病虫害是影响粮食产量和质量的重要因素，传统的人工监测方式效率低、覆盖面有限，难以满足现代农业生产的需求。时维遥感运用卫星遥感技术构建了农作物病虫害卫星监测系统，实现了对病虫害的大范围、高时效、低成本监测，为粮食安全保驾护航。

病虫害监测的重要性

我国农作物病虫害现状

我国农作物病虫害种类多、分布广、危害重，是影响粮食生产的重要因素。

主要病虫害类型方面，我国已记录的农作物病虫害种类超过1500种，其中常年造成严重危害的超过100种。水稻、小麦、玉米三大粮食作物分别面临稻瘟病、纹枯病、稻飞虱，小麦赤霉病、白粉病、蚜虫，玉米螟、粘虫、大小斑病等多种病虫害的威胁。

年均发生面积方面，根据农业农村部统计数据，全国主要农作物病虫害年均发生面积超过60亿亩次，其中粮食作物病虫害发生面积约45亿亩次。病虫害造成的产量损失约占总产量的5%-10%，严重发生年份损失率更高。

造成的产量损失方面，尽管我国病虫害防控工作取得显著成效，但病虫害每年仍造成粮食损失约2000万吨，损失率约5%。如果防治不及时或措施不当，局部地区的损失率可能高达30%-50%，甚至绝收。

传统监测方法局限方面，长期以来，病虫害监测主要依靠基层农技人员的人工调查。这种方式存在监测覆盖面有限、时效性差、人力成本高、主观性强等问题，难以满足大面积、实时监测的需求。

遥感监测技术优势

卫星遥感技术的引入为病虫害监测带来了新的可能。

大范围覆盖是遥感监测的首要优势。一景卫星影像可以覆盖数万至数十万平方公里，可以一次性获取整个区域的病虫害发生信息，克服了人工调查覆盖面有限的缺陷。

时效性保障可以及时发现病虫害发生。卫星重访周期可达数天，配合多星组网可以实现每日观测。当病虫害发生时，可以第一时间获取信息，为防控决策争取时间。

成本优势明显适合大面积常态化监测。卫星遥感监测的单位成本远低于人工调查，适合建立大面积、长期连续的监测网络。

动态连续监测可以追踪病虫害发展变化。通过时序遥感数据分析，可以监测病虫害的发生、发展、消退全过程，为预测预警和效果评估提供数据支撑。

卫星监测技术原理

病虫害光谱响应机制

遥感监测病虫害的物理基础是病虫害胁迫下作物光谱特征的变化。

健康植被光谱特征呈现典型的"绿峰红谷"形态。在可见光蓝、绿波段有较高反射，在红光波段因叶绿素吸收形成反射低谷，在近红外波段因叶肉细胞结构反射形成反射高峰。这种光谱形态是绿色植物的共性特征。

病虫害胁迫光谱变化表现为多种特征参数的改变。当作物受到病虫害侵染时，叶片中的叶绿素含量下降，导致可见光波段的反射率升高；叶肉细胞结构受损，导致近红外波段的反射率下降；叶片含水量变化影响短波红外的反射特性。

可见光波段响应主要反映色素变化。病虫害侵染导致叶绿素分解，可见光波段的反射率会明显升高。严重时，叶片发黄、发白，在影像上呈现淡黄色或白色斑块。

近红外与短波红外特征反映了组织结构变化。近红外反射率下降是作物受害的敏感指标，短波红外与叶片含水量密切相关，可以反映作物水分状况的变化。

植被指数在病虫害监测中的应用

植被指数是将多个光谱波段组合形成的定量指标，在病虫害监测中应用广泛。

NDVI与病虫害关系最为密切。归一化植被指数（NDVI）是反映植被生长状况的最常用指标。当作物受到病虫害胁迫时，NDVI会显著下降。NDVI的变化幅度与病虫害危害程度呈正相关。

红边位置变化是早期诊断的敏感指标。红边是植被光谱曲线在红光到近红外之间的陡峭拐点位置。病虫害胁迫会导致红边位置向短波方向移动（蓝移），这是病虫害早期诊断的重要依据。

水分指数应用可以监测作物水分胁迫。与病虫害相关的水分胁迫包括生理失水（蒸腾受阻）和组织失水（细胞破裂），都会导致水分指数下降。常用的水分指数包括NDWI、LSWI等。

新型植被指数开发不断拓展监测能力。时维遥感针对不同作物和不同病虫害类型，开发了系列化的专项监测指数，如稻瘟病敏感指数（RRI）、小麦白粉病指数（WRI）等。

多源数据融合方法

多源数据融合可以发挥不同数据源的优势，提高监测的准确性和可靠性。

光学与雷达数据融合可以克服云层遮挡。光学影像光谱信息丰富，雷达数据可以穿透云层。两者的融合可以提高数据可用性和监测连续性。

高分与中高分结合可以平衡空间细节与覆盖范围。高分辨率数据适合精细监测，中分辨率数据适合大范围普查。两者结合可以同时满足不同层级的监测需求。

地面与卫星协同可以提高监测精度。地面调查数据可以作为训练样本和验证数据，提高卫星监测的分类精度和可靠性。

时序数据分析可以追踪病虫害动态变化。单期影像只能获取瞬时信息，时序数据可以分析病虫害的发生、发展、消退过程，预测未来趋势。

主要病虫害监测技术

稻瘟病卫星监测

稻瘟病是水稻生产上最严重的病害之一，卫星遥感技术在稻瘟病监测中取得了较好效果。

光谱特征分析是稻瘟病监测的基础。稻瘟病侵染水稻后，叶片出现褐色斑点，严重时整株枯死。病叶在可见光波段的反射率明显升高，在近红外波段反射率下降，形成典型的"褪绿"特征。

监测指标选择对于监测效果至关重要。时维遥感的研究表明，红边叶绿素指数（CIre）和植被健康指数（VHI）在稻瘟病监测中效果较好，监测结果与田间调查结果的相关性系数可达0.75以上。

监测时间窗口的选择影响监测效果。稻瘟病在水稻分蘖盛期至灌浆期发病最为严重，此阶段是监测的最佳时间窗口。抽穗前后的监测尤为重要，因为穗颈瘟对产量影响最大。

损失评估方法需要结合病害严重度。时维遥感建立了不同发病等级与产量损失率的关系模型，可以根据监测到的病害分布估算产量损失。

小麦赤霉病监测

小麦赤霉病是长江中下游麦区的主要病害，不仅造成减产，还会产生毒素，威胁食品安全。

发病时期特征与监测时机密切相关。小麦赤霉病主要在扬花期侵染，此时气象条件（温度、湿度、降雨）对其发生影响最大。赤霉病症状在灌浆期逐渐显现，是遥感监测的最佳时期。

遥感识别方法需要针对病症特点。赤霉病在穗部表现为颖壳变褐、腐烂，在遥感影像上表现为局部区域的亮度升高和纹理异常。时维遥感开发了基于高分辨率影像的赤霉病识别方法。

预警模型构建结合气象因素。赤霉病发生与扬花期气象条件密切相关，时维遥感建立了基于气象预报和遥感监测的赤霉病预警模型，可以提前发布预警信息。

防控建议生成为农户提供指导。预警信息发布时，同步推送防控建议，包括用药时机、药剂选择、施药方法等，帮助农户科学防控。

玉米螟虫监测

玉米螟是玉米生产上的主要害虫，造成玉米产量损失和品质下降。

虫害光谱特征主要表现为叶片损伤。玉米螟幼虫钻蛀玉米茎秆和穗部，取食叶片造成孔洞和缺刻。受害叶片的光谱特征与健康叶片有明显差异。

叶片损伤识别是监测的主要方法。时维遥感采用高分辨率影像进行叶片损伤的自动识别，通过分析叶片的纹理特征和光谱特征，可以识别出受损区域。

发生区域定位需要精细影像数据。玉米螟危害往往呈现聚集分布，准确识别发生区域需要高分辨率影像支撑。无人机航拍可以提供厘米级影像，是重要的补充手段。

危害程度分级为防控决策提供依据。根据叶片受害比例和受害区域面积，可以划分危害等级，为差异化防控提供参考。

草地贪夜蛾监测

草地贪夜蛾是近年来入侵我国的外来害虫，具有繁殖快、迁飞强、危害重的特点。

入侵扩散路径是监测的重要内容。草地贪夜蛾随季风迁飞，2019年从云南入侵后迅速扩散至全国多数省份。时维遥感通过时序遥感分析，重建了草地贪夜蛾的迁飞扩散路径。

遥感监测方法主要基于作物受害特征。草地贪夜蛾低龄幼虫取食叶片形成透明"窗户"状斑痕，高龄幼虫造成叶片缺刻和孔洞。这些受害特征在遥感影像上可以被识别。

预警系统建设是防控的前置工作。时维遥感建立了草地贪夜蛾预警系统，整合气象预报、作物分布、历史发生等数据，预测发生风险和迁飞路径，提前发布预警。

防控效果评估验证防控措施的有效性。通过对比防控前后的遥感监测数据，可以评估防控措施对草地贪夜蛾的控制效果。

监测系统建设方案

数据获取体系

数据获取是监测系统的基础，时维遥感建立了多层次的数据获取体系。

国产卫星数据源是主要数据来源。高分一号、高分二号、高分六号、环境减灾系列等国产卫星提供稳定的数据服务。国产卫星数据获取便捷、政策支持有力，是监测系统的首选数据源。

免费数据资源是重要的补充。哨兵二号、Landsat等免费卫星数据适合大范围常态化监测。时维遥感整合了覆盖全国的历史存档数据，可供历史分析和对比。

数据采购策略确保关键时期的数据需求。针对病虫害监测的关键时期，提前规划数据采购计划，确保能够获取可用数据。

数据更新频率根据监测需求确定。对于常发病虫害，采用月度监测；对于暴发性病虫害，采用周度甚至日度监测。

数据处理流程

影像预处理确保数据质量。预处理包括辐射校正、大气校正、几何校正等步骤，消除各种干扰因素的影响，获取真实的地表信息。

特征提取获取监测指标。包括植被指数计算、光谱特征提取、纹理特征提取等步骤，生成反映作物健康状况的特征数据。

变化检测识别病虫害发生。通过对比分析或时间序列分析，识别作物健康状况的异常变化，确定病虫害发生区域。

结果验证确保监测可靠性。利用地面调查数据对监测结果进行验证，评估监测精度，优化监测方法。

预警预报机制

阈值设定方法是预警的基础。根据历史数据和专家知识，针对不同作物、不同病虫害设定预警阈值。阈值通常分为注意、警告、警报三级。

预警等级划分指导分级响应。注意级提示关注，警告级提示准备防控，警报级提示立即防控。不同等级对应不同的响应措施。

信息发布渠道确保预警送达。时维遥感建立了多渠道预警发布体系，包括短信、APP推送、邮件、微信小程序等多种方式。

响应联动机制提高防控效率。预警信息与农业部门、植保机构、种植大户联动，形成预警-响应-反馈的闭环。

应用案例分析

某省水稻病虫害监测

2023年，时维遥感为某省农业农村部门提供了全年的水稻病虫害监测服务。

监测区域与对象方面，监测覆盖该省15个水稻主产县（市），监测对象包括稻瘟病、纹枯病、稻飞虱等主要病虫害。

技术路线选择方面，采用高分一号卫星进行月度普查，高分二号卫星进行重点区域详查，无人机航拍作为验证和补充手段。

监测周期安排方面，5-9月水稻生长季节实施月度监测，7-8月病虫害高发期加密至周度监测。

应用效果评估方面，全年累计发布监测报告15期、预警信息8次。监测预警帮助该省减少水稻病虫害损失约5万吨，挽回经济损失超过1亿元。

某粮食产区小麦监测

2022年，时维遥感为某小麦主产区的赤霉病防控提供了监测预警服务。

监测背景与需求方面，该产区小麦赤霉病常年偏重发生，防控压力大。农业部门希望借助遥感监测，提高预警的准确性和时效性。

数据与方法方面，采用哨身二号和高分六号卫星影像，结合气象数据和地面调查数据，建立赤霉病预警模型。

监测结果分析方面，4月初发布的预警信息显示，该产区赤霉病发生风险等级为中等偏高，建议在扬花盛期进行预防施药。

防控指导作用方面，农户根据预警信息及时开展了预防施药，赤霉病实际发生程度明显轻于周边未采取预防措施的区域。遥感监测在防灾减灾中发挥了重要作用。

技术挑战与对策

技术难点分析

早期症状难以识别是病虫害遥感监测的主要难点。病虫害早期症状轻微，光谱响应不明显，容易漏识别或误识别。

混合胁迫干扰增加了识别难度。田间往往同时存在多种病虫害或其他胁迫因素（如干旱、营养缺乏），光谱响应混杂，增加了识别难度。

环境因素影响复杂多变。气温、降水、土壤、光照等环境因素都会影响作物的光谱特征，需要建立环境校正模型。

分辨率限制影响精细识别。现有卫星数据的空间分辨率难以直接识别单株作物的病虫害症状，监测结果存在混合像元问题。

解决对策建议

多源数据综合判断可以提高识别可靠性。综合运用光学遥感、雷达遥感、气象数据等多种信息源，进行综合分析和判断。

地面验证网络建设是提高精度的关键。时维遥感建议在主要产区建立地面验证网络，定期开展病虫害调查，为遥感监测提供验证数据。

AI模型持续优化可以提高智能化水平。利用深度学习技术，不断积累训练样本，优化模型算法，提高识别的准确性和适应性。

与专家系统结合可以弥补技术局限。将遥感监测结果与专家知识相结合，形成人机协同的监测预警体系。

实施建议与展望

建设路径建议

从试点到推广是稳妥的实施路径。先选择条件成熟的区域开展试点，积累经验后再逐步推广。

建立标准规范是规模化应用的前提。制定病虫害遥感监测的技术标准和操作规范，统一监测方法和数据格式。

完善监测网络是持续监测的保障。建立省-市-县三级监测网络，形成覆盖主要产区的病虫害监测体系。

加强数据共享可以提高资源利用效率。推动遥感数据、病虫害数据、气象数据的共享交换，发挥数据的综合价值。

技术发展方向

高时空分辨率发展是技术进步的趋势。随着卫星技术的发展，将可以获得更高时空分辨率的观测数据。

AI深度学习应用将提高监测智能化水平。大模型、小样本学习、迁移学习等技术的应用，将进一步提高病虫害识别的准确性和效率。

实时监测预警是能力提升的目标。实现病虫害发生发展的实时监测和即时预警，为防控决策提供更及时的信息支撑。

智慧化决策支持是发展的最终方向。将遥感监测与防控决策系统集成，实现监测-预警-决策-评估的智能化闭环。

时维遥感将继续深耕农作物病虫害卫星监测领域，以技术创新推动服务升级，为保障国家粮食安全贡献力量。