fighting!!!
图1. 稻叶瘟侵染下不同病害严重程度的水稻光谱反射率。A. 单叶尺度不同接种后天数(Days after inoculation, DAI);B. 近地面冠层尺度不同病情指数(Disease index, DI)。
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。RBVI:前人研究中对稻叶瘟较敏感的植被指数,SVI:类似RIBI的植被指数,TBVI:传统三波段植被指数,OD:其他类型病害指数,CW:叶绿素及水分敏感植被指数。
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。不同颜色散点代表在不同时期和试验点获取的样本。
该研究进一步对Sentinel-2卫星影像提取的RIBInir进行时间序列分析和热点分析发现,在时间维度上,基于RIBInir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,RIBInir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(以江苏省淮安市唐曹村为例)Sentinel-2影像植被指数的时间序列结果比较(A. RIBInir; B. NDVI)。红色星号表示不同水平下的显著性差异。
图5.两个典型研究区卫星影像RIBInir和NDVI的热点分析结果(左:江苏省淮安市唐曹村;右:江苏省淮安市太平村)。黑色点代表实地调查点。
[来源:南京农业大学公众号平台]
2022.11.30
2022.11.29
2030年全球在线紫外-可见光谱市场预计达18.8亿美元,在线测量推动紫外市场发展
2022.11.21
2024.07.12
2024.07.12
1878万贵州省水生态监测管理体系建设及综合能力提升项目(实验室能力建设)
2024.07.12
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~