2021年其他一类农作物病虫害全国发生趋势预报
1
2021
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
2021年其他一类农作物病虫害全国发生趋势预报
1
2021
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
我国农药生产和使用现状及其展望
1
2011
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
我国农药生产和使用现状及其展望
1
2011
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
浅析农药使用减量控害的意义
1
2021
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
浅析农药使用减量控害的意义
1
2021
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
作物病虫害遥感监测与预测研究进展
5
2018
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
... 遥感技术在水稻病虫害上的应用分为两部分：①水稻病虫害监测：基于光谱特征响应的遥感监测，病虫害胁迫前后水稻的光谱特征的变化是遥感监测的基础；②水稻病虫害预测：水稻病虫害的发生需要适宜的环境因素，地表温度、气象数据等因素与水稻病虫害的发生密切相关，可以将这些因素作为指标来预测病虫害的发生［4］. ...
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
作物病虫害遥感监测与预测研究进展
5
2018
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
... 遥感技术在水稻病虫害上的应用分为两部分：①水稻病虫害监测：基于光谱特征响应的遥感监测，病虫害胁迫前后水稻的光谱特征的变化是遥感监测的基础；②水稻病虫害预测：水稻病虫害的发生需要适宜的环境因素，地表温度、气象数据等因素与水稻病虫害的发生密切相关，可以将这些因素作为指标来预测病虫害的发生［4］. ...
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
水稻生产农药使用现状调查
1
2013
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
水稻生产农药使用现状调查
1
2013
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
当前水稻病虫害发生动态
1
2018
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
当前水稻病虫害发生动态
1
2018
... 粮食是保证国家国泰民安的最根本基础，粮食安全是国家安全的根基.然而，每年受病虫害的影响可导致粮食总产量减少1/4.中国作为农业大国，专家综合病虫源基数、作物种植制度、布局以及气候等因素预计2021年作物病虫害发生面积达14.28亿亩次［1］.喷洒农药在一定程度上能控制病虫草害等对作物的影响，约能挽回产量1/3的损失［2］.但是过度农药的喷洒极易造成环境污染、农药残留超标、农产品质量下降等问题［3］.因此，及时掌握病虫害发生位置、范围和严重程度是进行精准防治任务的关键［4］.水稻作为中国第一大粮食作物，种植面积约为0.3亿hm2［5］，病虫害累计发生面积达1.97亿亩次［6］，对水稻病虫害进行实时监测、预测和及时防控，对中国粮食安全问题、环境污染防治问题等都具有非常重要的现实意义. ...
农作物病虫害遥感监测研究进展与发展对策
1
2012
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
农作物病虫害遥感监测研究进展与发展对策
1
2012
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
遥感技术在水稻病虫害监测中的应用
1
2006
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
遥感技术在水稻病虫害监测中的应用
1
2006
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
作物病虫害高光谱遥感进展与展望
1
2021
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
作物病虫害高光谱遥感进展与展望
1
2021
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
Remote sensing quantitative monitoring of crop growth and soil nutrients and its application
1
2020
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
遥感技术在精准农业中的现状及发展趋势
2
2019
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
遥感技术在精准农业中的现状及发展趋势
2
2019
... 传统的作物病虫害监测方法主要是依靠植保人员肉眼观察，存在一定的主观性，且费时费力，时效性也差.随着遥感技术的发展，遥感方法成为病虫害监测的一种常用方法［7］.遥感是通过接收地物的辐射信息，对地物的性质、特征和状态进行分析.水稻在受到病虫害侵扰后，病虫害会破坏水稻的色素系统和细胞结构等，导致水稻内在生理生化参数和外在形态发生变化，遥感技术探测到的光谱信息也不同，因此，遥感技术能够用于水稻病虫害的监测［8］.目前病虫害的研究包括有胁迫与健康作物的分类、多种病虫害同时发生时的有效识别、病虫害发生严重程度的定量分析以及病虫害发生的早期检测［9］，而且研究范围从叶片尺度逐渐扩大到田块尺度以及区域尺度，天空地遥感技术的发展为精准农业提供了精确的多源数据.中国发射的一系列高分辨率卫星和欧洲太空局发射的哨兵系列等卫星大大缩短了对地观测的周期，连同中国的风云系列、资源系列、环境系列等卫星以及大量商业卫星构筑了一个高频度、高空间分辨率、多谱段、全覆盖的对地观测系统［10］.无人机平台和轻小型无人机载遥感传感器的不断突破不仅极大提高了观测分辨率，同时为一些地块破碎及多云多雨的区域提供了更灵活的数据获取手段［4］.地面遥感技术如地面近红外遥感技术、地面高光谱遥感技术的发展进一步提高了作物病虫害监测及其胁迫严重度的检测精度［11］，并且使病虫害的早期监测成为可能.且随着遥感技术、数据融合技术的发展以及遥感与作物病理学、作物生态学等联系的加强，使得遥感技术能进一步实现作物病虫害的预测.本文就水稻病虫害遥感监测预测机理、多尺度遥感监测方法、预测方法、模型构建方法及遥感监测预测系统等多方面对水稻病虫害遥感监测预测研究进展进行了总结，并就现有研究存在的问题及未来发展趋势进行了讨论. ...
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
童庆禧，张兵，郑兰芬
1
2006
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
基于PCA和PNN的水稻病虫害高光谱识别
2
2009
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
基于PCA和PNN的水稻病虫害高光谱识别
2
2009
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Investigation on data fusion of multisource spectral data for rice leaf diseases identification using machine learning methods
3
2020
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Using SPOT-5 images in rice farming for detecting BPH （Brown Plant Hopper）
1
2014
... 水稻在病虫害胁迫条件下光谱反射率变化是进行遥感监测的基本依据［4］.健康水稻光谱特征在可见光波段，受叶绿素影响，吸收多，反射少；在近红外波段，受到叶子内部细胞结构的影响，光谱反射率较高［12］.可见光波段和红外波段常用于水稻病虫害的识别，如：李波等使用原始分段光谱可见光（490~670 nm）、短红外（520~1 750 nm）进行PCA主成分提取，第一、第二主分量累计贡献率可达95%以上，采用第一、第二主分量作为输入向量进行PNN训练，当SPREAD=0.1时，PNN的分类精度最高，总体分类精度高达95.65%［13］；Feng等［14］使用可见/近红外高光谱、中红外光谱和激光诱导光谱3种光谱对水稻的白叶枯病、稻瘟病和水稻纹枯病多种病害进行了研究，结果表明基于全谱段的可见/近红外高光谱选择最优分类模型精度高达100%，中红外光谱测试集最高准确率为96.88%，激光诱导光谱最高准确率为86.54%；Ghobadifar等［15］使用SPOT5影像监测水稻纹枯病，基于近红外波段和红波段分别构建了NDVI、RVI、SDI植被指数，结果表明这些指数都可以用于水稻纹枯病的监测. ...
Monitoring plant diseases and pests through remote sensing technology： A review
1
2019
... 病虫害胁迫会破坏水稻色素、细胞结构等，水稻叶片发育不良，有病虫害造成的明显病斑虫伤、叶面积减少、叶片枯黄脱落等外在症状［16］，这些症状能够被遥感传感器监测到，形成光谱图像特征，进而用于识别水稻病虫害，如：Zhang等［17］使用RGB图像和多光谱图像能够检测出水稻纹枯病；Fan等［18］在对二化螟的研究中，基于灰度共生矩阵提取了高光谱图像的均值、方差、同质性、对比度、相异性、熵、二阶矩和相关性一系列纹理特征，并对比了基于全光谱、特征波长、纹理特征和特征波长融合的二化螟侵染度评估模型，结果表明基于特征波长和纹理特征融合的模型取得了最好的性能；Phadikar等［19］提出了一种基于费米能量的图像分割方法，将图像的感染区域从背景中分离出来，根据现场专家的意见，利用感染部位的颜色、形状和位置等特征来表征疾病症状，然后使用约简算法，选择特征（共14个），最后利用所选特征，建立了覆盖所有病株图像的规则库分类器.水稻病虫害监测能够实现病虫害的精准定位，为精准施肥，及时防控提供理论基础. ...
Detection of rice sheath blight using an unmanned aerial system with high-resolution color and multispectral imaging
1
2018
... 病虫害胁迫会破坏水稻色素、细胞结构等，水稻叶片发育不良，有病虫害造成的明显病斑虫伤、叶面积减少、叶片枯黄脱落等外在症状［16］，这些症状能够被遥感传感器监测到，形成光谱图像特征，进而用于识别水稻病虫害，如：Zhang等［17］使用RGB图像和多光谱图像能够检测出水稻纹枯病；Fan等［18］在对二化螟的研究中，基于灰度共生矩阵提取了高光谱图像的均值、方差、同质性、对比度、相异性、熵、二阶矩和相关性一系列纹理特征，并对比了基于全光谱、特征波长、纹理特征和特征波长融合的二化螟侵染度评估模型，结果表明基于特征波长和纹理特征融合的模型取得了最好的性能；Phadikar等［19］提出了一种基于费米能量的图像分割方法，将图像的感染区域从背景中分离出来，根据现场专家的意见，利用感染部位的颜色、形状和位置等特征来表征疾病症状，然后使用约简算法，选择特征（共14个），最后利用所选特征，建立了覆盖所有病株图像的规则库分类器.水稻病虫害监测能够实现病虫害的精准定位，为精准施肥，及时防控提供理论基础. ...
Cost-sensitive stacked sparse auto-encoder models to detect striped stem borer infestation on rice based on hyperspectral imaging
2
2019
... 病虫害胁迫会破坏水稻色素、细胞结构等，水稻叶片发育不良，有病虫害造成的明显病斑虫伤、叶面积减少、叶片枯黄脱落等外在症状［16］，这些症状能够被遥感传感器监测到，形成光谱图像特征，进而用于识别水稻病虫害，如：Zhang等［17］使用RGB图像和多光谱图像能够检测出水稻纹枯病；Fan等［18］在对二化螟的研究中，基于灰度共生矩阵提取了高光谱图像的均值、方差、同质性、对比度、相异性、熵、二阶矩和相关性一系列纹理特征，并对比了基于全光谱、特征波长、纹理特征和特征波长融合的二化螟侵染度评估模型，结果表明基于特征波长和纹理特征融合的模型取得了最好的性能；Phadikar等［19］提出了一种基于费米能量的图像分割方法，将图像的感染区域从背景中分离出来，根据现场专家的意见，利用感染部位的颜色、形状和位置等特征来表征疾病症状，然后使用约简算法，选择特征（共14个），最后利用所选特征，建立了覆盖所有病株图像的规则库分类器.水稻病虫害监测能够实现病虫害的精准定位，为精准施肥，及时防控提供理论基础. ...
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Rice diseases classification using feature selection and rule generation techniques
1
2013
... 病虫害胁迫会破坏水稻色素、细胞结构等，水稻叶片发育不良，有病虫害造成的明显病斑虫伤、叶面积减少、叶片枯黄脱落等外在症状［16］，这些症状能够被遥感传感器监测到，形成光谱图像特征，进而用于识别水稻病虫害，如：Zhang等［17］使用RGB图像和多光谱图像能够检测出水稻纹枯病；Fan等［18］在对二化螟的研究中，基于灰度共生矩阵提取了高光谱图像的均值、方差、同质性、对比度、相异性、熵、二阶矩和相关性一系列纹理特征，并对比了基于全光谱、特征波长、纹理特征和特征波长融合的二化螟侵染度评估模型，结果表明基于特征波长和纹理特征融合的模型取得了最好的性能；Phadikar等［19］提出了一种基于费米能量的图像分割方法，将图像的感染区域从背景中分离出来，根据现场专家的意见，利用感染部位的颜色、形状和位置等特征来表征疾病症状，然后使用约简算法，选择特征（共14个），最后利用所选特征，建立了覆盖所有病株图像的规则库分类器.水稻病虫害监测能够实现病虫害的精准定位，为精准施肥，及时防控提供理论基础. ...
1
2009
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
1
2009
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
广西甘蔗常见病虫害及其防治技术概述
1
2017
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
广西甘蔗常见病虫害及其防治技术概述
1
2017
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
小麦主要病虫害的发生规律及防治措施
1
2014
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
小麦主要病虫害的发生规律及防治措施
1
2014
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
气候变化对农作物病虫害发生发展趋势的影响
1
2018
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
气候变化对农作物病虫害发生发展趋势的影响
1
2018
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
Integrating remotely sensed and meteorological observations to forecast wheat powdery mildew at a regional scale
3
2017
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
... ［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Habitat monitoring to evaluate crop disease and pest distributions based on multi-source satellite remote sensing imagery
2
2017
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
... 近些年，随着科技的发展，国内外接连发射了大量卫星，包括有国外的Landsat、WorldView、PlanetScope等以及国内的资源卫星、高分卫星、风云卫星等.卫星遥感具有观测范围广、数据采集快和重复、连续观测的特点，适用于区域尺度的水稻病虫害监测.Shi等［37］使用PL卫星获取的多光谱数据提出构建归一化两阶段植被指数，结果表明，归一化两阶段植被指数有较好的识别能力，并基于PL卫星图像，用VIs作为输入变量，PLS-DA为制图框架，绘制疾病分布图，与野外调研结果高度一致；唐倩［38］将高光谱数据和高分二号遥感多光谱数据结合实现了对稻纵卷叶螟的严重程度的反演；Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数和环境特征实现对作物病虫害的预测；Ghobadifar等［39］研究指出SPOT图像可以通过识别植物叶片中叶绿素含量和绿色程度来显示田间受感染作物的粗糙散射，利用这些指标特征可以明确区分褐飞虱和纹枯病感染的水稻和健康水稻的阈值.然而卫星遥感因为其探测范围大，相应的空间分辨率相对较小，且光谱分辨率也有一定的限制，虽然卫星也能携带高光谱传感器如EO-1 Hyperion卫星、高分五号卫星等，但是由于受数据量以及空间分辨率的限制，多是用在研究中，较难大范围广泛投入到于实际应用中. ...
稻飞虱生境因子遥感监测及应用
1
2013
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
稻飞虱生境因子遥感监测及应用
1
2013
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
长江中下游典型地区水稻纹枯病生境评价多源数据集
1
2019
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
长江中下游典型地区水稻纹枯病生境评价多源数据集
1
2019
... 病虫害的发生是需要一定的生态条件来支撑的，病害的发生离不开温度、湿度等环境因素，虫害的发生多是与空间分布、气候变化等有关［20］.如低温高湿环境，容易引发甘蔗凤梨病［21］，且小麦在该环境条件下，可能会导致白粉病、锈病等病害情况更加严重［22］；粘虫具有春季北迁的特点，且若温度环境升高达2.69 ℃，则粘虫会有一个快速的生长发育阶段［23］.遥感技术作为获取空间连续观测的重要手段，在获取作物生物物理状态和生境特征信息方面有巨大的潜力，信息技术和卫星图像的发展极大地改善了生境监测［14］.水稻病虫害预测主要是基于多源数据融合、特征与模型方法构建研究等实现的.Zhang等［24］在对小麦白粉病的研究中指出相较于仅使用气象数据（如降水、温度、太阳辐射、湿度等），利用遥感和气象数据构建的综合模型预测精度更高，总体精度从69%提升到78%.Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数（GNDVI和VARIred）和环境特征（湿度、绿色度和LST）来评估作物病虫害，与仅基于植被指数的模型相比，结合植被和环境指数的FLDA模型在作物病虫害发生预测方面更为准确（准确率分别为71%和82%）.石晶晶［26］研究了长江三角洲地区水稻稻飞虱与生境因子的关系，使用了MODIS、Landsat、GDEM、TRMM等数据反演水稻的空间分布、植被指数、气温、降水等生境因子，并采用多元统计法实现了对稻飞虱危害等级的预报预测.田洋洋等［27］使用了水稻纹枯病病害调查数据、光学遥感数据和气象数据等多源数据，反演了与病害相关的生境因子并建立了病害等级评价模型.水稻病虫害遥感预测技术利用多源数据与适宜水稻病虫害发生发展的生境因子，如地表温度数据、气象数据、水稻种植范围等，综合作物特征与生态环境构建预测模型，对病虫害的发生发展进行预测. ...
Hyperspectral discrimination and response characteristics of stressed rice leaves caused by rice leaf folder
1
2011
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
基于单叶成像高光谱的水稻叶瘟病害早期监测
1
2019
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
基于单叶成像高光谱的水稻叶瘟病害早期监测
1
2019
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
Hyperspectral detection of rice damaged by rice leaf folder（Cnaphalocrocis Medinalis）
1
2012
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
稻纵卷叶螟和褐飞虱为害水稻的光谱监测
1
2013
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
稻纵卷叶螟和褐飞虱为害水稻的光谱监测
1
2013
... 近地水稻病虫害遥感监测多是使用高光谱遥感技术针对水稻叶片尺度以及冠层尺度监测的技术.高光谱遥感技术因其丰富的窄波段信息，更多的保留了水稻的光谱细节信息，受到广大研究者们的青睐.Liu等［28］使用高光谱数据，在对健康和受稻纵卷叶螟胁迫的水稻的光谱特征研究中发现受胁迫水稻叶片在可见光区（430~470 nm、490~610 nm和610~680 nm）和一个短波红外区（2 080~2 350 nm）具有较高的反射率，在近红外（780~890 nm）和短波红外（1 580~1 750 nm）波段的反射率较正常叶片低；万泽福［29］使用单叶的高光谱成像数据，反演稻瘟病感染前后的水稻生化参数，并以水稻生化参数作为支持向量机（SVM）的输入特征，实现了对感病和健康样本的分类，分类精度可达90%以上；Huang等［30］使用高光谱数据研究了基于叶片尺度的稻纵卷叶螟有7个敏感光谱区：503~521 nm、526~545 nm、550~568 nm、581~606 nm、688~699 nm、703~715 nm和722~770 nm，基于冠层尺度的稻纵卷叶螟有1个敏感光谱区：747~754 nm，选用了同稻纵卷叶螟侵染相关性高的指数构建了线性回归模型；黄建荣［31］使用高光谱数据在冠层尺度上对不同生育期的水稻褐飞虱的胁迫进行了研究，构建了基于光谱指数的多元回归模型.近地水稻病虫害监测为水稻病虫害监测提供了理论基础.但是，受实际生产及应用需求，水稻病虫害的研究更倾向于田块尺度及区域尺度发展. ...
基于无人机平台的稻纵卷叶螟为害程度遥感监测
1
2020
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
基于无人机平台的稻纵卷叶螟为害程度遥感监测
1
2020
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
基于多尺度遥感的寒地水稻稻瘟病信息提取与识别研究
1
2017
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
基于多尺度遥感的寒地水稻稻瘟病信息提取与识别研究
1
2017
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
基于多尺度遥感技术的水稻病虫害监测研究
1
2019
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
基于多尺度遥感技术的水稻病虫害监测研究
1
2019
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
Detection of rise damage by leaf folder（Cnaphalocrocis medinalis） using unmanned aerial vehicle based hyperspectral data
1
2020
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
Remote sensing analysis of rice disease stresses for farm pest management using wide-band airborne data
1
2003
... 针对田块尺度的水稻监测，特别是破碎的田间地块，无人机遥感技术相对来说是最合适的监测方法.无人机遥感不需要人为操控驾驶，可实现对目标的连续拍照监测，实时监测目标情况.田明璐等［32］使用基于无人机的多光谱遥感对稻纵卷叶螟危害水稻的程度进行了研究，结合敏感光谱波段（560 nm、717 nm、840 nm、668 nm）和植被指数（NDVI、DVI），建立的模型能够实现对稻纵卷叶螟的识别；袁建清［33］使用无人机获取的多光谱遥感影像，构建水稻穗颈瘟区分模型，能够实现田块级的病害区分填图和区域病害填图；孙盈蕊［34］在田块尺度上使用无人机机载的高光谱非成像监测仪对水稻病虫害胁迫严重程度的光谱进行分析，在近红外波段，病虫害等级越高，水稻光谱反射率越低，利用PNN建立了病虫害严重程度的反演模型，能够实现水稻田病虫害的精准监测；Liu等［35］使用无人机高光谱传感器，获取水稻孕穗期的冠层光谱反射率，并使用新开发的双波段光谱指数（R490-R470）、三波段光谱指数（R400-R470）/（R400-R490）和已经公开发布的光化学反射光谱指数（R550-R531）/（R550+R531）建立回归模型，实现了对水稻卷叶率的估算；Qin等［36］使用机载的宽带高分辨率数据，分析水稻纹枯病胁迫前后的光谱变化，通过对植被指数和疾病指数的分析，构建了新的图像指数RSI，用于定量评估稻纹枯病感染程度.无人机遥感具有灵活、高时空分辨率的特点，已经在小区域范围的作物病虫害监测得到了广泛的应用.但是由于受无人机续航能力、观测时间等的限制，对于大面积区域尺度的水稻监测仍有一定的局限性. ...
Partial least square discriminant analysis based on normalized two-stage begetation indices for mapping damage from rice diseases using planet scope datasets
1
2018
... 近些年，随着科技的发展，国内外接连发射了大量卫星，包括有国外的Landsat、WorldView、PlanetScope等以及国内的资源卫星、高分卫星、风云卫星等.卫星遥感具有观测范围广、数据采集快和重复、连续观测的特点，适用于区域尺度的水稻病虫害监测.Shi等［37］使用PL卫星获取的多光谱数据提出构建归一化两阶段植被指数，结果表明，归一化两阶段植被指数有较好的识别能力，并基于PL卫星图像，用VIs作为输入变量，PLS-DA为制图框架，绘制疾病分布图，与野外调研结果高度一致；唐倩［38］将高光谱数据和高分二号遥感多光谱数据结合实现了对稻纵卷叶螟的严重程度的反演；Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数和环境特征实现对作物病虫害的预测；Ghobadifar等［39］研究指出SPOT图像可以通过识别植物叶片中叶绿素含量和绿色程度来显示田间受感染作物的粗糙散射，利用这些指标特征可以明确区分褐飞虱和纹枯病感染的水稻和健康水稻的阈值.然而卫星遥感因为其探测范围大，相应的空间分辨率相对较小，且光谱分辨率也有一定的限制，虽然卫星也能携带高光谱传感器如EO-1 Hyperion卫星、高分五号卫星等，但是由于受数据量以及空间分辨率的限制，多是用在研究中，较难大范围广泛投入到于实际应用中. ...
大田水稻稻纵卷叶螟危害的地面高光谱特征分析及受害程度的卫星遥感估算
1
2021
... 近些年，随着科技的发展，国内外接连发射了大量卫星，包括有国外的Landsat、WorldView、PlanetScope等以及国内的资源卫星、高分卫星、风云卫星等.卫星遥感具有观测范围广、数据采集快和重复、连续观测的特点，适用于区域尺度的水稻病虫害监测.Shi等［37］使用PL卫星获取的多光谱数据提出构建归一化两阶段植被指数，结果表明，归一化两阶段植被指数有较好的识别能力，并基于PL卫星图像，用VIs作为输入变量，PLS-DA为制图框架，绘制疾病分布图，与野外调研结果高度一致；唐倩［38］将高光谱数据和高分二号遥感多光谱数据结合实现了对稻纵卷叶螟的严重程度的反演；Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数和环境特征实现对作物病虫害的预测；Ghobadifar等［39］研究指出SPOT图像可以通过识别植物叶片中叶绿素含量和绿色程度来显示田间受感染作物的粗糙散射，利用这些指标特征可以明确区分褐飞虱和纹枯病感染的水稻和健康水稻的阈值.然而卫星遥感因为其探测范围大，相应的空间分辨率相对较小，且光谱分辨率也有一定的限制，虽然卫星也能携带高光谱传感器如EO-1 Hyperion卫星、高分五号卫星等，但是由于受数据量以及空间分辨率的限制，多是用在研究中，较难大范围广泛投入到于实际应用中. ...
大田水稻稻纵卷叶螟危害的地面高光谱特征分析及受害程度的卫星遥感估算
1
2021
... 近些年，随着科技的发展，国内外接连发射了大量卫星，包括有国外的Landsat、WorldView、PlanetScope等以及国内的资源卫星、高分卫星、风云卫星等.卫星遥感具有观测范围广、数据采集快和重复、连续观测的特点，适用于区域尺度的水稻病虫害监测.Shi等［37］使用PL卫星获取的多光谱数据提出构建归一化两阶段植被指数，结果表明，归一化两阶段植被指数有较好的识别能力，并基于PL卫星图像，用VIs作为输入变量，PLS-DA为制图框架，绘制疾病分布图，与野外调研结果高度一致；唐倩［38］将高光谱数据和高分二号遥感多光谱数据结合实现了对稻纵卷叶螟的严重程度的反演；Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数和环境特征实现对作物病虫害的预测；Ghobadifar等［39］研究指出SPOT图像可以通过识别植物叶片中叶绿素含量和绿色程度来显示田间受感染作物的粗糙散射，利用这些指标特征可以明确区分褐飞虱和纹枯病感染的水稻和健康水稻的阈值.然而卫星遥感因为其探测范围大，相应的空间分辨率相对较小，且光谱分辨率也有一定的限制，虽然卫星也能携带高光谱传感器如EO-1 Hyperion卫星、高分五号卫星等，但是由于受数据量以及空间分辨率的限制，多是用在研究中，较难大范围广泛投入到于实际应用中. ...
Detection of BPH （Brown Planthopper） sheath blight in rice farming using multispectral remote sensing
1
2016
... 近些年，随着科技的发展，国内外接连发射了大量卫星，包括有国外的Landsat、WorldView、PlanetScope等以及国内的资源卫星、高分卫星、风云卫星等.卫星遥感具有观测范围广、数据采集快和重复、连续观测的特点，适用于区域尺度的水稻病虫害监测.Shi等［37］使用PL卫星获取的多光谱数据提出构建归一化两阶段植被指数，结果表明，归一化两阶段植被指数有较好的识别能力，并基于PL卫星图像，用VIs作为输入变量，PLS-DA为制图框架，绘制疾病分布图，与野外调研结果高度一致；唐倩［38］将高光谱数据和高分二号遥感多光谱数据结合实现了对稻纵卷叶螟的严重程度的反演；Yuan等［25］基于Worldview 2和Landsat 8卫星数据提取植被指数和环境特征实现对作物病虫害的预测；Ghobadifar等［39］研究指出SPOT图像可以通过识别植物叶片中叶绿素含量和绿色程度来显示田间受感染作物的粗糙散射，利用这些指标特征可以明确区分褐飞虱和纹枯病感染的水稻和健康水稻的阈值.然而卫星遥感因为其探测范围大，相应的空间分辨率相对较小，且光谱分辨率也有一定的限制，虽然卫星也能携带高光谱传感器如EO-1 Hyperion卫星、高分五号卫星等，但是由于受数据量以及空间分辨率的限制，多是用在研究中，较难大范围广泛投入到于实际应用中. ...
Characterizing and estimating rice brown spot disease severity using stepwise regression， principal component regression and partial least-square regression
2
2007
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Application of neural networks to discriminate fungal infection levels in rice panicles using hyperspectral reflectance and principal components analysis
2
2010
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Changes in spectral Chara-Cteristics of rice canopy infested with brown planthopper and leaffolder
2
2007
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Application of support vector machine for detecting rice diseases using shape and color texture features
2
2009
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
Classification of paddy leaf diseases using shape and color features
2
2015
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
Spectroscopic detection of rice leaf blast infection from asymptomatic to mild stages with integrated machine learning and feature selection
2
2021
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
基于机器视觉的病虫害检测综述
1
2022
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
基于机器视觉的病虫害检测综述
1
2022
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
Identification and recognition of rice diseases and pests using convolutional neural networks
2
2020
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
Brown rice planthopper（Nilaparvata Lugens Stal） detection based on deep learn- ing
1
2020
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
基于分组注意力模块的实时农作物病害叶片语义分割模型
1
2021
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
基于分组注意力模块的实时农作物病害叶片语义分割模型
1
2021
... （2）机器学习模型.机器学习模型又可以分为经典机器学习模型和深度学习模型.经典机器学习模型包括有KNN、决策树、SVM等模型算法，应用在水稻病虫害监测，如：Yao等［43］使用SVM实现了对水稻白叶枯病、纹枯病和稻瘟病等病害的检测和区分，准确率达到97.2%；Suman等［44］基于遥感影像病叶的颜色和形状特征使用SVM实现了对水稻白叶枯病、褐斑病、窄褐斑病和稻瘟病的分类；Tian等［45］将线性判别分析（LDA）、K近邻模型（K-NN）、SVM 机器学习模型用于对水稻稻瘟病早期监测识别的研究.然而经典机器模型算法更多是依靠经验选择特征对病虫害监测识别，容易受人为特征选择的影响［46］.深度学习模型的发展，则较好地改善了这一问题，其明确特征学习的重要性，利用大数据学习特征，能更好应用于图像识别和分类，如：Rahman等［47］基于卷积神经网络模型对水稻病虫害进行研究，其中对VGG16和InceptionV3等最先进的大规模体系结构进行微调，结果表明在实际数据集中是有效的，然后提出了两阶段小型CNN架构，所提出的结构能够达到预期的准确率93.3%，且模型尺寸明显减小；He等［48］针对褐飞虱提出了基于双层的快速R-CNN检测算法，在不同数目和不同虫龄的检测中平均准确率分别为94.64%和92.92%；钟昌源等［49］通过结合语义分割两大类模型框架的优点，提出分组注意力模块，构建了农作物病害的实时语义分割模型，分割像素精度可达93.9%.机器学习方法是一种不依赖于规则设计的数据学习算法，近年来常用于进行回归分析和解决分类问题，但是其也存在计算复杂且收敛慢等问题. ...
Fast detection of striped stem-borer （Chilo suppressalis Walker） infested rice seedling based on visible/Near-infrared hyperspectral imaging system
1
2017
... （3）过程机理和知识图谱方法.水稻病虫害的遥感监测识别是基于病虫害胁迫前后水稻光谱变化实现的，病虫害胁迫造成的水稻叶片色素和细胞结构等功能失调，使得遥感技术检测到的光谱也发生了变化.可见—近红外光谱响应特征和荧光波段光谱响应特征是水稻病虫害遥感监测的两个主要光谱特征，如：很多学者基于可见光—近红外波段光谱响应特征分别实现了对二化螟、水稻纹枯病、褐飞虱等病虫害的监测［50-52］；Hao等［53］研究表明白叶枯病侵染会导致水稻光合性能降低，且对叶绿素荧光Fm和Φ有显著影响，指出叶绿素荧光可用于植物病害的无损监测.知识图谱模型方法通过整合病虫害常用得识别特征如形状、颜色、纹理等特征，构建知识图谱模型，在该模型基础上，对病虫害进行监测识别.如Ferentinos［54］使用plant village数据集和互联网上3万多张田间图片组成数据集，在对健康作物或作物病虫害识别中，最佳性能达到了99.53%. ...
Detection of rice sheath blight for in-season disease management using multispectral remote sensing
1
2005
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
Detection of brown plantho-pper infestation based on spad and spectral data from rice under different rates of nitrogen fertilizer
1
2015
... （3）过程机理和知识图谱方法.水稻病虫害的遥感监测识别是基于病虫害胁迫前后水稻光谱变化实现的，病虫害胁迫造成的水稻叶片色素和细胞结构等功能失调，使得遥感技术检测到的光谱也发生了变化.可见—近红外光谱响应特征和荧光波段光谱响应特征是水稻病虫害遥感监测的两个主要光谱特征，如：很多学者基于可见光—近红外波段光谱响应特征分别实现了对二化螟、水稻纹枯病、褐飞虱等病虫害的监测［50-52］；Hao等［53］研究表明白叶枯病侵染会导致水稻光合性能降低，且对叶绿素荧光Fm和Φ有显著影响，指出叶绿素荧光可用于植物病害的无损监测.知识图谱模型方法通过整合病虫害常用得识别特征如形状、颜色、纹理等特征，构建知识图谱模型，在该模型基础上，对病虫害进行监测识别.如Ferentinos［54］使用plant village数据集和互联网上3万多张田间图片组成数据集，在对健康作物或作物病虫害识别中，最佳性能达到了99.53%. ...
Influence of bacterial leaf blight on the photosynthetic characteristics of resistant and susceptible rice
1
2018
... （3）过程机理和知识图谱方法.水稻病虫害的遥感监测识别是基于病虫害胁迫前后水稻光谱变化实现的，病虫害胁迫造成的水稻叶片色素和细胞结构等功能失调，使得遥感技术检测到的光谱也发生了变化.可见—近红外光谱响应特征和荧光波段光谱响应特征是水稻病虫害遥感监测的两个主要光谱特征，如：很多学者基于可见光—近红外波段光谱响应特征分别实现了对二化螟、水稻纹枯病、褐飞虱等病虫害的监测［50-52］；Hao等［53］研究表明白叶枯病侵染会导致水稻光合性能降低，且对叶绿素荧光Fm和Φ有显著影响，指出叶绿素荧光可用于植物病害的无损监测.知识图谱模型方法通过整合病虫害常用得识别特征如形状、颜色、纹理等特征，构建知识图谱模型，在该模型基础上，对病虫害进行监测识别.如Ferentinos［54］使用plant village数据集和互联网上3万多张田间图片组成数据集，在对健康作物或作物病虫害识别中，最佳性能达到了99.53%. ...
Deep learning models for plant disease detection and diagnosis
1
2018
... （3）过程机理和知识图谱方法.水稻病虫害的遥感监测识别是基于病虫害胁迫前后水稻光谱变化实现的，病虫害胁迫造成的水稻叶片色素和细胞结构等功能失调，使得遥感技术检测到的光谱也发生了变化.可见—近红外光谱响应特征和荧光波段光谱响应特征是水稻病虫害遥感监测的两个主要光谱特征，如：很多学者基于可见光—近红外波段光谱响应特征分别实现了对二化螟、水稻纹枯病、褐飞虱等病虫害的监测［50-52］；Hao等［53］研究表明白叶枯病侵染会导致水稻光合性能降低，且对叶绿素荧光Fm和Φ有显著影响，指出叶绿素荧光可用于植物病害的无损监测.知识图谱模型方法通过整合病虫害常用得识别特征如形状、颜色、纹理等特征，构建知识图谱模型，在该模型基础上，对病虫害进行监测识别.如Ferentinos［54］使用plant village数据集和互联网上3万多张田间图片组成数据集，在对健康作物或作物病虫害识别中，最佳性能达到了99.53%. ...
Characterization of brown planthopper damage on rice drops through hyperspectral remote sensing under field conditions
1
2014
... Typical models of remote sensing monitoring and prediction
Table 1| 病虫害名称 | 建模方法 | 文献出处 |
|---|
| 稻颖枯病 | 主成分分析(PCA)、学习矢量量化(LVQ) | [41] |
| 褐斑病 | 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) | [40] |
| 稻瘟病 | 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) | [45] |
| 纹枯病 | 线性回归(LR)、决策树(CART) | [51] |
| 叶枯病、稻瘟病和纹枯病 | 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) | [14] |
| 白叶枯病、纹枯病和稻瘟病 | 支持向量机(SVM) | [43] |
| 白叶枯病、褐斑病、窄褐斑病和稻瘟病 | 支持向量机(SVM) | [47] |
| 褐飞虱 | 多元线性回归(MLR) | [55] |
| 二化螟 | 反向传播神经网络(BPNN)、线性判别分析(LDA) | [18] |
| 褐飞虱和稻纵卷叶螟 | 多元线性回归(MLR) | [42] |
| 稻干尖线虫病、稻纵卷叶螟 | 概率神经网络(PNN) | [13] |
| 病虫害 | 卷积神经网络(CNN) | [44] |
（1）统计分析模型.Liu等［40］使用多元逐步回归分析、主成分回归分析以及偏最小二乘回归分析反演水稻褐斑病的严重程度，结果表明偏最小二乘回归分析效果最好.Liu等［41］在对稻颖枯病的研究中，使用主成分分析、方差分析、人工神经网络分析对稻颖枯病严重程度进行了分析.Yang等［42］在对褐飞虱和稻纵卷叶螟对水稻侵染严重程度的研究中，使用多元线性回归分析，结果显示，具有两个以上SCs的模型在鉴别虫害严重程度方面效果更好.统计分析方法对数据具有很强的依赖性，通用性不是很好，但因其原理简单、计算方便受到研究者们的青睐. ...
作物病虫害遥感监测和预测预警研究进展
1
2019
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
作物病虫害遥感监测和预测预警研究进展
1
2019
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Remote sensing of the distribution and abundance of host species for spruce budworm in Northern Minnesota and Ontario
1
2008
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Estimation of insect infestation dynamics using a temporal sequence of Landsat data
1
2008
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Mapping insect defoliation in scots pine with MODIS time-series data
1
2009
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Influence of landscape pattern on epidemic of rice sheath blight disease at regional scale
1
2018
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
广东西南部水稻主要病虫发生气象规律及预测研究概述
1
2020
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
广东西南部水稻主要病虫发生气象规律及预测研究概述
1
2020
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
RiceTalk： Rice blast detection using internet of things and artificial intelligence technologies
1
2020
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
Development of an early warning system for Brown Planthopper （BPH）（Nilaparvata Lugens）in rice farming using multispectral remote sensing
1
2016
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
水稻白叶枯病再流行原因分析与防控对策研究
1
2016
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
水稻白叶枯病再流行原因分析与防控对策研究
1
2016
... 中国植保工作长期以“预防为主，综合防治”作为指导方针，因此对水稻病虫害发生的早期预测是防治工作的关键.病虫害的发生发展如病菌孢子的繁殖、传播、侵染，以及虫卵的出土、羽化、成虫等也是长时间过程，而且需要适宜的景观格局和生境条件［11］.多时相影像具有连续且丰富的波段信息，通过分析可得到受到病虫害侵染的作物在时间序列图像中的一些光谱特征的时间轨迹［24］；作物病虫害的发生发展和局部爆发是随着周围的生境条件动态变化［56］，因此结合多时相遥感数据与生境数据能够提高对作物病虫害的早期监测预警能力.Wolter等［57］利用多时相遥感影像，实现了对云杉卷叶蛾寄主的生境参数的反演；Goodwin等［58］利用多时相陆地卫星影像，实现了对受到甲虫侵扰的松树的分类；Eklundh等［59］发现MODIS时间序列影像能够用于定位松林昆虫危害斑块；Zhang等［24］采用多时相影像，通过分析提取了光谱的时间变化信息，实现了对区域尺度小麦白粉病的监测.在水稻方面：Zhang等［60］使用安徽、江苏、浙江等9个地区的20幅Landsat TM-8遥感影像进行景观分析，提取了斑块密度、分形维数、景观破碎化指数等景观特征指标，并与水稻纹枯病的发生和流行相联系，结果表明，景观指标可以作为区域水稻纹枯病发生和流行的重要指标；陈冰等［61］对2000~2018年广东省化州市发生以及流行的水稻病虫害与气象条件关系及预测模型进行了系统的概述，表明水稻病虫害的发生和流行与气象条件密切相关；Chen等［62］研究表明相对湿度的最小值、最大值、极差和平均温度对稻瘟病的预测有着显著的影响，通过物联网（获取湿度、温度等数据）和人工智能技术实现了对水稻稻瘟病的预测；Ghobadifar等［63］使用SPOT5影像和气候数据构建了水稻褐飞虱监测模型，结果表明，温度和相对湿度是影响田间褐飞虱侵染的两个重要因素；沈颖等［64］在分析水稻白叶枯病流行原因时指出通过整理分析白叶枯病发生危害、气候条件等资料，构建模型，可对白叶枯病的发生发展进行预测.遥感数据与生境数据结合，以遥感数据为基础结合满足水稻病虫害环境适宜性的生境数据，更贴合作物生长特性，对于水稻病虫害的早期预测与及时防控有一定的积极作用. ...
基于卷积神经网络的水稻病虫害识别分类系统设计与实现
1
2021
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
基于卷积神经网络的水稻病虫害识别分类系统设计与实现
1
2021
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
分布式移动农业病虫害图像采集与诊断系统设计与试验
1
2017
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
分布式移动农业病虫害图像采集与诊断系统设计与试验
1
2017
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
黑龙江农作物病虫害在线监测管理系统开发与应用
1
2017
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
黑龙江农作物病虫害在线监测管理系统开发与应用
1
2017
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
基于Android和深度学习的稻田病虫害智能诊断系统的研究与实现
1
2020
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
基于Android和深度学习的稻田病虫害智能诊断系统的研究与实现
1
2020
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
水稻重大病虫害跨境跨区域监测预警体系的构建与应用
1
2020
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
水稻重大病虫害跨境跨区域监测预警体系的构建与应用
1
2020
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
成都市现代农业“四情”监测系统运用情况及建议
1
2018
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
成都市现代农业“四情”监测系统运用情况及建议
1
2018
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
Remote sensing monitoring and prediction of crop diseases and insect pests
1
2015
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
A web-based information system for plant disease forecast based on weather data at high spatial resolution
1
2010
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
Mobile computing for pest and disease management using spectral signa-ture analysis：A review
1
2022
... 病虫害的监测预报是科学防治和精准用药的基础，建立监测预警系统应当是面向建立一种能够实现对病虫害持续、高效监测，能够及时提供相关信息，实现信息共享和综合防治，集自动化和智能化一体的系统.曾弟先等［65］基于深度学习的TensorFlow框架构建了卷积神经网络图片识别平台，用户上传病虫害图片，平台能够自动进行识别分类.姚青等［66］设计的农业病虫害图像采集与诊断系统，包含图像采集和图像处理两部分，实现了水稻纹枯病的田间实时监测，准确率为83.5%.陈继光等［67］研发了基于黑龙江农作物病虫害的监测系统，系统由Web在线监测系统和Android终端调查系统两块组成，基于GIS对病虫害等级进行分析预测.邵泽中［68］开发了稻田病虫害智能诊断APP客户端，能够用于对稻田49种害虫和47种病害的识别，还包含专家诊断功能和历史记录功能等，给基层测报人员和农民在稻田病虫害的识别上提供了极大的便利.刘万才等［69］提出对于水稻迁飞性害虫和具有传播能力的病害实行跨区域和跨境监测，该监测体系的构建，明显提高了水稻病虫害的监测预警能力.成都市“四情”监测系统是包含气象数据和视频数据等，可以实现对作物的生长状况及生长环境等的监测［70］.空天信息创新研究院发布的病虫害遥感监测与预测系统，使用多源数据如遥感数据、气象数据等，实现了植被病虫害的监测与预测［71］.韩国京畿道农作物种植户开发了基于网络的植物病害预测信息系统，该系统由气象数据采集系统、作业处理系统、数据存储系统和Web服务系统四部分组成，能够精确到个别农场每日或每小时的染病风险，用于指导农民种植［72］.Che'ya等［73］指出基于频谱分析的移动应用系统在作物病虫害管理中具有重要作用，能够用于病虫害早期感染监测，并及时给出治疗方案和预防措施，以防止进一步感染.作物病虫害作为一种生物胁迫，具有高度动态性的特点［4］，遥感监测预警系统应当加强多源遥感数据的综合使用，搭建能满足大尺度病虫害发生情况的实时动态监测预警平台.以上病虫害监测与预测系统在满足对水稻病害与虫害种类及严重程度识别的基础上，还具有图片上传以及图片识别等功能，极大地方便了基层测报人员及农民的使用.病虫害监测与预测系统的建立，极大地促进了农业的智慧与自动化管理. ...
