基于GF<br/>--1影像的内蒙开鲁县玉米虫害程度划分及成因分析

基于GF
--1影像的内蒙开鲁县玉米虫害程度划分及成因分析

2021-04-07陆百慧陈圣波

世界地质 2021年1期

陆百慧，陈圣波

吉林大学地球探测科学与技术学院，长春 130026

0 引言

内蒙古通辽地区位于“世界黄金玉米带”内，作为中国的玉米主产区，内蒙古玉米虫害的防治尤为重要[1]。2018年为近十年内蒙古开鲁县玉米虫害发生最严重的一年，玉米主要受到红蜘蛛和二代粘虫危害，其中二代粘虫危害程度较轻，而玉米红蜘蛛发生较重，严重影响了玉米作物的产量和品质。因此，及时可靠的监测玉米虫害发生情况对于该地区农业生产具有十分重要的现实意义。

当前，国内外大多数学者通过分析作物光谱曲线来寻找作物对某种病虫害的敏感波段，从而建立相应病虫害发生程度与波段特征信息间的相关关系，进而实现农作物病虫害的遥感监测。Jones et al.[2]通过分析番茄叶片的光谱特征，发现在395 nm、633～635 nm和750～760 nm 波段范围内，感染叶斑病的番茄叶片光谱反射率发生了显著变化；陈鹏程[3]通过对螨害指数与光谱反射率数据进行相关分析，发现634 nm、694 nm与767 nm波段与螨害程度达到极显著相关，由此建立了多波段诊断模型，模型的决定系数可达0.7以上。此外，研究作物病虫害敏感波段位置或通过各种光谱特征参数来建立植被指数进行病虫分析也是病虫害研究的主流方法。在以往的研究中，前人已提出并使用了多种具有不同理化意义的植被指数，这些植被指数反映了植被生长状况，可以用来作为建立作物病虫害监测模型的指标。Apan et al.[4]通过对Hyperion高光谱影像的光谱特征信息进行处理和分析，提出“疾病--水份胁迫指数DWSI”，对研究区内的甘蔗锈病的发生范围进行了识别与监测。Lin et al.[5]结合植被指数GNDVI、红边参数、环境指数以及地表温度，利用费歇尔线性判别分析法建立模型进行作物病虫害的监测，结果表明结合植被指数和环境指数建立的模型监测精度可达82%。赵博文[6]利用归一化差值植被指数NDVI建立病虫害监测模型，并利用modis数据提取出的灾害范围进行辅助验证，结果表明模型精度较好，可以实现对作物病虫害的监测。

综上所述，通过分析遭受病虫害的作物光谱曲线，研究病虫害发生程度与原始光谱以及光谱特征指数之间的相关关系，从而确定作物对某种病虫害反应的敏感波段并建立监测模型，是当前利用遥感技术监测农作物病虫害研究的主要方法[7]。但当前国内外针对农作物病虫害的研究，大多以小麦和水稻为研究对象，针对玉米虫害的研究较少。而且这些研究或缺少野外实地考察数据来验证模型精度，或没有对研究区病虫害发生成因进行分析。而本文既利用野外实测数据对开鲁县玉米受虫害程度划分结果进行了精度验证，且对开鲁地区生境因素进行分析，阐明了该地区2018年虫害严重的原因。

1 研究区与数据

1.1 研究区概况

开鲁县位于内蒙古自治区通辽市西部，介于120°25′～121°52′E、43°09′ ～44°10′ N之间。县内地势平坦，耕地面积约17.33万hm2，其中玉米作物种植面积达10.67万hm2。开鲁县玉米普遍于每年的五月中下旬播种，在大喇叭口期至成熟期易受粘虫胁迫，在抽雄散粉期易受红蜘蛛胁迫，于9月末进入收获期[8](图1)。

1.2 数据介绍

1.2.1 遥感影像数据

遥感数据来源为一景GF--1卫星WFV4传感器的遥感影像，空间分辨率为16 m，包括蓝(0.45～0.52 μm)、绿(0.52～0.59 μm)、红(0.63～0.69 μm)、近红外(0.77～0.89 μm)4个波段[9]。高分一号卫星装载了2台2 m分辨率全色相机、8 m分辨率多光谱相机和4台16 m分辨率宽幅相机，具有高空间分辨率、高时间分辨率和宽覆盖的特点。本研究所用遥感影像成像时间为2018年8月2日，为开鲁县玉米虫害爆发后一周。

1.2.2 野外数据

在2018年7月下旬开鲁县玉米虫害爆发之后，邀请农学专家一同在研究区开展实地考察工作。利用手持GPS定位仪对采样点经纬坐标和玉米虫害信息进行采集与记录，共计有效玉米虫害采样点88个。根据野外实地考察结果并结合专家意见，将玉米查灾采样点划分为重度虫害玉米、中度虫害玉米、轻度虫害玉米和健康玉米4种类型。

2 原理与方法

2.1 玉米受虫害胁迫后长势分析

玉米遭受虫害胁迫后，短期内植株茎、叶组织遭到严重破坏，冠层由茂密变为稀疏，植株表现出失绿、萎蔫和外观改变等病态[10]，叶绿素含量[11]、叶面积指数[12]等生理生化参数发生显著变化，从而导致其波谱特征和植被指数发生改变。各种植被指数与健康玉米植被指数相比较有明显的下降，灾情越重，植被指数的值越小[13]。在利用植被指数监测虫害方面，前人研究结果表明，以RDVI构建的植被指数模型，其方差值小于以NDVI和SAVI构建的植被指数模型，说明RDVI模型更适用于虫害监测[14]。

图1 开鲁县及采样点

RDVI是在归一化差值植被指数(NDVI)和差值植被指数(DVI)的基础上提出来的，其对植被的茂密稀疏程度敏感。由于玉米遭受虫害后，叶片被啃食，严重受害玉米叶片全被吃光，仅剩叶脉，玉米种植区由茂密变为稀疏，整体覆盖度明显下降。因此，选用RDVI作为监测玉米遭受虫害严重程度的指标，其计算公式为：

(1)

式中：R为红波段值，NIR为近红外波段值。

由于RDVI均值可以反映玉米茂密稀疏的平均程度，而RDVI标准差可以从一定程度上反映出遭受害虫啃噬后的玉米与正常生长玉米间的覆盖度差异，因此可以通过设置RDVI均值与标准差之间标准化的定量关系，对开鲁县玉米进行受害程度的划分。

2.2 玉米虫害范围提取

根据不同地物在遥感影像上会表现出不同的纹理、色彩等特征这一原理，采用监督分类中的最小距离法对研究区内玉米进行提取，并通过分类后处理操作，得到玉米种植范围。利用混淆矩阵进行精度验证表明，总体分类精度达到91.29%，Kappa系数为0.86，说明监督分类精度较高。另一方面，利用野外实测玉米出苗采样点对提取结果进行验证，发现160个玉米出苗采样点中有142个采样点被正确划分为玉米。此外，开鲁县2018年玉米种植面积约10.67万hm2，遥感提取结果中玉米面积为11.53万hm2，造成面积差的主要原因是红干椒等其他作物混分。总体来看，玉米提取结果比较符合实际，开鲁县玉米分布如图2所示。

图2 开鲁县玉米分布图

3 实验结果及分析

3.1 玉米虫害程度分布结果及精度检验

根据60个采样点调整阈值，利用剩余28个采样点进行精度验证，最终确定将RDVIMean-1×Std、RDVIMean、RDVIMean+1.5×Std作为分级节点。将RDVI值低于RDVIMean-1×Std的玉米定义为重度虫害玉米，将同时满足RDVI值高于RDVIMean-1×Std且低于RDVIMean的玉米定义为中度虫害玉米，将同时满足RDVI值高于RDVIMean且低于RDVIMean+1.5×Std的玉米定义为轻度虫害玉米，将RDVI值高于RDVIMean+1.5×Std的玉米定义为相对健康玉米。基于上述阈值划分标准，以镇为单位对开鲁县玉米受虫害程度进行划分，结果如图3所示。

由于开鲁县黑龙坝镇、义和塔拉镇、小街基镇、麦新镇和建华镇玉米查灾采样点较多，因此对该5个镇虫害程度划分结果进行精度检验，验证结果如图4所示。总体来看，开鲁县玉米虫害划分总体精度为75%，表明上述方法精度较高。其中，小街基镇玉米虫害程度划分精度最高，可达83.33%，建华镇受害程度划分精度最低，为50%。原因是建华镇农作物类型较丰富，影响了监督分类结果精度，从而导致该镇玉米虫害程度划分结果精度低于其他镇。

此外，根据保险公司上报数据，开鲁县2018年7月中旬玉米虫害爆发，7月25日开始防治，10 d±灾情基本得到控制，本次研究选用的遥感影像时相处于灾情防治住之前，此时开鲁县实际受虫害胁迫玉米面积达玉米种植总面积的80%以上。统计遥感提取结果可知，开鲁县受虫害玉米占比达82.93%，与保险公司提供的实际受害面积占比相符，进一步说明了该方法的可靠性。

图3 开鲁县玉米受害程度分布图

图4 5个镇精度验证结果

3.2 虫害成因分析

通过中国气象局可以得到开鲁县2018年5月1日至7月31日的旬平均温度、旬平均最高气温、旬平均最低气温、旬降水和旬平均相对湿度数据，并制作变化曲线图(图5、6)。根据前人研究结果可知，内蒙古东部地区各气象站点雨季平均降水量为225.6 mm[15]，而开鲁县该气象站雨季降水量为94.4 mm，远低于历年平均值。此外，该站点6月中旬至7月中旬平均气温24.7℃、平均最高气温30.49℃、平均最低气温19.54℃、平均相对湿度63.5%，同时由于降水较少，出现干旱等灾情，而高温干旱的气象条件十分有利于玉米红蜘蛛的发生。