高寒地区粳稻穗颈瘟的无人机高光谱遥感识别

发布时间：2021-10-06 23:08

　　水稻穗颈瘟作为稻瘟病的一种发病形式常以褐色斑点性状出现在水稻穗颈节部位,对稻穗颈瘟病害快速、无损的识别与分级评估一直是备受关注的研究课题。该研究以高寒地区粳稻大田试验为基础,利用无人机高光谱平台获取不同病害等级的水稻穗颈瘟冠层数据;分别以不同处理的光谱数据作为输入量,使用随机森林（Random Forest,RF）的方法进行建模,并结合水稻生理对各输入量的特征关联加以解释。结果表明:随着穗颈瘟病害等级的提升,水稻冠层反射率整体呈现下降的趋势;植被指数组合（Combination of Vegetation Indices,CVIs）作为输入量建立起来的预测模型具有最高的精度,预测集精度达到90%,Kappa系数为0.86,能够解释穗颈瘟所引起的植株整体生理参数综合变化过程。该研究结果可为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。 

【文章来源】：农业工程学报. 2020,36(22)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

研究区地理位置及地面采样区域

式中TC为正确分类的样本数；FC为错误分类的样本数。Kappa系数（K）用于对精度进行判断，可以避免样本数量不均衡带来的“偏向性”，其计算如式（2）所示：

由图3b可知，对于野外获取的水稻光谱数据进行CR处理，水稻反射率变化趋势进一步拉大。从健康到重病的反射率依次呈现上升趋势，在466～750 nm之间出现了3个明显反射吸收的极值，分别以498、534和666 nm为中心点，分别对应蓝光波段的吸收谷，绿光波段的反射峰和红光波段的吸收谷，随着病害等级升高，极值处出现增加或者减少10%～20%的反射率。因此，计算每一个吸收谷和反射峰围成的面积，吸收谷深深度和反射峰值，2个极值之间的斜率等光谱曲线特征参数可以很好地反映光谱的差异变化。但在近红外高反射区光谱变化差异变得不再显著，这与原始光谱曲线表现出的差异有明显不同。2.3 不同输入量的建模结果分析

【参考文献】：
期刊论文
[1]低温冷冻和机械损伤条件下马铃薯高光谱图像特征响应特性研究[J]. 邹志勇,吴向伟,陈永明,别云波,王粒,林萍.  光谱学与光谱分析. 2019(11)
[2]基于高光谱图像及深度特征的大米蛋白质含量预测模型[J]. 孙俊,靳海涛,芦兵,武小红,沈继锋,戴春霞.  农业工程学报. 2019(15)
[3]高光谱图像和叶绿素含量的水稻纹枯病早期检测识别[J]. 朱梦远,杨红兵,李志伟.  光谱学与光谱分析. 2019(06)
[4]随机森林遥感信息提取研究进展及应用展望[J]. 于新洋,赵庚星,常春艳,袁秀杰,王卓然.  遥感信息. 2019(02)
[5]基于高光谱技术的农作物常见病害监测研究[J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华.  光谱学与光谱分析. 2018(07)
[6]铜胁迫下玉米叶片反射光谱的红边位置变化及其与叶绿素的关系[J]. 李苑溪,陈锡云,罗达,李波莹,王姝人,张力玮.  光谱学与光谱分析. 2018(02)
[7]基于高光谱成像的马铃薯叶片叶绿素分布可视化研究[J]. 郑涛,刘宁,孙红,龙耀威,杨玮,ZHANG Qin.  农业机械学报. 2017(S1)
[8]基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 秦占飞,常庆瑞,谢宝妮,申健.  农业工程学报. 2016(23)
[9]基于高光谱成像的寒地水稻叶瘟病与缺氮识别[J]. 袁建清,苏中滨,贾银江,张雨,章宗鑫.  农业工程学报. 2016(13)
[10]基于HJ-1A/1B影像的冬小麦开花期主要生长指标遥感定量监测研究[J]. 谭昌伟,杨昕,马昌,罗明,严翔,郭文善.  麦类作物学报. 2015(03)



本文编号：3420916