正、裁剪等，以获得地物的真实反射率，最后提取研究区域的水稻光谱特征参数。

1.4 光谱特征参数提取

采用的光谱参数主要包括归一化植被指数（Normalized Difference Vegetation Index，NDVI）、增强型植被指数（Enhanced Vegetation Index，EVI）以及近红外反射率（Near Infrared Spectroscopy，NIR）。根据遥感影像各个波段的中心波长信息，利用ENVI软件对原始遥感影像进行辐射定标和大气校正，从而获得蓝光波段（430-520nm）、红光波段（630-690nm）以及近红外波段（760-900nm）的反射率，然后根据获得的水稻植被不同波段的反射率计算得到NDVI和EVI。

本研究还分别定义了3个衡量指标，利用正常生长的田块与受虫害影响的田块的指数差异来反映稻纵卷叶螟对水稻危害程度的大小，这3个指标分别为试验田块与对照田块的归一化植被指数差值（DNDVI）、增强型植被指数差值（DEVI）以及近红外反射率差值（DNIR）。

1.5 光谱特征参数与稻纵卷叶螟危害程度的关系分析

稻纵卷叶螟为害水稻后，光谱特征的变化最直接的原因是水稻卷叶率变化，因此，水稻受稻纵卷叶螟为害后，遥感影像上反映的主要是卷叶情况或区域内的卷叶程度，通过卷叶情况即可间接反映虫害。因此，先利用SPSS对6-9月试验区光谱特征参数与水稻卷叶率进行相关分析，同时对相关系数进行显著性检验，然后分析光谱特征参数与虫量的关系。

2 结果与分析

2.1 两田块稻纵卷叶螟发生情况分析

由图1可以看出，整个水稻生长季试验田块稻纵卷叶螟候平均赶蛾量出现3个高峰值，其中第1个峰值在8月的第1候，以五（3）代稻纵卷叶螟为主，候平均最高赶蛾量为27540头·hm-2，此时水稻处于分蘖拔节期。根据《农作物有害生物测报技术手册》[16]，从7月的第4候起，试验田连续7候稻纵卷叶螟虫害级别为1级，持续时间较长。后两个稻纵卷叶螟高峰期危害程度明显高于第1个，这两个峰期的稻纵卷叶螟主要以六（4）代为主。其中第2个峰值在8月的第6候，候平均最高赶蛾量达到127995头·hm-2，虫害级别达到5级，且此时水稻为孕穗期，对水稻产量影响较关键。第3个峰值区在9月第2候，候平均最高赶蛾量107670头·hm-2，虫害级别达4级，此期水稻已经慢慢成熟，虫害对产量的影响不明显。由于卷叶率是由虫害的发生引起的，虫情加重必然随后也导致卷叶率的增大，因此，在每次蛾峰出现后的5～12d内就出现一次卷叶率增大的过程（图1）。而对照田块由于管理措施严格，水稻正常生长。两块田块的稻纵卷叶螟发生情况以及水稻的卷叶率的差异表明，二者区别很明显，这为光谱特征差异分析提供了依据。

2.2 两田块光谱特征动态变化

由图2可以看出，试验田和对照田的光谱特征参数曲线变化趋势基本保持一致，但是对照田的NDVI和EVI始终高于试验田。在水稻分蘖前期，虫害发生程度小，对照田与试验田的NDVI、EVI和NIR差异也较小。在水稻分蘖拔节期，随着生物量和叶片覆盖度的增加，试验田和对照田的EVI和NIR都有一个显著增长的过程，但是试验田光谱参数相对对照田开始减小。至水稻拔节后期，水稻生物量和叶片覆盖度增长趋势慢慢保持平稳，光谱指数也趋于平稳，但总的来说，虫害发生后，对照田EVI和NIR数值一直高于试验田。尤以从孕穗期开始，对照田的NIR明显高于试验田。而NDVI从水稻拔节期开始，对照田和试验田的变化均处于一个波动状态，与水稻实际生长情况不符。对两个田块的对比说明，二者光谱差异也很明显，这为光谱和虫情分析提供了依据。

2.3 两田块光谱特征差值与卷叶率的关系

图3为试验田块与对照田块的归一化植被指数差值（DNDVI）、增强型植被指数差值（DEVI）以及近红外反射率差值（DNIR）和卷叶率随时间的变化图。由图中可见，在水稻生长初期（7月上旬-8月上旬），试验区和对照区的DNDVI、DEVI值在0.01以内波动，但这期间卷叶率有一个较小的波动。图3a中，DNDVI出现了3个峰值，在水稻分蘖拔节期间（8月中旬），DNDVI逐渐增大，开始超过0.02，且试验田块的NDVI增长速度低于对照田块。之后随着水稻的继续生长和叶面积指数的增加，DNDVI增加，介于0.02～0.04之间。而在孕穗期后，DNDVI又进一步呈上升趋势。DEVI也出现了3个峰值，7月20日是试验区稻纵卷叶螟始见日，此时DEVI值较小，数值接近0。之后DEVI开始增大并达到0.03，而这个变化正好对应于8月上旬的卷叶率上升时期。第一个虫量暴发过程结束一段时间后，DEVI开始逐渐减小，甚至在8月18日接近0，但是此时的卷叶率还较高，仅有一个下降的趋势。8月底-9月初，即水稻孕穗期后，DEVI又逐渐增大，最大值接近0.05。而DNIR的变化趋势与DEVI一致。对光谱特征差值与卷叶率的相关分析表明，DNIR与卷叶率呈极显著正相关（P<0.01，r=0.8473），DEVI与卷叶率呈显著正相关（P<0.05，r=0.7510），而DNDVI与卷叶率的相关性不显著。

Fig. 3 Variation of DNDVI(a), DEVI(b) and DNIR(c) and folding leaf rates

3 结论与讨论

（1）稻纵卷叶螟的发生对水稻光谱特征参数产生明显的影响。全生育期内两个不同处理方式田块的遥感影像对比发现，蛾峰量（或发生等级）越大，随后水稻卷叶率也增大，这直接导致光谱特征参数变化更明显，尤其从孕穗期开始，对照区的光谱特征参数明显高于试验区，这是因为光谱特征参数受水稻细胞壁多次反射的影响，在稻纵卷叶螟为害水稻后，水稻卷叶率增大，水稻叶肉细胞受到破坏，故光谱参数开始减小。这也验证了黄建荣等[17]的随着稻纵卷叶螟为害等级的增加，绿光和近红外波段的反射率会大大下降，而红光波段反射率增加的研究结果。但是，虫害对水稻影响的光谱特征表现的差异性变化存在不同时长的滞后现象，即在虫峰暴发一定时间后，才出现光谱特征的差异。本文研究发现在蛾量暴发5～12d后，光谱特征差异才开始逐渐变得显著，这与江苏省稻纵卷叶螟不同代次成虫转化为幼虫的时长有关，通常危害江苏的稻纵卷叶螟代次分别为四（2）代、五（3）代和六（4）代，它们从成虫转化为幼虫的时长分别为5～6d、5～6d和10～12d，与Zhang等[18]的研究结论基本一致。

（2）光谱参数的选择对水稻病虫害的监测有非常大的影响。归一化植被指数（NDVI）是植被研究中应用最广泛的一种植被指数，但是在叶面积指数很高时，NDVI的灵敏度会降低，而EVI加入蓝光波段以增强植被的信号，常用在叶面积指数（LAI）高的地区，高生物量的地区EVI比NDVI更加敏感[19]。本研究的相关分析表明，EVI和NIR反演效果明显比NDVI好，EVI和NIR与水稻卷叶率呈显著相关，而NDVI由于在高LAI上的低灵敏性导致误差较大，相关性不明显。因此，参数的正确选择以及扬长避短的综合利用对更好地监测虫害的发生和暴发，及时发布灾变预警信息至关重要。

（3）将实地虫量的调查分析与光谱特征参数相结合进行研究，结果表明利用环境小卫星对稻纵卷叶螟发生发展进行动态监测是可行的。多时相遥感是水稻虫害特征识别的重要手段，由于虫害对水稻的影响是一个缓慢显现的过程，单凭单时相的遥感影像无法准确判断水稻受害程度。本文利用多时相遥感影像中提取水稻的光谱特征参数，对稻纵卷叶螟的发生发展进行动态监测，其监测结果对稻纵卷叶螟早期预警有一定的预示作用，并为后续的虫害监测研究提供了一种可能的方法。

参考文献References

[1]刘宇,王建强,冯晓东,等.2007年全国稻纵卷叶螟发生实况分析与2008年发生趋势预测[J].中国植保导刊,2008, 28(7):33-35.

Liu Y,Wang J Q,Feng X D,et al.The analysis of the occurrence of rice leaf folder in 2007 and the prediction of the trend of it in 2008[J].China Plant Protection,2008,28(7):33-35. (in Chinese)

[2]翟保平,张孝羲.水稻重大虫害的灾变规律及其预警:回顾与展望[J].昆虫知识,2000,37(1):41-45.

Zhai B P,Zhang X X.The disaster and warning of major pest of rice:review and prospect[J].Entomological Knowledge, 2000, 37(1):41-45.(in Chinese)

[3]张竞成,袁琳,王纪华,等.作物病虫害遥感监测研究进展[J].农业工程学报,2012,28(20):1-11.

Zhang J C,Yuan L,Wang J H,et al.Research progress of crop diseases and pests monitoring based on remote sensing[J]. Transactions of the CSAE,2012,28(20):1-11.(in Chinese)

[4]姚士桐,方志峰,陆志杰,等.不同监测方法对田间稻纵卷叶螟成虫的监测效果[J].中国植保导刊,2011,31(5):31-32.

Yao S T,Fang Z F,Lu Z J,et al.The results of different monitoring methods on the adult of rice leaf folder[J].China Plant Protection,2011,31(5):31-32.(in Chinese)

[5]杨浩,黄文江,王纪华,等.基于HJ-1A/1B CCD时间序列影像的水稻生育期监测[J].农业工程学报,2011,27(4):219-224.

Yang H,Huang W J,Wang J H,et al.Monitoring rice growth stages based on time series HJ-1A/1B CCD images[J].Transactions of the CSAE,2011,27(4):219-224.(in Chinese)

[6]吴继友,倪健.松毛虫危害的光谱特征与虫害早期探测模式[J].环境遥感,1995,10(4):250-258.

Wu J Y,Ni J.Spectral characteristics of the pine leaves damaged by pine moth and a model for detecting the early damage[J]. Remote Sensing of Environment,1995,10(4):250- 258.(in Chinese)

[7]杨建国,金晓华,郭永旺,等.遥感技术麦蚜监测应用研究[J].中国农学通报,2001,17(6):4-6.

Yang J G,Jin X H,Guo Y W,et al.The applications research of wheat aphid based on remote sensing techniques[J].Chinese Agricultural Science Bulletin,2001,17(6):4-6.(in Chinese)

[8]喻光明.渍害遥感识别的基本原理与方法[J].环境遥感, 1995,10(1):9-14.

Yu G M.The basic principles and methods of remote sensing application of the identification of waterlog damage[J]. Remote Sensing of Environment,1995,10(1):9-14.(in Chinese)

[9]Price K P,Jakubauskas M E.Spectral retrogression and insect damage in lodge pole pine successional forests[J]. International Journal of Remote Sensing,1998,19(8):627-632.

[10]Silleos N,Perakis K,Petsanis G.Assessment of crop damage using space remote sensing and GIS[J].International Journal of Remote Sensing,2002,23(3):417-427.

[11]吴曙雯,王人潮,陈晓斌,等.稻叶瘟对水稻光谱特性的影响研究[J].上海交通大学学报(农业科学版),2002,20(1):73-76.

Wu S W,Wang R C,Chen X B,et al.Effects of rice leaf blast on spectrum reflectance of rice[J].Journal of Shanghai Jiaotong University(Agriculture Science),2002,20(1):73-76. (in Chinese)

[12]石晶晶,刘占宇,张莉丽,等.基于支持向量机(SVM)的稻纵卷叶螟危害水稻高光谱遥感识别[J].中国水稻科学,2009, 23(3):331-334.

Shi J J,Liu Z Y,Zhang L L,et al.Hyperspectral recognition of rice damaged by rice leaf roller based on support vector machine[J].Chinese Journal of Rice Science,2009,23(3):331- 334.(in Chinese)

[13]Huang J R,Liao H J,Zhu Y B,et al.Hyperspectral detection of rice damaged by rice leaf folder () [J]. Computers and Electronics in Agriculture,2012,82(1): 100-107.

[14]Meigs G W,Kennedy R E,Cohen W B.A landsat time series approach to characterize bark beetle and defoliator impacts on tree mortality and surface fuels in conifer forests[J]. Remote Sensing of Environment,2011,115(12) :3707-3718.

[15]Goodwin N R,Coops N C,Wulder M A,et al.Estimation of insect infestation dynamics using a temporal sequence of Landsat data[J].Remote Sensing of Environment,2008,112 (9):3680-3689.

[16]全国农业技术推广与服务中心.农作物有害生物测报技术手册[M].北京:中国农业出版社,2006:1-771.

The National Agro-Tech Extension and Service Center.Technical manual for pest monitoring of crops[M].Beijing:Chinese Agriculture Press,2006:1-771.(in Chinese)

[17]黄建荣,孙启花,刘向东.稻纵卷叶螟危害后水稻叶片的光谱特征[J].中国农业科学,2010,43(13):2679-2687.

Huang J R,Sun Q H,Liu X D,et al.Spectral characteristics of rice leaves damaged by rice leaf roller[J].Scientia Agricultura Sinica,2010,43(13):2679-2687.(in Chinese)

[18]Zhang J C,Luo J H,Huang W J,et al.Continuous wavelet analysis based spectral feature selection for winter wheat yellow rust detection[J].Intelligent Automation and Soft Computing,2011,17(5):531-540.

[19]Huete A,Didan K,Miura T,et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment,2002,83(1):195-213.

Monitoring on the Occurrence ofs Based on Multi-temporal HJ Satellite’s Remote Sensing Images

BAO Yun-xuan1,2, LI Yu-ting1,2, WANG Lin1,2, GAO Wen-ting1,2, ZHU Feng3

(1.Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044;3.Jiangsu Province Plant Protection Station, Nanjing 210013)

Two experimental rice fields (one was used as a reference and the other was for target analysis) were conducted in Tangzhuang, Gaoyou of Jiangsu Province in 2013, and the Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), and Near-infrared Spectroscopy (NIR) were used to characterize the occurrence and evolution of, which were calculated from the satellite HJ-1A/1B retrieval data. A series of analyses were performed to disclose the relationship among these three indices and the occurrence frequency, severity, and evolution of. The results showed as follows: (1) The more the numbers of, the higher the changes of such characteristic parameters. (2) The positive correlations were found between the damage ofand the discrepancy of characteristic parameters in these two experimental fields. (3) Quantitative correlation analyses showed that DNIR and folding leaf rate had a highly significant correlation (P<0.01), and DEVI and folding leaf rate had a significant correlation (P<0.05). While there was not significant between DNDVI and folding leaf rate. Therefore, it was feasible to using HJ satellite images to monitor and warn the outbreak and development of, which provided a new possible method to monitor dynamically the damage of.

; HJ-1A/1B satellite; Normalized Difference Vegetation Index; Enhanced Vegetation Index; Gaoyou

10.3969/j.issn.1000-6362.2016.04.011

2015-11-25

国家自然科学基金面上项目（41475106；41075086）；国家公益性行业（气象）科研专项（GYHY201306053）；江苏省农业科技自主创新项目（SCX（12）3058）；江苏省高校优势学科建设工程

包云轩(1963-)，博士，教授，博士生导师，主要研究方向为气候变化与防灾减灾、应用气象、病虫害测报学、遥感与资源环境信息系统。E-mail：baoyx@nuist.edu.cn；baoyunxuan@163.com