穗颈瘟胁迫下的水稻遥感估产研究

作     者：王轶昂 

作者单位：东北农业大学 

学位级别：硕士

导师姓名：张新乐;王宗明

授予年度：2021年

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 

主      题：穗颈瘟 无人机 遥感 病害监测 估产 

摘      要：粮食安全是国家发展的保障,提高耕地质量、合理规划利用有限的耕地资源,实现耕地资源的可持续发展,是当今我国粮食安全政策的总方针。水稻作为我国主要粮食作物之一,水稻稻瘟病的发生严重影响了水稻产量,尤以穗颈瘟传播速度快对产量影响最大,对于粮食的充足性、质量的可靠性、供给结构的合理性、耕地的生产力、耕地生态的友好性和资源利用的可持续性产生了巨大威胁。而在病害发生的这一过程中,所直接影响的产量也是农户及政府的关注重点。及时准确地预测农作物产量,对计划制定农业政策具有非常重要的影响。所以探究穗颈瘟的监测方法、不同施肥水平及穗颈瘟对产量的影响以及穗颈瘟胁迫下的估产方法具有重要意义。传统方法的病害监测及农作物产量的预测成本高效率低,但随着遥感技术在农业中的广泛应用,面对农业灾害监测也有了新选择。本文以吉林省万昌县内实验田块中不同施肥水平和染穗颈瘟处理的水稻为研究对象。两年间获取8期无人机多光谱影像,对多时相的水稻穗颈瘟进行了识别,并分析了不同时期不同施肥水平的穗颈瘟病害分布情况。通过对产量及千粒重影响因素的分析明确了病害、施肥与产量的关系。同时通过对多时相两类水稻的NDVI及光谱反射率的分析确定了适宜估产的时相区间及输入特征,并结合不同模型方法完成了穗颈瘟胁迫下的水稻估产研究。得到结论如下:(1)综合不同时相下不同分类方法的分类结果,最大似然法的识别精度较高且识别结果稳定。在抽穗期和灌浆期相比其他三类数据集,数据集3(NDI、G/R)两年间的Kappa系数平均为0.961,总体精度平均为0.978。但随着植株的生长以及病情的发展,在抽穗期和灌浆期NDI和G/R所构成的数据集识别精度有所下降。在成熟期植被指数b和B3波段作为输入量结合最大似然法精度较高Kappa系数和总体精度分别为0.851和0.921。(2)通过分析穗颈瘟识别结果及产量,确定了受穗颈瘟胁迫下适宜估产的时相区间,在灌浆期病情加剧,是影响产量的关键时期。在灌浆期不同施肥水平下两类光谱曲线,无人机B2(绿)与B4(近红)波段随病害加剧反射率差值也显著变大,B3(红)波段存在差异但差异较小,但在病害出现后B3波段与产量呈现极显著相关。(3)采用支持向量机模型更稳定精度更优,结合植被指数NDI,R为0.849,RMSE为133.335。同时发现利用与产量相关波段构建的植被指数并非均为最优输入量,这与具体运算形式有关。(4)随病情发展水稻受穗颈瘟影响约减产53%,远大于施肥影响;但通过对肥的一定调控可以在受病害胁迫下增加25%-45%的产量,削弱病害带来的减产作用。结合本文研究结果以及病害发生的条件及特点,提出如下建议:进行综合土地整治,科学还田并注意气象信息,消除潜在致病风险;合理施肥提高肥料利用率,稳定病肥关系;开发智慧农业平台,进行时空监测,加强各地农业技术服务的宣传和投入。本研究利用多时相无人机影像,探究了穗颈瘟的高精度识别方法,解决现有病害监测难题,并明确了施肥、病害与产量的规律,完成了穗颈瘟胁迫下高精度估产模型的构建。加强水稻的生产管理、强化了病害监管、提升了灾后估产能力,保证了粮食安全,对推进我国农业现代化具有重要的意义。