刘林毅，黄文江，董莹莹，杜小平，马慧琴，3

（1. 中国科学院遥感与数字地球研究所，数字地球重点实验室，北京100094；2. 中国科学院大学，北京100049；3. 南京信息工程大学，应用气象学院，气象灾害预报预警与评估协同创新中心，南京210044）

0 引言

近年来，随着气候变化的影响，我国小麦白粉病的发生与危害日趋严重［1］。据统计，白粉病发病后可使小麦减产10%～20%［2］，严重时可达40%～60%［3］。1980年以前，全国小麦白粉病发病面积在100万hm2以下，1989年首次突破600万hm2。2000年以来，中国小麦白粉病的发生面积一直维持在600万hm2左右，广泛的发生区域使得白粉病严重影响我国的粮食安全。因此对于小麦白粉病的监测一直是众多学者研究的热点。

我国小麦病害的监测主要基于传统经验模型，这种方法多在“点”上开展工作，且依赖人工田间调查，不但费时费力、效率低下，而且无法对大范围小麦种植区进行有效的病害监测。具有快速、实时、大面积、无破坏等特点的对地观测技术的出现，无疑为区域小麦病害监测提供了新的思路和方法［4］。目前区域尺度的小麦白粉病监测主要基于统计分析和模式识别等数据挖掘算法解析卫星影像，构建病害识别、区分和严重度反演模型。如Yuan等［5］基于Worldview-2和Landsat-8卫星影像数据，以绿度归一化植被指数（green normalized difference vegetation index，GNDVI）、红边可见光大气阻抗指数（visible atmospheric resistant index，VARIred-edge）、Greenness和Wetness为 特 征 因子，通过Fisher线性判别分析（Fisher linear discriminant analysis，FLDA）构建了小麦白粉病和蚜虫的监测模型，监测精度达82%。Zhang等［6］基于北京市郊区白粉病实地调查数据，利用多时相HJ-CCD遥感影像，通过马氏距……