1.本发明涉及小麦黄花叶病监测技术领域，具体为一种基于卫星数据的小麦黄花叶病遥感监测方法。
背景技术：
2.小麦黄花叶病已凸显为制约小麦产量与品质的主要因素。中国是小麦生产大国，同时也是小麦病害发生较多的国家，其受灾范围广、程度严重已经对小麦生产造成了直接重大经济损失。因此，应用遥感监测技术，及早发现病害，监测病害的发生发展状况，在关键生育期采取科学有效的防治手段，将有利于保障粮食安全，实现农业的可持续发展。
3.传统的作物病害监测方法采用田间定点监测或随机调查的方式，直接用肉眼观测病害的方法判断病害发生的情况，这种方法主观性强、信息滞后、效率低下等缺点，不能实时客观提供宏观的指导建议。
4.因此提供一种可实时监测，判断效率高，准确率高，可以有效准确的从待监测区域确定病害位置的小麦黄花叶病空间动态分布监测的方法，是本领域技术人员亟待解决的技术问题。
技术实现要素：
5.针对上述存在的技术不足，本发明的目的是提供一种基于卫星数据的小麦黄花叶病遥感监测方法，以解决背景技术中提出的问题。
6.为解决上述技术问题，本发明采用如下技术方案：
7.本发明提供一种基于卫星数据的小麦黄花叶病遥感监测方法，包括如下步骤：
8.(1)获取待监测区域的高分辨率多光谱遥感影像数据；
9.(2)将多期高分辨率多光谱遥感影像进行几何校正、辐射校正、大气校正、裁剪与拼接的预处理，结合小麦生育时期信息，从高分辨率遥感影像上提取监测区小麦种植区域信息；
10.(3)在监测区开展地面调查，建立地面调查样本，包括健康小麦样本及小麦黄花叶病不同病害等级的样本；
11.(4)根据地面调查的健康小麦、发病小麦以及不同病害等级的病害波谱信息分别进行特征提取，根据小麦病害程度的不同等级，对病害特征进行分类，生成病害监测的训练样本和验证样本；
12.(5)提取不同等级的小麦黄花叶病在高分辨率多光谱影像上的特征，根据不同等级病害特征，对病害严重度进行分类；在此基础上建立小麦黄花叶病遥感监测的训练样本集与验证样本集，以便于提高小麦黄花叶病遥感监测及严重度识别；
13.(6)根据获取的待监测区域多时期高分辨率多光谱遥感影像，结合小麦生育时期信息，提取待监测区域ndvi；在研究区ndvi中提取小麦ndvi (ndvi
wheat
)，并根据ndvi
wheat
值的高低，判断小麦健康是否健康；
14.(7)在上述步骤的基础上，统计监测区小麦黄花叶病不同等级发病区域小斑信息、发病面积的信息；
15.(8)结合实际调查数据，对步骤(7)的统计结果进行校正。
16.优选地，所述的步骤(1)中的遥感影像数据为：高分一号，空间分辨率为16m，数据时间为2个月，蓝光：0.45μm～0.52μm，绿光：0.52μm～0.59 μm，红光：0.63μm～0.69μm，近红外：0.77μm～0.89μm。
17.优选地，所述的步骤(2)中的几何校正为：将多期gf-1/wfv以landsat-8 oli影像进行校正，校正精度在0.5个向元以内，经几何校正后，多期遥感影像在位置上和方位上完全重叠，形成待监测区域图像样本。
18.优选地，所述的步骤(2)中的辐射校正为：将原始gf-1/wfv数据的dn 值转换为辐射亮度或表观反射率，消除传感器本身产生的误差；然后将辐射亮度或者表观反射率转换为地表实际反射率，以消除大气散射、吸收、反射引起的误差；
19.辐射校正的公式为：lz(λz)＝gain
·
dn+bias。
20.优选地，所述的步骤(2)中的大气校正为：通过gf-1/wfv传感器光谱响应函数制作成波谱库文件，在6s大气辐射传输模型中输入卫星观测几何及气溶胶模式等参数并运行模型，获取研究区影像地表反射率。
21.优选地，所述的步骤(3)中的地面调查样本在监测区域均匀分布，且样本数量不少于50个。
22.优选地，所述的步骤(3)中的小麦黄花叶病根据严重程度，分为五个等级：
23.0级：健康，无症状；
24.1级：新叶出现退绿条纹或黄花叶病斑症状；
25.2级：多数叶片出现退绿条纹或黄花叶症状，有时出现新叶扭曲、植株矮化，但不明显；
26.3级：大部分指数呈现严重黄花叶病症状，老叶出现坏死病斑；
27.4级：植株矮化明显，部分分蘖死亡或全株死亡。
28.优选地，所述的步骤(6)中的ndvi的取值范围为[-1，1]，ndvi＜0时，监测区地物被云、水蒸气等覆盖；ndvi＝0表示监测区为岩石或土壤；ndvi ＞0时，监测区有植被覆盖，且ndvi越大，地表覆盖度也越大。
[0029]
优选地，所述的步骤(6)中ndvi
wheat
取值为：[0.28，0.63]。
[0030]
本发明的有益效果在于：
[0031]
本发明通过卫星遥感数据获取监测区域内的多时期多光谱遥感影像，然后分别进行几何校正、辐射校正、大气校正、裁剪与拼接的预处理，最后获得小麦冠层反射率及归一化植被指数ndvi，判断效率高，准确率高，通过对可见光反射率影像图和归一化植被指数反射率影像图进行分析，可实时监测，可以有效准确的从待监测区域确定病害位置。
具体实施方式
[0032]
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范
围。
[0033]
实施例：
[0034]
本发明提供了一种基于卫星数据的小麦黄花叶病遥感监测方法，包括如下步骤：
[0035]
(1)获取待监测区域的高分辨率多光谱遥感影像数据；待监测区域以河南省某县为例，该区是河南省的小麦主产县之一，小麦种植范围大。
[0036]
(2)将多期高分辨率多光谱遥感影像进行几何校正、辐射校正、大气校正、裁剪与拼接的预处理，结合小麦生育时期信息，从高分辨率遥感影像上提取监测区小麦种植区域信息；
[0037]
(3)在监测区开展地面调查，建立地面调查样本，包括康小麦样本及小麦黄花叶病不同病害等级的样本；
[0038]
(4)根据地面调查的健康小麦、发病小麦以及不同病害等级的病害波谱信息分别进行特征提取，根据小麦病害程度的不同等级，对病害特征进行分类，生成病害监测的训练样本和验证样本；
[0039]
(5)提取不同等级的小麦黄花叶病在高分辨率多光谱影像上的特征，根据不同等级病害特征，对病害严重度进行分类；在此基础上建立小麦黄花叶病遥感监测的训练样本集与验证样本集，以便于提高小麦黄花叶病遥感监测及严重度识别；
[0040]
(6)根据获取的待监测区域多时期高分辨率多光谱遥感影像，结合小麦生育时期信息，提取待监测区域ndvi；在研究区ndvi中提取小麦ndvi (ndvi
wheat
)，并根据ndvi
wheat
值的高低，判断小麦健康是否健康；
[0041]
(7)在上述步骤的基础上，统计监测区小麦黄花叶病不同等级发病区域小斑信息、发病面积的信息；
[0042]
(8)结合实际调查数据，对步骤(7)的统计结果进行校正。
[0043]
进一步的，所述的步骤(1)中的遥感影像数据为：高分一号(gf-1/wfv)，空间分辨率为16m，数据时间以2021年3月上旬至5月下旬为例，蓝光(blue)： 0.45μm～0.52μm，绿光(green)：0.52μm～0.59μm，红光(red)：0.63μm～0.69μm，近红外(nir)：0.77μm～0.89μm。
[0044]
进一步的，所述的步骤(2)中的几何校正为：将多期gf-1/wfv以landsat-8 oli影像进行校正，校正精度在0.5个向元以内，经几何矫正后，多期遥感影像在位置上和方位上完全重叠，形成待监测区域图像样本。
[0045]
进一步的，所述的步骤(2)中的辐射校正为：将原始gf-1/wfv数据的 dn值转换为辐射亮度或表观反射率，消除传感器本身产生的误差；然后将辐射亮度或者表观反射率转换为地表实际反射率，以消除大气散射、吸收、反射引起的误差；
[0046]
辐射校正的公式为：lz(λz)＝gain
·
dn+bias
[0047]
式中：lz(λz)为传感器入瞳处的光谱辐射亮度(w/(m2·
sr
·
μm))，gain为定标斜率，dn为卫星载荷观测值，bias为定标截距，gain及bias都由中国资源卫星中心提供。
[0048]
进一步的，所述的步骤(2)中的大气校正为：通过gf-1/wfv传感器光谱响应函数制作成波谱库文件，在6s大气辐射传输模型中输入卫星观测几何及气溶胶模式等参数并运行模型，获取研究区影像地表反射率。
[0049]
进一步的，所述的步骤(3)中的地面调查样本在监测区域均匀分布，且样本数量不少于50个。
[0050]
进一步的，所述的步骤(3)中的小麦黄花叶病根据严重程度，分为五个等级：
[0051]
0级：健康，无症状；
[0052]
1级：新叶出现退绿条纹或黄花叶病斑症状；
[0053]
2级：多数叶片出现退绿条纹或黄花叶症状，有时出现新叶扭曲、植株矮化，但不明显；
[0054]
3级：大部分指数呈现严重黄花叶病症状，老叶出现坏死病斑；
[0055]
4级：植株矮化明显，部分分蘖死亡或全株死亡。
[0056]
进一步的，所述的步骤(6)中的ndvi的取值范围为[-1，1]，ndvi＜0 时，监测区地物被云、水蒸气等覆盖；ndvi＝0表示监测区为岩石或土壤；ndvi ＞0时，监测区有植被覆盖，且ndvi越大，地表覆盖度也越大。
[0057]
进一步的，所述的步骤(6)中ndvi
wheat
取值为：[0.28，0.63]，根据不同监测期小麦ndvi
wheat
，结合调查点小麦黄花叶病不同病害等级特征，确定监测区域中各点位的ndvi值，分别记作ndvi
wheat0
、ndvi
wheat1
、ndvi
wheat2
、 ndvi
wheat3
、ndvi
wheat4
，分别表示0级小麦黄花叶病(即健康小麦)、1级小麦黄花叶病、2级小麦黄花叶病、3级小麦黄花叶病、4级小麦黄花叶病，该结果为最终结果。
[0058]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。