[发明专利]一种基于卫星数据的小麦黄花叶病遥感监测方法

权利要求书

1.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，包括如下步骤：

(1)获取待监测区域的高分辨率多光谱遥感影像数据；

(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信息；

(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；

(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，根据小麦黄花叶病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；

(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；

(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；

(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；

(8)结合实际调查数据，对步骤(7)的统计结果进行校正。

2.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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～0.59μm，红光：0.63μm～0.69μm，近红外：0.77μm～0.89μm。

3.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，所述的步骤(2)中的几何校正为：将多期GF-1/WFV以Landsat-8OLI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。

4.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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；

辐射校正的公式为：LZ(λZ)＝Gain·DN+Bias。

5.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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。

6.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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。

7.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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：

0级：健康，无症状；

1级：新叶出现退绿条纹或黄花叶病斑症状；

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；

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；

4级：植株矮化明显，部分分蘖死亡或全株死亡。

8.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，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。

9.一种基于卫星数据的小麦黄花叶病遥感监测方法，其特征在于，所述的步骤(6)中NDVI_wheat取值为：[0.28，0.63]。