新疆棉花螨害预测方法研究

发布时间:2020-05-30 15:41
【摘要】:棉花是新疆地区的主要经济作物,近年来随着气候环境的不断变化,以及新疆地区特殊的耕作方式和管理模式,棉田生态环境变得更加有利于棉叶螨的发生,加大了螨害成灾的风险。由于预测预报手段有限,很难做到灾前预防,且灾后治理难度大,成为棉花生产的一大障碍。基于此,本文采用遥感数据、气象数据和螨害发生历史数据,从螨害遥感分级监测、区域尺度预测、年度预测三个层次逐步开展棉田螨害预测研究,并力争应用于实际农业生产。主要研究内容及研究结果如下:(1)针对棉田螨害遥感分级监测展开研究,为区域尺度的螨害预测提供基础。通过对不同螨害严重度的棉花冠层高光谱数据进行分析,寻找受害棉田敏感波段并建立新的光谱指数,利用ReliefF算法和泊松相关系数法进行特征选择,同时使用K最近邻、决策树、支持向量机、朴素贝叶斯、随机森林、AdaBoost和人工神经网络7种分类算法建立模型并对比分析。研究发现,经特征选择后的ANN算法可作为最佳方法用于螨害严重度识别,其分类准确率为76.62%,F_1值为76.68%,SVM算法的分类准确率为75.32%,F_1值为75.06%,可作为备选方法用于类似研究。(2)针对新疆地区区域尺度下的棉叶螨预测方法展开研究。将气象数据和遥感数据相结合初选61种特征因子。经特征选择后分别选用气象数据、遥感数据及遥感气象数据3种类型数据,采用Logistic和RVM算法分别建立螨害预测模型并进行对比分析。结果表明,基于遥感气象数据的RVM模型预测效果最好,准确率为85.7%,F_1值为85.7%,该方法可用于大区域尺度的螨害预测。(3)针对新疆地区棉叶螨年度总体发生趋势预测展开研究。基于灰色系统理论,利用2004-2013年螨害发生历史数据,建立了GM(1,1)灾变预测模型,并预测2014年为灾变发生年,与实际调查结果相吻合。此外,利用螨害历史数据建立了灰色GM(1,1)等级预测模型,并分别利用马尔可夫链和BP神经网络对灰色预测结果进行修正,得到了灰色马尔可夫模型和灰色BP神经网络模型。对比三种方法的预测精度,发现灰色马尔可夫模型将预测精度从84.31%提高到了94.76%,灰色BP神经网络模型将预测精度提高到了96.84%。分别对2015和2016年的螨害发生等级进行预测,结果表明灰色BP神经网络预测结果更接近实际值。本文以棉田螨害为研究对象,基于多源数据,结合多种分析方法,分别从三个方面对螨害预测方法进行了研究,均取得了一定的研究结果,可为新疆地区棉叶螨的提前预防和统防统治提供理论依据和科学指导,并为类似的病虫害预测提供方法参考和借鉴。
【图文】:

分布图,螨害,棉叶螨,灰色马尔可夫链


图 1-1 本文研究路线Fig.1-1 Research route1.3.2 论文组织结构第一章:绪论。分析了在新疆地区进行螨害预测预报的意义,介绍了当前病虫害监测预测的研究方法与进展,针对新疆地区特殊的气候环境、耕作方式和管理模式,确定研究目标与研究内容。第二章:棉田螨害光谱响应规律分析与分级识别模型构建。介绍当前机器学习中的多种分类方法和分类模型评价指标,确定螨害调查方法并进行高光谱数据的获取,,根据冠层光谱响应规律分析,确定螨害严重度识别敏感波段并计算相关指数,最后通过对多种分类方法对比分析,得到相关结论。第三章:区域尺度的棉叶螨发生预测。首先对气象数据、遥感数据、螨害数据进行获取,并实现特征变量的选取,然后分别选用 Logistic 回归和相关向量机(RVM)构建螨害预测模型并进行对比分析,最后生成螨害发生预测分布图。第四章:棉叶螨年度总体趋势预测。首先介绍了灰色系统理论的基本理论包括灰色GM(1,1)模型、灰色马尔可夫链模型、灰色 BP 神经网络模型,然后利用螨害历史数据实

高光谱,冠层,棉叶,螨害


图 2-1 冠层高光谱采集Fig. 2-1 Canopy hyperspectral acquisition.2.2 螨害指数调查在试验区内选取棉叶螨自然发生的区域进行螨害调查,按照武予清[37]等设定的划准,将棉叶的螨害发生等级划分为 5 个级别。即 0 级:棉叶无受害症状;1 级:棉有黄白点;2 级:棉叶上有红黄斑,连片面积为全叶面积的 1/3 以下;3 级:棉叶上斑连片面积为全叶面积的 1/3~2/3;4 级:棉叶上红黄斑连片面积为全叶面积的 2/3 ,或叶片脱落,典型图片如图 2-2 所示。图 2-2 不同螨害等级划分典型图片Fig.2-2 Symptoms of damage by spider mites at various levels of infestation计算采样点的受害指数,每个采样点采用 5 点取样法选取 5 株棉花,根据棉叶受程度划分标准记录 5 株棉花所有棉叶中各等级棉叶数,进而参照 GB/T 15802-2011
【学位授予单位】:石河子大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:S435.622

【参考文献】

相关期刊论文 前10条

1 赵亮;陈兵;肖春华;邹楠;刘立峰;;棉花棉叶螨叶片遥感监测技术研究[J];甘肃农业大学学报;2015年05期

2 王聪;张宏立;;基于状态转移算法优化的投影寻踪病虫害预测模型[J];中国农业大学学报;2015年05期

3 王婷婷;李山山;李安;冯旭祥;吴业炜;;基于Landsat 8卫星影像的北京地区土地覆盖分类[J];中国图象图形学报;2015年09期

4 王静;景元书;黄文江;张竞成;赵娟;张清;王力;;冬小麦条锈病严重度不同估算方法对比研究[J];光谱学与光谱分析;2015年06期

5 于洋;卫伟;陈利顶;杨磊;张涵丹;;黄土高原年均降水量空间插值及其方法比较[J];应用生态学报;2015年04期

6 唐翠翠;黄文江;罗菊花;梁栋;赵晋陵;黄林生;;基于相关向量机的冬小麦蚜虫遥感预测[J];农业工程学报;2015年06期

7 赵庆展;靳光才;周文杰;汪传建;戴建国;;基于移动GIS的棉田病虫害信息采集系统[J];农业工程学报;2015年04期

8 谢学林;;一二一团棉叶螨发生规律调查与分析[J];农村科技;2014年06期

9 吴秋芳;路志芳;刘亚飞;郭瑞林;胡亮;魏永杰;苏攀;;小麦白粉病灰色灾变预测研究[J];湖北农业科学;2013年22期

10 郑将鹏;;滴灌棉田棉叶螨综合防治技术[J];农村科技;2013年10期

相关博士学位论文 前1条

1 柳长源;相关向量机多分类算法的研究与应用[D];哈尔滨工程大学;2013年

相关硕士学位论文 前3条

1 王静;多源遥感数据的小麦病害预测监测研究[D];南京信息工程大学;2015年

2 闫艳;基于灰色神经网络的小麦条锈病预测系统研究[D];西北农林科技大学;2009年

3 陈鹏程;地面高光谱遥感在棉叶螨监测中的应用研究[D];石河子大学;2006年



本文编号:2688345

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/dzwbhlw/2688345.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e3144***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com