小麦全蚀病高光谱遥感识别方法研究
发布时间：2021-02-13 04:53
小麦是我国主要的粮食作物,食用人口众多,种植范围广;在其生长过程中容易受到病害的侵袭,全蚀病在小麦整个生长过程中均可发病,导致小麦根茎腐烂发黑,产生白穗,从而降低小麦的品质和产量,严重时甚至造成绝收。现代农药的发展虽然能够有效的缓解小麦病害,但不合理的使用农药也容易造成小麦与环境的污染。因此实时监控小麦病情、预测病情和合理使用农药尤其重要,其前提是能够快速、精准的掌握小麦的病情信息。随着现代信息科学技术的发展,光谱分析技术、模式识别技术在植物病害诊断方面已经拥有了良好的应用,为快速、准确、高效、无损诊断作物病情提供了良好的手段。本文主要研究高光谱遥感识别在小麦全蚀病病害诊断上的应用,主要研究结果如下:1、以受不同等级全蚀病胁迫的小麦品种为实验材料,研究分析小麦受到全蚀病侵袭之后植株冠层叶片叶绿素含量、水分含量的变化,探讨小麦植株生理特征以及品质产量与病害等级间的关系。研究结果表明:随着小麦全蚀病病情加重,小麦植株叶片叶绿素含量、水分含量指数均呈现下降趋势。通过本文研究发现,随着病情加重,小麦品质产量均下降,严重时甚至绝收,因此通过田间植株病情指数的实时监控,可以准确评估小麦产量损失状况...
【文章来源】：河南农业大学河南省
【文章页数】：42 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
1 文献综述
1.1 遥感技术与光谱技术
1.1.1 遥感技术
1.1.2 光谱技术
1.2 不同地物光谱特征
1.3 小麦全蚀病监测现状
1.3.1 基于非成像地物光谱仪小麦全蚀病研究
1.3.2 基于成像高光谱技术小麦全蚀病监测研究
1.4 高光谱数据处理
1.5 拟解决问题
2 引言
2.1 选题背景
2.2 研究目的
2.3 研究意义
3 材料与方法
3.1 试验设计
3.1.1 冠层光谱测量
3.1.2 叶绿素测量
3.2 研究方法
3.3 研究的技术路线
3.4 关键技术
3.4.1 敏感波段选取
3.4.2 支持向量机技术
4 高光谱遥感分类研究
4.1 模式识别概述
4.2 图像识别概述
4.3 高光谱遥感应用
4.3.1 基于光谱分析的植被识别
4.3.2 原始光谱的校正
4.4 支持向量机技术
4.4.1 径向基核函数（RBF）
4.4.2 交叉验证法选取最优参数
4.5 LIBSVM平台介绍
5 小麦全蚀病病害等级识别方法研究
5.1 传统病害识别方法
5.2 建立小麦全蚀病预测模型
5.2.1 原始光谱数据提取与处理
5.2.3 冠层光谱反射率特征分析
5.2.4 全蚀病敏感波段提取
5.2.5 建立全蚀病预测模型
5.3 模型检验
5.4 结果与分析
6 结论与展望
6.1 结论
6.2 后续工作展望
参考文献
Abstract
【参考文献】：
期刊论文
[1]河南省小麦全蚀病菌变种类型鉴定[J]. 王翠,燕照玲,施艳,王振跃. 河南农业科学. 2013(05)
[2]高光谱遥感技术在生物多样性保护中的应用研究进展[J]. 何诚,冯仲科,袁进军,王佳,巩垠熙,董志海. 光谱学与光谱分析. 2012(06)
[3]利用支持向量机构建水稻镉含量高光谱预测模型[J]. 吕杰,刘湘南. 应用科学学报. 2012(01)
[4]基于高光谱数据的杉木和马尾松识别研究[J]. 刘秀英,臧卓,孙华,林辉. 中南林业科技大学学报. 2011(11)
[5]基于一类支持向量机的高光谱影像地物识别[J]. 陈伟,余旭初,张鹏强,王智超,王鹤. 计算机应用. 2011(08)
[6]小麦叶片胁迫状态下的高光谱图像特征分析研究[J]. 张东彦,张竞成,朱大洲,王纪华,罗菊花,赵晋陵,黄文江. 光谱学与光谱分析. 2011(04)
[7]应用近地成像高光谱估算玉米叶绿素含量[J]. 张东彦,刘镕源,宋晓宇,徐新刚,黄文江,朱大洲,王纪华. 光谱学与光谱分析. 2011(03)
[8]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[9]镉污染水稻高光谱诊断分析与建模[J]. 修丽娜,刘湘南,刘美玲. 光谱学与光谱分析. 2011(01)
[10]基于光谱特征增强的高光谱图像地物目标识别[J]. 张翔. 红外技术. 2010(12)
本文编号：3032001
【文章来源】：河南农业大学河南省
【文章页数】：42 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
1 文献综述
1.1 遥感技术与光谱技术
1.1.1 遥感技术
1.1.2 光谱技术
1.2 不同地物光谱特征
1.3 小麦全蚀病监测现状
1.3.1 基于非成像地物光谱仪小麦全蚀病研究
1.3.2 基于成像高光谱技术小麦全蚀病监测研究
1.4 高光谱数据处理
1.5 拟解决问题
2 引言
2.1 选题背景
2.2 研究目的
2.3 研究意义
3 材料与方法
3.1 试验设计
3.1.1 冠层光谱测量
3.1.2 叶绿素测量
3.2 研究方法
3.3 研究的技术路线
3.4 关键技术
3.4.1 敏感波段选取
3.4.2 支持向量机技术
4 高光谱遥感分类研究
4.1 模式识别概述
4.2 图像识别概述
4.3 高光谱遥感应用
4.3.1 基于光谱分析的植被识别
4.3.2 原始光谱的校正
4.4 支持向量机技术
4.4.1 径向基核函数（RBF）
4.4.2 交叉验证法选取最优参数
4.5 LIBSVM平台介绍
5 小麦全蚀病病害等级识别方法研究
5.1 传统病害识别方法
5.2 建立小麦全蚀病预测模型
5.2.1 原始光谱数据提取与处理
5.2.3 冠层光谱反射率特征分析
5.2.4 全蚀病敏感波段提取
5.2.5 建立全蚀病预测模型
5.3 模型检验
5.4 结果与分析
6 结论与展望
6.1 结论
6.2 后续工作展望
参考文献
Abstract
【参考文献】：
期刊论文
[1]河南省小麦全蚀病菌变种类型鉴定[J]. 王翠,燕照玲,施艳,王振跃. 河南农业科学. 2013(05)
[2]高光谱遥感技术在生物多样性保护中的应用研究进展[J]. 何诚,冯仲科,袁进军,王佳,巩垠熙,董志海. 光谱学与光谱分析. 2012(06)
[3]利用支持向量机构建水稻镉含量高光谱预测模型[J]. 吕杰,刘湘南. 应用科学学报. 2012(01)
[4]基于高光谱数据的杉木和马尾松识别研究[J]. 刘秀英,臧卓,孙华,林辉. 中南林业科技大学学报. 2011(11)
[5]基于一类支持向量机的高光谱影像地物识别[J]. 陈伟,余旭初,张鹏强,王智超,王鹤. 计算机应用. 2011(08)
[6]小麦叶片胁迫状态下的高光谱图像特征分析研究[J]. 张东彦,张竞成,朱大洲,王纪华,罗菊花,赵晋陵,黄文江. 光谱学与光谱分析. 2011(04)
[7]应用近地成像高光谱估算玉米叶绿素含量[J]. 张东彦,刘镕源,宋晓宇,徐新刚,黄文江,朱大洲,王纪华. 光谱学与光谱分析. 2011(03)
[8]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[9]镉污染水稻高光谱诊断分析与建模[J]. 修丽娜,刘湘南,刘美玲. 光谱学与光谱分析. 2011(01)
[10]基于光谱特征增强的高光谱图像地物目标识别[J]. 张翔. 红外技术. 2010(12)
本文编号：3032001
本文链接：https://www.wllwen.com/kejilunwen/nykj/3032001.html
