莊東英，王德領(lǐng)，殷 敏，李衛(wèi)國，耿安紅，崔必波*

（1.江蘇沿海地區(qū)農(nóng)業(yè)科學(xué)研究所 新洋試驗(yàn)站，江蘇 鹽城 224049；2.江蘇省農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)信息研究所，江蘇 南京 210000）

0 引言

小麥?zhǔn)俏覈匾募Z食作物，占全國糧食產(chǎn)量的60%左右。及時(shí)準(zhǔn)確地獲取小麥的生長狀況、病蟲害發(fā)生情況、產(chǎn)量等信息是現(xiàn)代農(nóng)業(yè)生產(chǎn)中迫切需要解決的重要問題。病蟲害是小麥生產(chǎn)的主要障礙，是限制小麥產(chǎn)量的主要因素。據(jù)聯(lián)合國糧食組織估計(jì)，世界糧食產(chǎn)量常年因蟲害損失10%，因病害損失14%［1］，且有日益加劇的趨勢(shì)。因此，盡早發(fā)現(xiàn)病蟲害并及時(shí)進(jìn)行科學(xué)防治，是提高作物產(chǎn)量、減少經(jīng)濟(jì)損失的有效途徑，其中對(duì)病蟲害的實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)又是對(duì)其進(jìn)行防治的有效保證。

遙感技術(shù)能夠在不直接接觸目標(biāo)物的情況下，通過獲取目標(biāo)物的電磁波能量與信息（如空間、光譜時(shí)間）實(shí)現(xiàn)對(duì)觀測(cè)目標(biāo)的監(jiān)測(cè)、分析和評(píng)價(jià)［2］。近年來，隨著高光譜遙感、多光譜遙感和高分辨率衛(wèi)星遙感技術(shù)的快速發(fā)展以及統(tǒng)計(jì)和數(shù)學(xué)模型的介入，許多作物的生理生化參數(shù)均得到了有效監(jiān)測(cè)，且精度越來越高［3-6］。因此遙感技術(shù)在作物病蟲害監(jiān)測(cè)方面體現(xiàn)出越來越重要的價(jià)值。筆者簡述了遙感監(jiān)測(cè)病蟲害的機(jī)理和方法，綜述了在冬小麥病蟲害遙感監(jiān)測(cè)方面的研究進(jìn)展，并對(duì)其存在的問題以及未來的發(fā)展動(dòng)向進(jìn)行了思考，以期為冬小麥病蟲害監(jiān)測(cè)提供參考依據(jù)。

1 病蟲害遙感監(jiān)測(cè)的機(jī)理和方法

1.1 遙感監(jiān)測(cè)的機(jī)理

不同作物或同一作物在不同的生長季節(jié)、不同病蟲害為害程度下，有其特殊意義的診斷性光譜特征，因此可以通過遙感技術(shù)來監(jiān)測(cè)作物的生長［7］。小麥對(duì)光譜的反射特性表現(xiàn)為：在可見光波段有強(qiáng)的吸收峰，在近紅外波段有強(qiáng)的反射峰，因而遙感數(shù)據(jù)的敏感波段及其組合可以反映小麥的生長情況［8］，這是應(yīng)用遙感技術(shù)監(jiān)測(cè)冬小麥病蟲害的理論基礎(chǔ)。對(duì)植物病蟲害的監(jiān)測(cè)是通過監(jiān)測(cè)葉片的生物化學(xué)成分來進(jìn)行的；小麥植株受病蟲害為害后，其生理生化參數(shù)的變化表現(xiàn)為可見波段和近紅外波段的變化。因此，可選擇單葉高光譜遙感數(shù)據(jù)和冠層多光譜遙感數(shù)據(jù)獲得的影像來監(jiān)測(cè)冬小麥病蟲害［9］。

1.2 遙感監(jiān)測(cè)的方法

冬小麥?zhǔn)懿∠x害侵染或?yàn)楹?，其外部形態(tài)和內(nèi)部形態(tài)均會(huì)發(fā)生一定的變化，其中外部形態(tài)的變化一般是肉眼可見的，而內(nèi)部形態(tài)的變化一般是隱形的。傳統(tǒng)的病蟲害監(jiān)測(cè)和預(yù)報(bào)主要通過工作人員的調(diào)查、取樣和分析來進(jìn)行，此方法手段落后、時(shí)效差、費(fèi)時(shí)，在一定程度上會(huì)影響病蟲害預(yù)報(bào)的準(zhǔn)確性；而遙感技術(shù)具有快速、高效、宏觀、無損等特點(diǎn)，應(yīng)用該技術(shù)可以提高病蟲害監(jiān)測(cè)的精確性［10］。用于遙感影像的軟件近幾年有了較大進(jìn)展［11］。在ERDAS軟件上的分類方法比較少，主要有非監(jiān)督分類、監(jiān)督分類和決策樹分類3種，其中非監(jiān)督分類為ISODATA法，監(jiān)督分類可以選擇最大似然法、馬氏距離法和最小距離法。在ENVI軟件上的分類方法比較多，包括平行管道法、最大似然法、馬氏距離法、最小距離法、光譜角分類法、神經(jīng)網(wǎng)絡(luò)分類法、支持向量機(jī)分類法、光譜信息分離法、二元編碼法、ISODATA和K-mean法［12］。易康軟件是專門做面向?qū)ο蠓诸惖?，?duì)高分辨率影像的分類效果很好［13］，因此應(yīng)用該軟件能及時(shí)了解小麥的健康狀況，為決策者提供決策依據(jù)。

2 冬小麥病蟲害遙感監(jiān)測(cè)的研究進(jìn)展

冬小麥在生長發(fā)育過程中會(huì)遭受多種病蟲害的危害，主要害蟲為紅蜘蛛、蚜蟲、吸漿蟲，主要病害為紋枯病、白粉病、條銹病和赤霉病。雖然這些病蟲害的表現(xiàn)形式多樣，但其為害后引起小麥葉片細(xì)胞活性、含水量、葉綠素含量、含氮量、可溶性糖含量等生理生化特征的變化基本上是一致的，繼而表現(xiàn)出反射光譜特征的差異。學(xué)者們對(duì)冬小麥病害遙感監(jiān)測(cè)的研究最多，并且取得了一定的研究成果［14-18］。

2.1 冬小麥病害的遙感監(jiān)測(cè)

條銹病的病原是低溫、高濕、強(qiáng)光型真菌，屬擔(dān)子菌亞門真菌；條銹病屬于跨區(qū)域氣候性病害［19］，一旦發(fā)生流行會(huì)給小麥生產(chǎn)造成極大的產(chǎn)量損失，該病害于1950、1964、1990和2002年在我國大面積發(fā)生，分別造成了60億、30億、26億和14億kg的產(chǎn)量損失［20］。

美國在實(shí)施“大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn)”計(jì)劃之后，開始投身于“農(nóng)業(yè)和資源的空間遙感調(diào)查”計(jì)劃［21-22］，由此帶動(dòng)了很多國家應(yīng)用航空遙感來監(jiān)測(cè)植物的侵染性和非侵染性病害。Cater等［15］研究發(fā)現(xiàn)，病蟲害的發(fā)生會(huì)導(dǎo)致作物葉片的可見光區(qū)和近紅外區(qū)的光譜特性均發(fā)生了變化，其中可見光區(qū)的反射率會(huì)隨著病蟲害為害程度的加重而增高，而近紅外區(qū)的反射率則相反。Zhao等［23］在分析受條銹病危害的冬小麥的NDVI、RVI、TVI的變化后，提出了反演冬小麥條銹病的模型。Mirik等［24］研究發(fā)現(xiàn)病蟲發(fā)生量與受害冬小麥的反射光譜有一定的相關(guān)性。

我國將遙感技術(shù)應(yīng)用于作物病蟲害監(jiān)測(cè)的時(shí)間比國外晚，且應(yīng)用的遙感儀器基本上都是高光譜儀器。從1998年開始，全國農(nóng)業(yè)資源區(qū)劃辦公室實(shí)施了“全國農(nóng)作物業(yè)務(wù)遙感估產(chǎn)”項(xiàng)目［25］，該項(xiàng)目利用遙感RS（Remote Sensing）的覆蓋范圍廣和快速特性、全球定位系統(tǒng)GPS（Global Positional System）的準(zhǔn)確定位特性，以及地理信息系統(tǒng)GIS（Geographic Information System）的數(shù)據(jù)處理、分析與解譯功能，為病蟲害的動(dòng)態(tài)監(jiān)測(cè)提供了較為準(zhǔn)確的信息源。羅菊花［26］建立了冬小麥?zhǔn)軛l銹病脅迫與常規(guī)脅迫的識(shí)別模型，并確立了條銹病的脅迫點(diǎn)，能較好地識(shí)別病蟲害；羅菊花還利用掃描式光譜成像儀PHI（Pushbroom Hyperspectral Imager）影像上的紅波段620～718 nm和近紅外波段770～805 nm的光譜反射率，以及相應(yīng)的病情指數(shù)，建立了多元線性回歸模型，并進(jìn)行了病害嚴(yán)重度的反演，反演結(jié)果與地面測(cè)定結(jié)果基本吻合。蔡成靜等［27］研究發(fā)現(xiàn)近地獲得的光譜反射率在可見光譜區(qū)明顯小于高空獲得的光譜反射率，尤其是在顯著明顯的綠峰580 nm和黃邊610 nm處，并在此基礎(chǔ)上建立了回歸模型，為高空監(jiān)測(cè)小麥條銹病奠定了基礎(chǔ)。安虎等［28］根據(jù)光譜反射率和小麥條銹病發(fā)生程度建立了回歸模型。張玉萍等［29］利用ASD手持式地面非成像光譜儀（325-1075）測(cè)定了不同生育期、不同病情指數(shù)的冬小麥的光譜反射率，并且建立了600～703 nm波段處光譜反射率與拔節(jié)期、灌漿期、乳熟期病情指數(shù)間的回歸模型。蔡成靜等［27］利用ASD地面非成像光譜儀對(duì)健康、患條銹病的小麥在某些特定波段的光譜反射率進(jìn)行了比較，發(fā)現(xiàn)在2種小麥間差異顯著，因而能較好地判斷小麥條銹病的發(fā)生；此外，他們還建立了小麥病情指數(shù)與冠層光譜反射率的回歸方程，實(shí)現(xiàn)了對(duì)小麥條銹病的高光譜動(dòng)態(tài)監(jiān)測(cè)。喬紅波等［30］研究發(fā)現(xiàn)小麥灌漿期白粉病的病情指數(shù)與冠層光譜反射率、遙感數(shù)字圖像反射率有顯著的相關(guān)關(guān)系，這為地面高光譜和低空遙感監(jiān)測(cè)冬小麥白粉病的發(fā)生奠定了基礎(chǔ)。喬紅波［31］還利用光譜微分技術(shù)對(duì)受白粉病不同程度為害的小麥冠層的反射率求一階導(dǎo)數(shù)，發(fā)現(xiàn)得出的紅邊反射率在近紅外波段（650～780 nm）發(fā)生了強(qiáng)烈的變化，且隨著為害程度的加重而降低，但紅邊位置變化不明顯。近年來，隨著我國遙感監(jiān)測(cè)技術(shù)的提升，許多學(xué)者［32-37］利用遙感影像分析了受白粉病為害的小麥在主要生育期的光譜特征、生理生化指標(biāo)和病情指數(shù)的變化，建立的回歸模型能監(jiān)測(cè)小麥白粉病的發(fā)生程度，并能評(píng)估出由白粉病為害導(dǎo)致的產(chǎn)量損失，這為精確監(jiān)測(cè)冬小麥病害發(fā)生程度和精準(zhǔn)農(nóng)業(yè)管理提供了數(shù)據(jù)支持。

2.2 冬小麥病蟲害的主要數(shù)據(jù)源和處理方法

2.2.1 地面遙感數(shù)據(jù)源 地面遙感數(shù)據(jù)源在測(cè)定過程中不受時(shí)間和空間的限制，通過地面光譜測(cè)量儀器獲得。地面光譜測(cè)量儀器具有光譜分辨率較高、操作簡單等優(yōu)點(diǎn)。常用的地面光譜測(cè)量儀器為ASD Field Spec Pro FR2500高光譜輻射儀，可以用于非破壞性測(cè)定作物冠層的高光譜反射率，其技術(shù)參數(shù)包括光譜范圍、波長精度、測(cè)定速度和輸出波段，其中光譜范圍為325～1050 nm，波長精度為±1 nm，測(cè)定速度的固定掃描時(shí)間為0.1 s，光譜平均最多可達(dá)31800次，輸出波段為512 nm（間隔1.438 nm）。

2.2.2 航空遙感數(shù)據(jù)源 航空遙感數(shù)據(jù)源不僅獲取靈活，而且有較高的空間分辨率和光譜分辨率。用于獲取航空遙感數(shù)據(jù)源的傳感器搭載在飛機(jī)上或氣球上。我國學(xué)者應(yīng)用較多的有我國自主研制的掃描式高光譜成像儀PHI和實(shí)用模塊化成像光譜儀OMIS（Operative Modular Imaging Spectrometer）等。PHI監(jiān)測(cè)的光譜范圍為400～850 nm，共有80個(gè)波段，其光譜分辨率＜5 nm，像元數(shù)為380像元/行，最大掃描率為60 行/s。OMIS覆蓋了可見光、近紅外、中短波紅外和熱紅外波譜區(qū)，共128個(gè)波段。熊幀等［38］利用OMIS成像儀在江蘇常州進(jìn)行了飛行試驗(yàn)，并結(jié)合GPS定位技術(shù)，對(duì)獲得的遙感圖像進(jìn)行了校正。

我國學(xué)者利用較多的是PHI，并且在冬小麥病蟲害遙感監(jiān)測(cè)研究方面取得了一定的進(jìn)展。劉良云等［39］研究了受條銹病為害以及健康冬小麥的PHI圖像光譜及光譜特征，發(fā)現(xiàn)在560～670 nm黃邊、紅谷波段，受條銹病為害冬小麥的光譜反射率高于健康冬小麥的光譜反射率，而在近紅外波段，健康冬小麥的光譜反射率則高于受害冬小麥的光譜反射率；在此基礎(chǔ)上，他們建立了冬小麥條銹病病情指數(shù)的反演模型。楊可明等［40］利用患條銹病的小麥的PHI航空高光譜遙感數(shù)據(jù)分析了患病小麥的光譜數(shù)據(jù)，并進(jìn)一步監(jiān)測(cè)了條銹病的病情。

2.2.3 航天遙感數(shù)據(jù)源 用于獲取航天遙感數(shù)據(jù)的傳感器搭載在衛(wèi)星上，因此航天遙感數(shù)據(jù)也稱為衛(wèi)星影像數(shù)據(jù)。隨著我國航天事業(yè)的發(fā)展，衛(wèi)星影像數(shù)據(jù)逐漸豐富，為農(nóng)作物病蟲害遙感監(jiān)測(cè)提供了數(shù)據(jù)支撐。衛(wèi)星遙感數(shù)據(jù)有時(shí)間分辨率、空間分辨率和光譜分辨率這3個(gè)主要特征，其中時(shí)間分辨率用于監(jiān)測(cè)病蟲害發(fā)生時(shí)間的動(dòng)態(tài)變化，空間分辨率用于監(jiān)測(cè)病蟲害的發(fā)生范圍，光譜分辨率用于病蟲害種類的識(shí)別。常用的衛(wèi)星遙感數(shù)據(jù)主要有NOAA/AVHRR、Landsat/TM、SPOT/HRV、CBERS、EOS-MODIS、QUICKBIRD、IRS/LISS、IKONOS、ERS/SAR等。

馮煉等［41］利用光譜數(shù)據(jù)建立了冬小麥健康生長狀況與植被指數(shù)的關(guān)系模型，其中重歸一化植被指數(shù)RDVI和三角植被指數(shù)TVI的可信度較好；將此模型應(yīng)用到HJ衛(wèi)星，發(fā)現(xiàn)衛(wèi)星傳感器數(shù)據(jù)與地面監(jiān)測(cè)數(shù)據(jù)相符，其中TVI的監(jiān)測(cè)符合率達(dá)76.47%。黃林生等［17］基于GF-1遙感數(shù)據(jù)，利用relief-mRMR-GASVM模型監(jiān)測(cè)小麥白粉病的發(fā)生情況，其監(jiān)測(cè)精度比現(xiàn)有的AdaBoost、Pso-LSSVM和RF方法分別提高了21.4、14.3和7.1個(gè)百分點(diǎn)。唐翠翠等［42］基于環(huán)境衛(wèi)星CCD光學(xué)數(shù)據(jù)和IRS熱紅外數(shù)據(jù)提取出了反映小麥長勢(shì)的多種植被指數(shù)、生境因子等，并建立了3種預(yù)測(cè)模型分別對(duì)冬小麥灌漿期的蚜蟲發(fā)生情況進(jìn)行預(yù)測(cè)，結(jié)果發(fā)現(xiàn)相關(guān)向量機(jī)的預(yù)測(cè)精度優(yōu)于其他2種模型的。

2.2.4 數(shù)據(jù)處理方法 通過各種途徑獲得的圖像數(shù)據(jù)需要經(jīng)過預(yù)處理，具體包括遙感數(shù)據(jù)預(yù)處理和遙感數(shù)據(jù)常用處理方法2個(gè)方面。

遙感數(shù)據(jù)預(yù)處理包括輻射校正、幾何校正、數(shù)字圖像鑲嵌、圖像統(tǒng)計(jì)和圖像分類等常用方法。遙感器本身的光電系統(tǒng)特征、太陽高度、地形以及大氣條件等都會(huì)引起光譜亮度的失真，輻射校正能消除摻雜在影像中的對(duì)輻射亮度的各種干擾項(xiàng)，以便能更準(zhǔn)確地反映目標(biāo)物的反射和輻射特征。原始遙感圖像通常有嚴(yán)重的幾何變形，而幾何校正可以消除這種幾何變形，幾何校正包括地面控制點(diǎn)（GCP）的選取、多項(xiàng)式糾正模型、重采樣等過程。當(dāng)研究區(qū)超出單幅遙感圖像所覆蓋的范圍時(shí)，通常需要將2幅或多幅圖像拼接起來，形成1幅或一系列覆蓋全區(qū)的較大圖像，這個(gè)過程就是圖像鑲嵌。對(duì)多光譜遙感數(shù)據(jù)進(jìn)行基本的單元和多元統(tǒng)計(jì)分析可以為顯示和分析這些遙感數(shù)據(jù)提供許多有用信息。此外，圖像分類是圖像處理的基礎(chǔ)性工作。

遙感數(shù)據(jù)常用處理方法包括影像融合和影像分類。對(duì)于影像融合而言，HIS變換和主成分變換為典型的2種方法；影像分類以區(qū)分圖像中所含的多個(gè)目標(biāo)物為目的，確定每個(gè)像元所屬地物類別。

2.3 冬小麥病蟲害遙感監(jiān)測(cè)方法

2.3.1 光譜反射率分析法 光譜反射率分析法在監(jiān)測(cè)冬小麥病蟲害方面具有直接、簡便和快速的特點(diǎn)；該方法通過傳感器獲得數(shù)據(jù)，然后分析轉(zhuǎn)換后的光譜反射率特征，比較受害冬小麥和健康冬小麥的光譜特征，從而獲得受害冬小麥的光譜特征信息。張曉艷等［43］研究指出患條銹病小麥的光譜反射率與病情指數(shù)之間存在相關(guān)性，能為冬小麥條銹病害做出早期診斷。趙葉等［44］構(gòu)建了日光誘導(dǎo)葉綠素?zé)晒鈹?shù)據(jù)模型和反射率光譜數(shù)據(jù)模型，這2種模型均能監(jiān)測(cè)小麥生育期間條銹病的發(fā)生情況。

2.3.2 植被指數(shù)分析法 植被指數(shù)通常選用對(duì)綠色植物強(qiáng)吸收的可見光紅波段和對(duì)綠色植物高反射和高透射的近紅外波段進(jìn)行組合，來反映隱含的植物信息。在病蟲害監(jiān)測(cè)中，常用的植被指數(shù)有歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）等。段維納等［45］將歸一化植被指數(shù)、陸地葉綠素指數(shù)和日光誘導(dǎo)葉綠素?zé)晒庵笖?shù)分別與SIFP融合，構(gòu)建了小麥條銹病的遙感監(jiān)測(cè)模型，模型的預(yù)測(cè)精度均得到了提升，其中以NDVI和MTCI為自變量的遙感監(jiān)測(cè)模型的精度最優(yōu)。同時(shí)，在水稻、大豆等其他作物中，學(xué)者們也利用植被指數(shù)分析法監(jiān)測(cè)病蟲害，并取得了一定的研究成果［46-50］。2.3.3 導(dǎo)數(shù)光譜分析法 植物導(dǎo)數(shù)光譜數(shù)據(jù)可以反映植物內(nèi)部物質(zhì)的吸收波形的變化，在太陽光的大氣窗口內(nèi)，測(cè)得的光譜是集地物吸收光譜、大氣吸收光譜和散射光譜的混合光譜，其一般以反射率的數(shù)據(jù)圖像表達(dá)。利用導(dǎo)數(shù)光譜分析法可以減少背景噪聲，提高重疊光譜的分辨率，可以分為一階導(dǎo)數(shù)和高階導(dǎo)數(shù)。這種分析方法在一些農(nóng)作物病蟲害的監(jiān)測(cè)中應(yīng)用較多［51-53］。

2.3.4 光譜特征位置分析法 光譜特征位置是指在光譜曲線上具有一定特點(diǎn)（最高點(diǎn)、最低點(diǎn)、拐點(diǎn)等）的波長所在位置，其分析方法包括紅邊效應(yīng)分析和光譜吸收特征分析等。在可見光—近紅外波段形成了藍(lán)光、黃邊、紅邊等特征光譜變化區(qū)域。

肖璐潔等［54-55］研究發(fā)現(xiàn)，冬小麥在倒伏和干旱脅迫下存在紅邊位移現(xiàn)象，這些紅邊參數(shù)可以反映小麥的生長情況，能為技術(shù)監(jiān)控小麥的病害提供參考。學(xué)者們研究最多的是紅邊位置，通常位于680～750 nm之間。當(dāng)植物因感染病蟲害而“失綠”時(shí)，則紅邊會(huì)向藍(lán)光方向移動(dòng)；而當(dāng)紅邊向長波方向移動(dòng)時(shí)植物一般處于旺盛生長狀態(tài)，其生物量大，葉片色素含量高。郭安延［56］研究發(fā)現(xiàn)患條銹病的小麥葉片的光譜反射率在可見光區(qū)域和近紅外區(qū)域均與健康葉片存在區(qū)別，可以用于及時(shí)監(jiān)測(cè)冬小麥的條銹病。錢彬祥等［57］在紅邊位置用改進(jìn)算法反演了冬小麥葉片的葉綠素含量，這為監(jiān)測(cè)冬小麥病蟲害的發(fā)生奠定了理論基礎(chǔ)。在應(yīng)用光譜特征位置分析法監(jiān)測(cè)其他作物病蟲害的發(fā)生方面，同樣取得了一些成果［58-61］。

3 冬小麥病蟲害監(jiān)測(cè)存在的主要問題和研究展望

雖然遙感技術(shù)在我國監(jiān)測(cè)冬小麥病蟲害中已經(jīng)取得了一定的研究進(jìn)展，并且發(fā)揮了一定的作用，但還存在較多的問題，需要今后深入研究和解決。

3.1 監(jiān)測(cè)中存在的問題

3.1.1 監(jiān)測(cè)病蟲害的種類有限 冬小麥的病蟲害種類比較多，前人研究最多的是條銹病、白粉病、蚜蟲等，但有關(guān)紋枯病、赤霉病、吸漿蟲等的研究不多，針對(duì)性不明顯，而這些病蟲害也會(huì)導(dǎo)致小麥減產(chǎn)。在以后的研究中，應(yīng)注重對(duì)冬小麥多種病蟲害的監(jiān)測(cè)與預(yù)報(bào)，及時(shí)準(zhǔn)確地獲取病蟲害信息，盡可能消除多種病蟲害的同時(shí)發(fā)生。

3.1.2 病蟲害遙感監(jiān)測(cè)方法不夠成熟 光譜反射技術(shù)雖然具有普適性，但是缺乏針對(duì)性，只能分析病蟲害的光譜特征，不能反映病蟲害為害對(duì)冬小麥生理生化指標(biāo)的影響，因此在今后的研究中應(yīng)將多種指標(biāo)結(jié)合起來。植被指數(shù)分析法能較好地反映冬小麥?zhǔn)懿∠x害為害后生理生化指標(biāo)的變化，進(jìn)而能反演冬小麥的病情指數(shù)，但是該方法也存在一定的不足，例如構(gòu)建標(biāo)準(zhǔn)不盡相同、容易受冠層背景等的影響。導(dǎo)數(shù)光譜分析法雖然能減少背景噪聲，提高重疊光譜的分辨率，但是該技術(shù)在冬小麥病蟲害監(jiān)測(cè)方面的應(yīng)用研究不多，以后需要擴(kuò)展相關(guān)研究，以進(jìn)一步提高病蟲害監(jiān)測(cè)的精度。光譜特征位置分析法針對(duì)的是某一特征點(diǎn)的波長，不能反映受害小麥的全段光譜信息，這限制了對(duì)冬小麥病蟲害的及時(shí)監(jiān)測(cè)和診斷。

3.2 未來研究展望

3.2.1 完善遙感技術(shù)本身的局限性 首先，由于各個(gè)遙感系統(tǒng)所獲取的遙感數(shù)據(jù)多數(shù)以混合像元方式表達(dá)，這在一定程度上限制了其應(yīng)用精度，因此今后需要開發(fā)穩(wěn)定的高分辨率傳感器。其次，對(duì)遙感圖像判讀、解譯后獲得的往往是對(duì)地物的大致估計(jì)信息或間接信息，這與實(shí)際情況存在出入，且在很多情況下應(yīng)用計(jì)算機(jī)判讀、解譯遙感圖像的誤差比用熟練的人工的誤差大，但全靠人工的方式，則解譯工作量大，工作周期更長。最后，遙感信息的獲取、解譯技術(shù)還比較復(fù)雜，需要多種專業(yè)人員的協(xié)作配合才能完成這項(xiàng)工作。在今后的研究與應(yīng)用中，應(yīng)改進(jìn)人工和計(jì)算機(jī)判讀方法和解譯技術(shù)，以提高對(duì)小麥病蟲害的監(jiān)測(cè)精度。

3.2.2 多種遙感數(shù)據(jù)相結(jié)合 遙感數(shù)據(jù)的質(zhì)量和處理方法決定了病蟲害監(jiān)測(cè)的效果。數(shù)據(jù)源的質(zhì)量需得到進(jìn)一步的改善，應(yīng)綜合采用多波段數(shù)據(jù)、多時(shí)相遙感數(shù)據(jù)、多類型遙感數(shù)據(jù)。例如我國南方地區(qū)多云多雨，光學(xué)衛(wèi)星遙感數(shù)據(jù)往往不易獲得，應(yīng)采用雷達(dá)遙感數(shù)據(jù)進(jìn)行全天時(shí)、全天候的監(jiān)測(cè)，以彌補(bǔ)光學(xué)遙感數(shù)據(jù)的不足。為了提高監(jiān)測(cè)精度，今后除了綜合使用NOAA、Landsat、HJ衛(wèi)星等中低分辨率衛(wèi)星遙感數(shù)據(jù)外，還有必要結(jié)合使用高分辨的衛(wèi)星遙感數(shù)據(jù)（如快鳥、SPOT、IKONOS等）。除此之外，應(yīng)同時(shí)開展實(shí)地調(diào)查，彌補(bǔ)或改進(jìn)遙感數(shù)據(jù)處理方法的不足。

3.2.3 病蟲害監(jiān)測(cè)預(yù)報(bào)模型的改進(jìn) 病蟲害監(jiān)測(cè)預(yù)報(bào)模型多數(shù)以回歸模型為主，其主要通過統(tǒng)計(jì)計(jì)算和相關(guān)分析建立，很少解答預(yù)測(cè)因子與預(yù)報(bào)對(duì)象之間的相關(guān)性；所建模型的參數(shù)也有限，導(dǎo)致模型的普適性與機(jī)理性差，因而在不同地區(qū)、不同條件下較難推廣應(yīng)用。因此，將作物品種、土壤因素、氣候條件等因素進(jìn)行綜合考慮，明確影響作物病蟲害發(fā)生的主要誘因，建立以多方面因素為預(yù)測(cè)因子的監(jiān)測(cè)模型，提高模型的通用性和可解釋性，便于作物病蟲害監(jiān)測(cè)預(yù)報(bào)模型在不同的年份、不同的區(qū)域、不同的時(shí)相內(nèi)推廣應(yīng)用。

3.2.4 利用遙感數(shù)據(jù)反演農(nóng)情參數(shù) 小麥病蟲害的發(fā)生與作物的長勢(shì)、氣候環(huán)境條件等因素關(guān)系較為密切。因此，利用遙感技術(shù)可及時(shí)、大面積地反演作物生長期間的葉面積指數(shù)、生物量、葉綠素含量、氮素含量等指標(biāo)，以及農(nóng)田環(huán)境因素如溫度、濕度等信息，有利于根據(jù)這些指標(biāo)和因素對(duì)病蟲害的發(fā)生進(jìn)行預(yù)測(cè)預(yù)報(bào)。

3.2.5 綜合應(yīng)用3S技術(shù) RS（遙感）不是一門獨(dú)立的學(xué)科，其應(yīng)用已經(jīng)與GIS（地理信息系統(tǒng)）和GPS（全球定位系統(tǒng)）融為一體。RS技術(shù)能及時(shí)獲取大量的小麥信息；GPS能對(duì)受害的小麥進(jìn)行精確定位；GIS能對(duì)獲得的數(shù)據(jù)進(jìn)行及時(shí)有效的處理。因此，綜合應(yīng)用GIS、GPS和RS技術(shù)，集成專家知識(shí)、數(shù)據(jù)庫和作物模型等信息，建立作物病蟲害監(jiān)測(cè)預(yù)報(bào)系統(tǒng)，大面積開展作物病蟲害監(jiān)測(cè)預(yù)報(bào)，對(duì)于農(nóng)業(yè)植保部門準(zhǔn)確獲取作物病蟲害信息，開展科學(xué)防治意義重大。