发布人:     发布日期: 2023-02-25    浏览次数:

近日，william威廉亚洲官方智慧农业团队在国际顶级遥感期刊《Remote Sensing of Environment》发表了题为“A disease-specific spectral index tracks Magnaporthe oryzae infectionin paddy rice from ground to space”的研究论文，报道了他们在多尺度稻叶瘟敏感光谱指数构建，以及小农户田块稻叶瘟发生时空动态遥感监测方面的重要进展。

该研究综合分析了从单叶到冠层尺度稻叶瘟侵染引起的光谱响应（图1），基于单波段可分性和特异性光谱响应规律创建了一对稻叶瘟敏感植被指数(RIce Blast Indices, RIBIs)，进一步通过光谱指数波段优化方法确定了三波段具体位置(R₆₆₅, R₇₅₃和R₁₁₀₂)。利用叶片、近地面冠层和卫星平台获取的多年多试验点实测数据，系统评价了RIBIs在不同尺度对稻叶瘟病害严重程度的估算能力。结果表明，在叶片尺度RIBI_red对感染和健康样本的识别表现出最高的分类精度（图2），而在冠层尺度RIBI_nir则表现出与病情指数最高的相关性（图3）。

图1. 稻叶瘟侵染下不同病害严重程度的水稻光谱反射率

图2. RIBIs与传统光谱植被指数在温室（2018和2019）和自然条件下（2020）对健康与感病叶片分类精度的比较

图3. RIBInir和传统指数NDVI在近地面（A和C）及卫星尺度（B和D）与稻叶瘟病情指数DI的相关性

该研究进一步对Sentinel-2卫星影像提取的RIBI_nir进行时间序列分析和热点分析发现，在时间维度上，基于RIBI_nir的时间序列能准确追踪小农户田块中稻叶瘟的爆发与恢复态势，而传统植被指数NDVI对自然条件下稻瘟病发生过程的敏感性更差（图4）。空间维度上，RIBI_nir对稻叶瘟发生区域的刻画更加准确，稻叶瘟时空动态传播规律的与实地调查一致性更好（图5），卫星影像分析结果中表征病害恢复的绿色像素与呈现恢复趋势的黑色调查点吻合度更高。该研究构建了适用于叶片和冠层尺度的稻叶瘟敏感光谱指数，显著提高了对多尺度稻叶瘟发生的识别精度和对病情指数的估算能力；首次提出了基于光谱指数图的小农户田块稻叶瘟爆发热点识别思路，为基于卫星遥感的稻叶瘟传播概率等级划分和病害流行风险评估奠定基础。

图4.试验区Sentinel-2影像植被指数的时间序列结果比较

图5.两个典型研究区卫星影像RIBInir和NDVI的热点分析结果

该研究由威廉希尔中文网站平台国家信息农业工程技术中心完成，中心博士研究生田龙为论文第一作者，程涛教授为通讯作者。中心在国家自然科学基金等项目，以及现代作物生产省部共建协同创新中心等平台的资助下，瞄准作物病虫害高时效高精度监测预警难题，持续开展了多年温室与田间试验，近两年连续在Remote Sensing of Environment上发表稻叶瘟光谱监测机理与方法方面的创新成果，对于作物病虫害天空地一体化监测预警和作物绿色智慧生产具有重要价值。