小麦条锈病遥感监测及网络信息平台构建

发布时间：2017-04-17 10:14

  本文关键词：小麦条锈病遥感监测及网络信息平台构建，，由笔耕文化传播整理发布。

【摘要】：小麦条锈病的监测是防控小麦条锈病的基础工作,有效的监测措施有助于降低小麦的产量损失。本研究基于Assess软件对小麦条锈病进行病害评估；对无人机监测小麦条锈病的方法进行试验,探索无人机遥感技术在作物病害监测中的应用；利用热红外遥感影像反演地表温度进行小麦条锈病越夏区划；构建基于互联网和手机通讯网络的小麦条锈病监测平台,结果如下： 1、利用Assess软件对单个小麦条锈病叶片的病害评估是可行的,与目视评估相比,正确率可以达到80%以上；利用图像处理对小麦条锈病的发病点进行病害评估,需要先利用Matlab软件基于数码图像的绿色通道和红色通道相减或者相加的方法对图片进行分割,然后对分割的图片进行Assess评估,这种方法得到的评估准确率较低,评估的稳定性较差,评估准确率在67%左右。 2、无人机遥感监测试验,通过人工接种小麦条锈病,研究无人机数码图像与小区小麦条锈病病情指数、严重度等的关系,结果表明,无人机数码遥感能有效地监测小麦条锈病,利用监督分类和非监督分类的方法都可以对无人机数码图像中的小麦条锈病进行识别。利用Envi软件可以基于数码图像进行像素点的技术,以此来计算发病小区的面积。由于受种植密度、试验时光照等因素的影响,小区严重度和图像像素点比值的拟合方程在年度间存在差异；利用Reflect=k×1/255×1/3(R+G+B)换算数码图像中小区的冠层反射率,分析换算后的反射率与病情信息的关系,发现两者有显著的相关关系,构建两者的关系模型,可以基于数码图像估测目标区域的小麦条锈病病情指数。但是模型在年度间存在差异,差异的造成可能与种植密度、试验当天的日照条件等因素有关。 3、利用2009年7月的Landsat5卫星甘肃陇南地界的热红外影像进行地表温度反演,结果表明,地表温度反演可以很快捷、客观的反应高海拔山地地区的温度特征,比实际的气温能更好的反应地理地形的特点。借助Google earth等软件可以精准地对勘测地区进行定位,使调查区域定位到村以及周边田块。在以后的小麦条锈病越夏区划的实地调查中,可以利用该方法进行前期调查或者后期验证,并实现越夏地区的精准勘界和定位。 4、采用B/S(Brower/Server,浏览器／服务器)架构的网络信息系统,利用Java语言Javascript脚本语言等开发基于Web的互联网小麦条锈病监测预警平台,使平台具有查询、发布等功能,并集成Flex语言的地理信息系统。平台建成后,具有小麦条锈病监测(生理小种、抗病品种、种植面积等)、预测预报、小麦条锈病菌源地综合治理评估等模块和功能。 5、本文基于安卓、苹果系统开发基于移动端的小麦条锈病监测信息平台,用户可以将客户端安装到自己的手机中,通过客户端可以浏览平台发布的信息,包括病情信息、植保信息以及用户之间的交流、信息分享等都可以通过客户端完成。移动端的平台弥补了Web端的不足,可以随时随地通过于机进行病情的查询和咨询,实现快速、高效地远程诊断。
【关键词】：遥感监测 小麦条锈病 地表温度 手机应用 无人机
【学位授予单位】：中国农业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S435.121.42;S127
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 引言9-22
• 1.1 小麦条锈病在我国的发生、分布与危害9-10
• 1.2 小麦条锈病越夏勘界10-11
• 1.3 植物病害的遥感监测原理11-18
• 1.3.1 作物遥感监测的研究进展12-13
• 1.3.2 地面高光谱(多光谱)遥感监测植物病害的研究进展13-14
• 1.3.3 航空遥感监测植物病害的研究进展14-16
• 1.3.4 卫星遥感监测植物病害的研究进展16-17
• 1.3.5 基于图像分析的植物病害评估17-18
• 1.4 作物病害网络监测平台的发展现状18-19
• 1.5 研究目的与意义19-20
• 1.6 研究内容20-22
• 1.6.1 基于图像分析的小麦条锈病叶片的病害评估20
• 1.6.2 无人机遥感监测小麦条锈病20
• 1.6.3 基于热红外遥感的小麦条锈病越夏精准勘界20
• 1.6.4 小麦条锈病网络信息监测平台的开发20-21
• 1.6.5 小麦条锈病手机端监测信息平台的构建21-22
• 第二章 基于图像分析的小麦条锈病严重度评估22-29
• 2.1 材料和方法22-24
• 2.1.1 研究区域及田间试验设计22
• 2.1.2 菌种繁殖22-23
• 2.1.3 田间接种23
• 2.1.4 田间单个病叶的采集及拍摄23
• 2.1.5 田间发病点调查及拍摄23-24
• 2.1.6 图片处理及分析24
• 2.2 结果与分析24-28
• 2.2.1 单叶片Assess评估24-25
• 2.2.2 田间发病点图像评估25-28
• 2.3 本章小结与讨论28-29
• 第三章 无人机遥感监测小麦条锈病29-37
• 3.1 材料和方法29-31
• 3.1.1 田间试验设计29
• 3.1.2 无人机图像获取与田间调查29-30
• 3.1.3 无人机数据预处理30
• 3.1.4 分类方法和精度验证30-31
• 3.2 结果与分析31-35
• 3.2.1 无人机图像分类及精度评价31-33
• 3.2.2 基于无人机遥感图像的病情评估33-34
• 3.2.3 小区冠层反射率与病情指数的关系34-35
• 3.3 本章小结与讨论35-37
• 第四章 基于热红外遥感的小麦条锈病越夏区精准勘界37-46
• 4.1 材料和方法37-41
• 4.1.1 卫星原始数据及预处理37-39
• 4.1.2 温度反演算法39-40
• 4.1.3 卫星数据覆盖地区气温数据的获取及拟合40-41
• 4.1.4 越夏区精准勘界与定位41
• 4.2 结果与分析41-44
• 4.2.1 地表温度反演结果的空间分布41-42
• 4.2.2 地表温度与气温的关系42
• 4.2.3 基于温度的越夏区划42-44
• 4.3 本章小结与讨论44-46
• 第五章 小麦条锈病监测信息平台的开发46-57
• 5.1 材料和方法46-51
• 5.1.1 用户调研与需求分析46-47
• 5.1.2 竞品分析47-48
• 5.1.3 绘制流程图与原型设计48-50
• 5.1.4 系统开发及应用环境50
• 5.1.5 平台框架和技术50
• 5.1.6 系统运行调试50-51
• 5.2 结果与分析51-55
• 5.3 本章小结与讨论55-57
• 第六章 小麦条锈病移动端监测平台(App)的构建57-64
• 6.1 材料和方法57-59
• 6.1.1 系统开发环境58
• 6.1.2 小麦条锈病监测App的框架设计58-59
• 6.1.3 小麦条绣病监测App的后台设计59
• 6.2. 结果与分析59-62
• 6.2.1 前端主要功能及测试59-61
• 6.2.2 后台主要功能61-62
• 6.3 本章小结与讨论62-64
• 第七章 结论与展望64-66
• 7.1 主要结论64
• 7.2 创新点64
• 7.3 展望64-66
• 参考文献66-75
• 致谢75-76
• 附录76-85
• 个人简介85

【参考文献】

中国期刊全文数据库 前10条

1 刘兴库,李兆华;多光谱诊断植物病害的初步研究[J];东北林业大学学报;1993年02期

2 李寿安;张恒喜;郭风;李登科;;微型无人机的现状与发展趋势[J];导弹与航天运载技术;2005年06期

3 吴炳方;全国农情监测与估产的运行化遥感方法[J];地理学报;2000年01期

4 尹淑玲;余敏;;模糊Isodata聚类分析在遥感图像分类中的应用研究[J];地理空间信息;2009年01期

5 毛克彪,覃志豪,王建明,武胜利;针对MODIS数据的大气水汽含量反演及31和32波段透过率计算[J];国土资源遥感;2005年01期

6 王延颐;植被指数与水稻长势及产量结构要素关系的研究[J];国土资源遥感;1996年01期

7 王海光;马占鸿;王韬;蔡成静;安虎;张录达;;高光谱在小麦条锈病严重度分级识别中的应用[J];光谱学与光谱分析;2007年09期

8 竞霞;黄文江;王纪华;王锦地;王克如;;棉花单叶黄萎病病情严重度高光谱反演模型研究[J];光谱学与光谱分析;2009年12期

9 蒋金豹;陈云浩;黄文江;;利用高光谱红边与黄边位置距离识别小麦条锈病[J];光谱学与光谱分析;2010年06期

10 黄慧;王伟;彭彦昆;吴建虎;高晓东;王秀;张静;;利用高光谱扫描技术检测小麦叶片叶绿素含量[J];光谱学与光谱分析;2010年07期

  本文关键词：小麦条锈病遥感监测及网络信息平台构建，由笔耕文化传播整理发布。

本文编号：312997