冬小麦赤霉病和白粉病多尺度遥感监测

发布时间：2020-10-22 22:53

　　 本文利用遥感手段对不同尺度的病害监测进行研究,以小麦赤霉病和白粉病两种典型小麦作物病害为研究对象,利用实地调查测得的高光谱数据,遥感影像数据对麦穗尺度、冠层尺度和区域尺度的病害进行研究,利用敏感特征变量和分类算法建立监测模型,为农业生产和管理者对小麦病虫害科学提供指导。主要研究工作如下:(1)在麦穗尺度上,利用染病麦穗和健康麦穗由于水分结构等变化造成的反射率差异提出小麦赤霉病敏感特征筛选和监测模型构建方法。通过测定的小麦赤霉病及健康样本的麦穗光谱数据,分别利用反射率特征、植被指数特征和细节特征结合相关分析和SVM以及GAS VM两种分类方法建立了基于麦穗尺度的赤霉病监测模型。筛选出对赤霉病敏感度且差异较显著的特征,包括350nm-400nm、500-600nm和720-1000nm三个特征波段,MSR、NDVI和SIPI三个植被指数,以及WF01和WF02两个小波特征。将筛选出的最优特征变量,结合未经优化的SVM、和经过GA算法优化的SVM(GASVM)共建立了 16种小麦赤霉病监测模型,在所有模型中,MSR结合GASVM建立的监测模型的监测精度最高,精度为75%。(2)在冠层尺度上,基于麦穗尺度的研究基础,筛选出适合冠层尺度病害监测的特征变量,通过实验测定了小麦赤霉病及健康样本的冠层光谱数据,分别利用光谱反射率特征、植被指数特征和细节特征结合相关分析和SVM以及GASVM两种分类方法建立了基于冠层尺度的赤霉病监测模型。筛选出对病敏感度且差异较显著的特征,包括500-600 nm和700-1000 nm两个特征波段,MSR、ARI、TVI和TVInew四个植被指数,以及WF01和WF02两个小波特征。将筛选出的最优特征变量,结合未经优化的SVM、和经过GA算法优化的SVM(GASVM)共建立了 16种小麦赤霉病监测模型,在所有模型中,TVInew结合GASVM建立的监测模型的监测精度最高,精度为88%。(3)在区域尺度上,基于GF-1/WFV数据共提取了4个波段反射率数据和和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算法relief算法筛选出的特征存在冗余性的问题,提出了一种relief结合最小冗余最大相关(minimum redundancy maximum relevance,mRMR)的特征降维算法(relief-mRMR)。首先,通过relief算法计算出各特征的权重系数,对特征集进行加权;然后利用mRMR算法选出与类别具有最小冗余性的特征,利用支持向量机(support vector machine,SVM)对河北白粉病进行监测,并用遗传算法(genetic algorithm,GA)优化的SVM(GASVM)建立了白粉病的监测模型(relief-mRMR-GASVM),将监测结果分别与SVM和网格寻优(grid search,GS)算法优化的SVM(GSSVM)的监测结果进行对比分析,同时比较了该方法与AdaBoost、粒子群(Pso)优化的最小二乘支持向量机(least squares support vector machine,Pso-LSSVM)和随机森林(random forest,RF)3种方法的优越性。结果表明,relief-mRMR算法筛选出的特征与GASVM、SVM和GSSVM建立的监测模型精度比传统relief算法筛选特征所建模型的精度分别提高了14.3%、7.1%和7.2%,比传统mRMR算法筛选特征所建模型的精度分别提高了 14.3%、14.2%和14.3%。relief-mRMR算法结合GASVM建立的监测模型精度为所有模型中最高,精度为85.7%,分别比SVM和GSSVM所建监测模型精度提高了21.4%和7.2%。此外,GF-1数据结合relief-mRMR-GASVM模型的监测精度分别高出AdaBoost、Pso-LSSVM和RF方法21.4%、14.3%和7.1%。说明GF-1 数据结合relief-mRMR-GASVM模型可用于小麦白粉病的遥感监测。表明遥感数据提取作物生长和生境信息的病害监测可用于实际的生产生活中。
【学位单位】：安徽大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP79;S435.121.4
【部分图文】：

主要研宄基于冠层尺度的小麦病害监测模型构建；第五章主要研究结合卫星影像??实现对区域尺度病害监测；第六章是对全文的研宄内容进行总结以及在今后的研??宄中需要改进的地方进行描述。技术路线流程图如图１．２所示。??５??ｒ?？?＿??

冠层尺度下的小麦赤霉病监测实验针对如何利用冠层光谱数据筛选在冠层??尺度上的敏感特征以及如何构建监测模型构建进行研宄。实验于２０１８年０５月在??安徽省合肥市、白湖和舒城市开展（图２．２）。实地测得的冠层样本量统计结果如??表２．１所示。本实验为冠层尺度的小麦赤霉病监测提供数据保障。??８??

２．１．３区域尺度下的小麦病害监测实验??区域尺度的小麦白粉病监测实验的研究区域位于河北省石家庄市的藁城１１１??（如图２．３）。河北省麦区在气候分区中属于黄河流域冬小麦白粉病易发气候区??１Ｕ２］。该区域地势平缓开旷且全境皆平原，由于此地地势平坦，气候变化不大，??以温暖湿闷为主，加之当地水肥条件好，产量高，麦田群体密度高，且是白粉病??发生的典型区域［１，２３］，故可以考虑利用遥感卫星影像来对小麦白粉病进行监测⑴。??９??
【相似文献】

相关期刊论文 前10条

1 王超杰;;小麦赤霉病防治试验及防治措施[J];河南农业;2016年30期

2 邢立志;张鑫;;小麦赤霉病防治研究进展[J];安徽农学通报;2019年18期

3 顾国伟;凌小明;冯新军;袁忠勤;;6种药剂防治小麦赤霉病田间药效试验[J];宁波农业科技;2016年02期

4 张广照;郭贵东;杨瑞清;檀银忠;陈义兵;;不同施药时期防治小麦赤霉病效果比较[J];湖北植保;2018年06期

5 何维娜;;小麦赤霉病化防治措施研讨[J];现代农业;2018年12期

6 姜明波;翟顺国;王守强;程泽强;韩国琼;刘先明;;信阳地区小麦赤霉病发生与春季降水的相关性分析[J];河南农业科学;2018年11期

7 郎立云;;小麦赤霉病的发生情况和防治对策[J];基层农技推广;2019年01期

8 李俊杰;李楠;;不同药剂防治小麦赤霉病害试验[J];农业科技通讯;2019年02期

9 曹辉;左红娟;王峰;;郑州市小麦赤霉病田间防治试验[J];农业科技通讯;2019年02期

10 林开创;;2018年孟州市小麦赤霉病的发生原因及防控对策[J];河南农业;2019年01期

相关博士学位论文 前10条

1 韩青梅;三唑类杀菌剂Folicur与Caramba对小麦赤霉病和条锈病防治效果及机理的研究[D];西北农林科技大学;2003年

2 余桂红;小麦赤霉病抗性遗传分析及分子标记的开发[D];上海交通大学;2008年

3 赵兰飞;小麦赤霉病Ⅱ型抗性机理研究及相关基因的功能鉴定[D];山东农业大学;2016年

4 侯文倩;小麦赤霉病抗病相关基因的分离鉴定及BSMV-VIGS功能验证[D];山东农业大学;2014年

5 张承启;新型杀菌剂氰烯菌酯对禾谷镰刀菌的作用机制研究[D];浙江大学;2016年

6 陈雨;新型杀菌剂氰烯菌酯对禾谷镰孢菌（Fusarium graminearum）的作用方式及抗药性遗传研究[D];南京农业大学;2009年

7 邓阳;Paenibacillus polymyxa JSa-9抗菌物质的结构鉴定及小麦生防应用研究[D];南京农业大学;2012年

8 张艳军;杀菌剂对禾谷镰孢菌DON毒素产生和小麦衰老生理的影响[D];南京农业大学;2009年

9 高旭利;禾谷镰刀菌蛋白激酶Prp4调控mRNA剪切机制研究[D];西北农林科技大学;2016年

10 樊平声;禾谷镰刀菌多菌灵抗药性群体演变及DON毒素产生规律研究[D];南京农业大学;2008年

相关硕士学位论文 前10条

1 阮超;冬小麦赤霉病和白粉病多尺度遥感监测[D];安徽大学;2019年

2 丁文娟;基于不同尺度的冬小麦赤霉病高光谱遥感监测[D];安徽大学;2019年

3 刘爽;小麦赤霉病高光谱信息多循环提取及组合式识别研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

4 杨楠;生防菌株PC60对小麦赤霉病的生物防治机理研究[D];浙江大学;2017年

5 李长成;小麦赤霉病籽粒抗性评价体系的建立[D];扬州大学;2018年

6 张臻;两株生防菌对小麦赤霉病和茎基腐病防治效果的评价[D];华中农业大学;2018年

7 温淑娴;基于高光谱成像的小麦赤霉病害分级诊断研究[D];安徽农业大学;2017年

8 施洁琼;基于气象相似年的小麦赤霉病监测预警系统[D];安徽农业大学;2017年

9 吴彦衡;基于支持向量机的小麦赤霉病预测研究及应用[D];安徽农业大学;2018年

10 赵超越;基于多模型的安徽小麦赤霉病预测研究[D];安徽农业大学;2018年

本文编号：2852192