本發明公開了一種基于衛星遙感的小麥赤霉病監測方法，屬于遙感監測技術領域，首先獲取被預測年份及被預測年份前N年內小麥種植區的遙感數據和氣象降水數據，所述遙感數據包括多光譜數據和熱紅外遙感數據；接著利用所述多光譜數據計算相對長勢指數；利用所述多光譜數據和熱紅外遙感數據得到歸一化地表溫度指數；利用所述氣象降水數據得到歸一化降水指數；最后利用所述相對長勢指數、歸一化地表溫度指數和歸一化降水指數，計算被預測年份小麥赤霉病發病指數；本發明能夠較好降低在較大尺度監測中不同區域小麥長勢方面的差異對赤霉病監測模型造成的干擾，提高赤霉病遙感監測客觀性和實用性。

技術領域

本發明涉及遙感監測技術領域，具體涉及一種基于衛星遙感的小麥赤霉病監測方法。

背景技術

目前利用遙感技術監測小麥赤霉病研究大多是以發生病害時反映在小麥葉片光譜特征上的變化為切入點，通過分析尋找可見光至近-短波紅外波段的光譜特征及不同波段間特定的關系特征對赤霉病發生的敏感指標來建立相關估計模型；由于敏感指標的分析過程往往需要大量的葉片光譜分析數據為基礎，且不同區域環境下小麥的生長狀態及影響小麥生長的農氣生態條件、病害非病害因素也有差異，因此一些遙感監測小麥赤霉病模型往往存在大區域樣本采集和實驗室工作量較大、時效性偏低、生產實用性不高等問題。

針對上述問題，近年來一些學者通過研究影響小麥赤霉發病的病原條件，引入主要的農氣影響因素(如氣溫等)及反映小麥長勢及葉片光譜變化相關的指數特征(如RDVI、NDVI等)來建立監測區域與小麥赤霉病相關的回歸模型，相較傳統方法簡化了實驗及樣本采集工作量，提高病害監測的時效性和針對性等。然而由于不同區域尺度下影響小麥赤霉病的指數特征及非病害因素差異較為明顯，此外在對赤霉病影響較大的氣象因素也主要考慮反映近地表大氣的相關指標而非地面溫度，尤其是對赤霉病影響較大的降水量方面缺乏考慮，因此以往模型在對較大區域監測及農氣條件的描述方面尚存在一定不足。

發明內容

本發明的目的在于：本發明為了解決現有存在的上述技術問題，提供了一種基于衛星遙感的小麥赤霉病監測方法。

本發明采用的技術方案如下：

一種基于衛星遙感的小麥赤霉病監測方法，包括以下步驟：

步驟1：獲取被預測年份及被預測年份前N年內小麥種植區的遙感數據和氣象降水數據，

所述遙感數據包括多光譜數據和熱紅外遙感數據；

步驟2：利用所述多光譜數據計算相對長勢指數；

步驟3：利用所述多光譜數據和熱紅外遙感數據得到歸一化地表溫度指數；

步驟4：利用所述氣象降水數據得到歸一化降水指數；

步驟5：利用所述相對長勢指數、歸一化地表溫度指數和歸一化降水指數，計算被預測

年份小麥赤霉病發病指數。

進一步的，所述步驟2中，相對長勢指數包括相對NDVI指數和相對RDVI指數。

進一步的，所述相對長勢指數的計算步驟如下：

步驟201：利用所述多光譜數據計算被預測年份及被預測年份前N年內同一時期的NDVI指數和RDVI指數，采用的公式如下：

NDVI指數：

RDVI指數：DVI_q＝NIR_q-R_q (2)，

其中，q表示年份序號，NIR_q表示第q年的多光譜數據的近紅外波段，R_q表示第q年多光譜數據的紅色波段，NDVI_q表示第q年的NDVI指數，RDVI_q表示第q年的RDVI指數；