高 媛，竞 霞，刘良云，白宗璠

(1.西安科技大学测绘科学与技术学院，陕西西安 710054；2.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 )

条锈病是我国乃至世界发生面积广、危害程度大的一种小麦病害，严重时可导致小麦减产40%以上[1]。传统依靠人工田间调查的小麦条锈病监测方法费时费力，难以多点同时大面积展开，且由于缺少病害空间分布的准确信息，易导致杀菌剂的漏施、多施，造成作物药害以及土壤污染等环境问题[2]。近年来，随着高光谱遥感技术的发展，一些基于遥感探测数据的无损快速诊断技术被用于作物病害监测中[3]，尤其是利用冠层光谱数据的作物病害遥感探测取得了重要进展[4-7]，但其研究主要是基于已有植被指数或者光谱特征，并未考虑冠层反射光谱在受到土壤覆盖度、冠层几何结构、大气等环境因子对光谱的吸收影响时随着时空的变化[8]，因此针对不同时空下的小麦条锈病，如何获取动态的冠层光谱敏感因子显得尤为重要。刘 琦等[9]在325～1 075 nm全波段范围内成功建立模拟识别小麦条锈病的模型，但其数据直接使用全波段，包含大量无效信息，存在冗余等问题。独立变量分析(independent component analysis,ICA)是一种提取高阶统计上线性无关特征的方法，可以从一组混合观察信号中分离出独立信号，最早用于盲源信号分离问题，具有较高的收敛速度[10]。目前，已有研究将ICA应用于植物重金属污染胁迫信息分析[11-12]。因此，本研究采用独立变量分析对小麦冠层全波段光谱数据进行特征提取，获取冠层光谱敏感因子。……