基于植被指数归一化的作物病害等级评估方法与流程

1.本发明涉及遥感技术监测农作物病情领域，尤其是一种基于植被指数归一化的作物病害等级评估方法。


背景技术：

2.遥感技术检测作物病情是基于病害影响作物的光合作用和物理结构进而影响作物对光能量的吸收，改变作物反射光谱的假设。遥感技术具有快速，简单，宏观，无损，客观的特点，使得大规模快速检测作物病害成为可能。遥感技术被用于检测、监控和量化不同的作物病情。遥感技术已广泛应用于作物长势和胁迫因子检测，例如叶面积指数、叶绿素含量、病虫害监测等。
3.遥感影像监测农作物病害严重程度具有速度快、经济成本低、节省人工等优点。基于遥感数据,农作物病害检测采用多种形式的植被指数，在农作物活性和病害严重程度水平之间的经验统计模型可以采用判别分析、线性回归分析、支持向量机等统计方法。然而,经验模型仍然依赖于人工现场观测，由于播种时间、播种条件、作物品种等因素的影响，在不同的田间可能存在精度差异，难以大规模应用分析。
4.植被指数已被广泛用于监测、分析和绘制植被结构的时空变化以及某些生物物理参数。这些植被指数能够评估和监测冠层生物物理特性的变化，如叶面积指数(lai)、叶绿素含量和光合活性辐射(par)。近年来，研究人员提出了各种植被指数来了解作物冠层理化参量，为遥感在作物管理中的许多应用奠定了基础。研究发现，病害严重程度与作物植被指数显著相关。因此，利用植被指数来定量评价农作物病害严重程度是可行的，但现有研究没有经过地面调查就不能直接利用植被指数来分析作物病害的严重程度。此外，不同植被指数的取值范围不同，不同农田的作物生长管理也有很大差异。因此，考虑到上述差异因素，植被指数与作物病情严重程度之间的相关性很可能并不总是显著的。归一化是一种简单有效的数据处理方法，用于消除反射光谱的背景差异，也是植被指数构建的基本方法。


技术实现要素：

5.本发明的目的是提供一种基于植被指数归一化的作物病害等级评估方法。
6.为实现上述目的，本发明采用了以下技术方案：
7.一种基于植被指数归一化的作物病害等级评估方法，包括以下步骤：
8.步骤101：提取研究区域。
9.步骤102：对研究区域中农作物的染病和未染病区域进行分类。
10.步骤103：计算研究区域的植被指数并进行植被指数归一化。
11.步骤104：作物病情严重程度分级。
12.本发明的有益效果为：本发明通过对植被指数进行归一化处理，提出了一种无需地面试验的全自动的作物病情等级评级方法，能够有效地消除不同地块种植条件和不同植被指数取值范围差异的影响，得到合理可靠的作物病情分级结果。
附图说明
13.图1为本发明的流程图。
14.图2为研究区假彩色影像，其中左图为地块a，右图为地块b。
15.图3为地块a(左)和地块b(右)的根腐病分类图，其中白色部分是棉花根腐病感染区，黑色部分是未感染区。
16.图4为地块a和地块b植被指数直方图。
17.图5为地块a和地块b发病区域植被指数直方图。
18.图6为基于不同植被指数得到的地块a棉花根腐病病情等级分布图。
19.图7为基于不同植被指数得到的地块b棉花根腐病病情等级分布图。
具体实施方式
20.下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。
21.一种基于植被指数归一化的作物病害等级评估方法，包括以下步骤：
22.步骤101：提取研究区域。本实施例选取某地区的两块患有不同程度棉花根腐病的地块(地块a和地块b)作为研究区域。基于该地区的遥感影像通过裁剪得到地块a和地块b 的影像，其标准假彩色图像如图2所示。
23.优选地，所述遥感影像为经过几何校正、辐射校正处理的高光谱影像。
24.步骤102：对研究区域中农作物的染病和未染病区域进行分类。本实施例利用envi 软件(5.3版本)中的isodata非监督分类法将每个地块的影像分为感染根腐病和未感染根腐病两类。这种非监督分类的方法根据最小光谱距离将每个像元分为不同类别。首先基于统计特性进行自动分类，初始设定20-30个类，反复执行分类并重新计算新的类统计数据然后用于下一次迭代。将每个分类图中每个类的平均光谱与原始图像和现场观测结果光谱进行比较，然后将其归并为染病区和未染病区。
25.此前研究结果表明，在没有其他胁迫因素干扰的情况下，通过非监督分类即可准确提取感染根腐病区域和健康区域。地面调查结果显示，棉花根腐病是本研究两块棉田的主要胁迫因素，其它因素对棉田的影响较小。因此，可以通过非监督分类得到两个地块的病害区域分类图，如图3所示。分类图上的白色表示染病区域，而黑色表示健康区域。
26.表1列出了两个地块的总面积和染病区域的面积。可以看到，地块a的染病范围占 0.80％，而地块b达到13.25％。它们可以分别代表该地区存在轻度和严重病情的地块。
27.表1研究区棉花根腐病染病情况
28.研究区总面积(ha)染病面积(ha)染病面积百分比(％)地块a63.950.510.80地块b58.287.7213.25
29.步骤103：计算研究区域的植被指数并进行植被指数归一化。利用影像数据计算多种植被指数，这些植被指数与生物质、有效光合辐射量、叶面积指数等理化参量相关。植被指数归一化可以将不同植被指数的数值归一化为0-1范围内。设x为原始数据，x
max
为最大值，x
min
为最小值，那么归一化后的数据x
norm
可由下式(1)获得：
[0030][0031]
本实施例中，利用envi归一化工具将植被指数进行归一化。
[0032]
优选地，所述的植被指数包括：归一化差值植被指数、绿色归一化植被指数、增强型植被指数、土壤调整植被指数、红边指数、叶绿素指数。植被指数的具体公式如表2所示。
[0033]
表2本实施例用到的植被指数。
[0034][0034][0035]
归一化前后两地块的植被指数直方图如图4所示。进行归一化后，不同的植被指数值的取值范围一致，更便于比较分析。其中，增强型植被指数分布最均衡；绿通道植被指数的值在高值区间分布比较集中，而红边植被指数的值在低值区间分布较多；归一化植被指数和土壤调节植被指数的直方图几乎重合。以上结果表明，植被指数归一化处理可以消除不同地块种植条件的影响，这对于大规模作物监测具有重要意义。
[0036]
根据分类结果，提取染病区域像素并进行直方图统计，如图5所示。不同的植被指数的值有显著的差异，因此很难用统一的标准来评估病害等级，但归一化后的植被指数结果可以进行相互比较。另外，地块b所有的植被指数的均值均低于地块a，说明归一化的植被指数与病情严重程度呈负相关。植被指数归一化不但可以消除不同地块种植条件的影响，还可以评估地块患病总体的严重程度。因此，本发明非常适用于建立普适性强的病情严重程度评估方案。
[0037]
步骤104:作物病情严重程度分级。利用归一化后的植被指数来评估每个像元的根腐病严重程度，本实施例根据植被指数取值范围将病情等级分为0-4五个级别，具体分级标准如下：level 0(l0)＝0到0.2,level 1(l1)＝0.2到0.4,level 2(l2)＝0.4到 0.6,level 3(l3)＝0.6到0.8,level 4(l4)＝0.8到1,如表3所示。
[0038]
表3本实施例中基于植被指数归一化的棉花根腐病分级阈值
[0039][0040]
根据表3的分类标准，选取6个植被指数对两个田块的病情严重程度进行评估，结果如图6和图7所示。地块a的病害面积相对较小，病情程度普遍较低，说明该地块的病情较弱或仍处于早期发展阶段，地面调查证实了上述说法。在6个植被指数中，增强植被指数分布最合理、最均衡，而红边植被指数高估了实际病情。其它的植被指数的病情分级结果相近。
[0041]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是在不脱离本发明技术原理的前提下，在具体实施过程中对本发明做出了若干改进和替换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。