1.一种基于地表温度反演技术的小麦白粉病遥感监测方法,其特征在于,包括以下步骤:
11)源数据的获取和预处理,获取遥感卫星数据包括高分一号WFV数据、Landsat-8OLI数据和MODIS数据,并进行数据预处理;
12)小麦种植面积的提取,利用高分一号WFV数据反演NDVI结合高程数据以及近红外波段反射率进行小麦种植面积的提取;
13)小麦生长状态的反演,采用ReliefF算法进行植被指数特征选择,计算植被指数特征与各类别的相关性赋予特征不同的权重,按照从高到低的权重选择特征,对各特征进行分析,选择类间相关系数最小的组合作为模型反演的最佳特征组合;
14)地表温度的反演,以Landsat-8TIRS数据反演对小麦白粉病发生的生境影响因子地表温度;
15)MODIS温度和Landsat-8反演地表温度的时空融合,以MODIS温度数据作为时序数据序列的组成部分,进行Landsat-8地表温度数据和MODIS温度的时空融合;
16)基于地表温度遥感监测模型的构建,建立将LST和植被指数作为输入因子的遥感监测模型;
17)小麦白粉病遥感监测结果的获得,使用高分一号WFV数据的植被指数作为植被长势因子,使用Landsat-8地表温度和MODIS时空融合所得的地表温度作为生境因子,通过基于地表温度遥感监测模型,获得了小麦白粉病情遥感监测的结果。
2.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法,其特征在于,所述小麦生长状态的反演包括以下步骤:
21)将所有植被指数特征根据Relief算法按权重降序排序,以权重0.075为阈值,选择出8个植被指数特征;
22)对8个植被指数特征进行两两相互分析,与权重最高特征相关系数高于0.9的剔除,之后剔除与权重次高特征的相关系数高于阈值的特征,并以此类推;
23)选出3个植被指数特征作为地表温度遥感监测模型的基础。
3.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法,其特征在于,所述地表温度的反演包括以下步骤:
31)图像预处理,对OLI数据和TIRS数据进行辐射定标、去云处理;
32)根据OLI数据计算归一化植被指数NDVI;
33)根据由归一化植被指数NDVI计算的植被覆盖度FVC,并按照地表比辐射率公式计算各像元的比辐射率;
其中,NDVIs为裸土的NDVI值,NDVIv为纯植被的NDVI值;
34)根据两个热红外通道的观测亮温选定一定范围的滑动窗口通过协方差与方差的比值计算大气水汽柱含量并据此确定公式中的系列参数bi,利用MODTRAN和TIGR大气廓线建立通过率比值与大气水汽含量的经验关系式并用其计算大气透过率,非线性劈窗算法计算地表温度的公式如下:其中,反演地表温度LST为TIRS数据的热线外数据,ε和Δε分别表示MODTRAN和TIGR大气廓线的发射率均值与差值,取决于地表分类与覆盖度;Ti和Tj为MODTRAN和TIGR大气廓线的观测亮温,bi(i=0,1...,7)为各项系数,其为可通过实验室数据、大气参数数据以及大气辐射传输方程得到的模拟数据集;
35)计算像元的地表温度,选取了小麦关键的起身期、拔节期、开花期和灌浆期的四期Landsat-8数据反演计算像元的地表温度,其公式如下:其中,LSTi为单时相Landsat-8反演的地表温度,为LSTi归一化后的温度因子,i=(1,2,
3,4)代表四个时相,20的意义在于白粉病发生的适宜温度上限为20℃,SLST代表Landsat-8多时相地表温度的累积。
4.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法,其特征在于,所述MODIS温度和Landsat-8反演地表温度的时空融合包括以下步骤:
41)利用Landsat-8反演LST数据和MODIS温度产品计算LST;
42)STARFM算法获取同一时刻tk的低分辨率遥感图像LR和高分辨率遥感图像HR,得到该时刻HR和LR间像元值之间的偏差值D,偏差值由系统误差和地物变化引起,公式如下:D=HR(xi,yi,tk)-LR(xi,yi,tk);
43)根据选择的移动窗口确定相似像元的时间距离权重和空间距离权重,基于两者都是LST,光谱距离权重为1;
44)根据某一时刻的MODIS LST预测对应时刻的Landsat-8LST,假定偏差值不变,其计算公式如下:其中,w为移动窗口的尺度,(xw/2,yw/2)为移动窗口中心像元的位置,Wij为窗口内相似像元对中心像元的权重系数;
45)根据STARFM算法得出的时空融合后的20期LST数据(LSTj)与4期Landsat-8LST数据(LSTi)计算LMLST,其公式如下:
5.根据权利要求1所述的一种基于地表温度反演技术的小麦白粉病遥感监测方法,其特征在于,所述基于地表温度遥感监测模型的构建包括以下步骤:
51)设定支持向量机SVM,其模型的判别函数如下:
其中,ai为Lagrange乘子,Sv为支持向量,xi与yi为两个类别的支持向量,b为阈值,k(xi,x)为满足Mercer定理的正定核函数;
52)设定输入因子xi为选取出的植被指数特征,输入类型yi为MODIS地表温度时空融合的累积温度LMLST。