基于冠层和区域尺度的小麦条锈病遥感监测
发布时间：2021-07-29 10:21
本文利用遥感技术手段对不同尺度的小麦条锈病进行监测研究。基于野外实验调查获得冠层高光谱数据和小麦条锈病病情严重度,同时获得与研究区对应的Sentinel-2卫星影像、气象数据等相关数据,对冠层和区域尺度的小麦条锈病进行监测研究,利用不同的特征变量筛选算法和分类算法建立监测模型,对小麦条锈病的防控提供及时和科学指导。主要研究工作如下:（1）在冠层尺度上,根据野外实验获得的各个不同生育期的小麦条锈病冠层高光谱响应特征,研究小麦条锈病的冠层光谱变化和响应规律,在冠层尺度上对小麦条锈病进行监测和分析,同时也为后期区域尺度的研究提供更多理论基础。为了分析光谱特征与小麦条锈病之间的相关性,分别从原始光谱、植被指数特征分析出相关性较高的特征,再利用K-Means算法筛选出最优特征集合,结合LSSVM分类算法,在不同生育期中建立小麦条锈病监测模型。所有模型中,在5月18日,小麦灌浆期,K-Means结合LSSVM监测模型的精度最高达到80.5%,基本实现了冠层尺度上对小麦条锈病的监测。（2）在区域尺度上,本文基于Sentinel-2遥感卫星影像数据建立小麦条锈病的严重度监测模型,通过K-Means结合...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
研究区概况Fig.2.1Locationofexperimentalspike.
第二章实验方案、数据获取及处理12总体精度达90%以上，满足后续分析的精度要求。提取的小麦种植面积见图2.4。图2.4小麦种植区域Fig.2.4Plantingareaofwheat2.3.2气象数据的获取及预处理小麦条锈病作为一种破坏性较强的低温、高湿、强光的气传病害，气象条件是条锈菌存活、生长和繁殖的关键因素，气象条件会导致大范围内条锈病的爆发，造成小麦的大幅减产[25]。根据陕西宁强县小麦条锈病的发病时间及特点，及气象站点的逐日地面气象资料，获得研究区域及研究区域相邻区域的3月到5月份的平均降水量（PRE）、平均温度（TEM）、风速（WIN）、日照时数（SSD）和相对湿度（RHU）。因气象站点的个数的有限，无法满足气象因子在整个研究区域的连续分布，对样点的代表性差。为了获取调查样点相对较为准确的各样本点的气象因子值，需对气象数据进行处理。气象数据处理包括异常值去除月平均值计算和GIS空间插值计算[1]。空间插值则是利用GIS软件对气象特征进行分析，将局部小尺度上获得信息扩展到较大尺度或者区域，从而获得样本点的气象因子。而气象站点的数目和位置也直接影响着空间插值的结果与精度，选择合适的站点数目及位置也极为重要。而研究区域的范围较小，覆盖的站点个数很少。因此，在插值空间分析的站点选择中，同时还加入陕西宁强县研究区域附近的几个站点。具体的气象站点见图2.5。随着空间分析技术的发展，国内外研究发展了很多的空间插值方法，被广泛的应用于资源、灾害管理中。其中最常用的是反距离加权插值法
安徽大学硕士学位论文13（inversedistanceweighted，IDW）、克里金插值法和样条插值法[26]。综合考虑这几种方法的优缺点和陕西省附件各区县的气象站点和数目，最终决定利用反距离加权法，基于ArcGIS10.2软件空间分析平台，对陕西省附近区域反演的各气象特征因子进行空间差值。图2.6为研究区5月份各气象特征的空间插值结果图。图2.5研究区气象站点分布图Fig.2.5Mapofmeteorologicalstationsinthestudyarea图2.6陕西宁强县5月份的空间插值分布图Fig.2.6SpatialInterpolationDistributionMapofNingqianginMay
【参考文献】：
期刊论文
[1]近年来陕西省小麦条锈病流行规律及其与气象条件的关系[J]. 李登科,王钊,谢飞舟. 灾害学. 2019(03)
[2]粒计算思维下的BP神经网络在金融趋势预测中的应用[J]. 沈泽君,杨文元. 小型微型计算机系统. 2019(03)
[3]基于BP神经网络的血液荧光光谱识别分类研究[J]. 高斌,赵鹏飞,卢昱欣,范雅,周林华,钱军,刘林娜,赵思言,孔之丰. 光谱学与光谱分析. 2018(10)
[4]基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测[J]. 黄林生,阮超,黄文江,师越,彭代亮,丁文娟. 农业工程学报. 2018(15)
[5]中国小麦条锈病研究与防控[J]. 马占鸿. 植物保护学报. 2018(01)
[6]作物病虫害遥感监测与预测研究进展[J]. 黄文江,张竞成,师越,董莹莹,刘林毅. 南京信息工程大学学报(自然科学版). 2018(01)
[7]基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测[J]. 马慧琴,黄文江,景元书,董莹莹,张竞成,聂臣巍,唐翠翠,赵晋陵,黄林生. 农业工程学报. 2017(05)
[8]宁强县小麦条锈病的发生规律与防治对策[J]. 王超,李昕,高强,王保通. 陕西农业科学. 2016(08)
[9]遥感与气象数据结合预测小麦灌浆期白粉病[J]. 马慧琴,黄文江,景元书. 农业工程学报. 2016(09)
[10]综合遥感与气象信息的小麦白粉病监测方法[J]. 聂臣巍,袁琳,王保通,金秀良,黄文江,张竞成,杨贵军. 植物病理学报. 2016(02)
博士论文
[1]多源遥感数据小麦病害信息提取方法研究[D]. 张竞成.浙江大学 2012
硕士论文
[1]基于改进果蝇算法优化最小二乘支持向量机模型的土壤湿度反演研究[D]. 石心莺.浙江大学 2016
本文编号：3309149
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
研究区概况Fig.2.1Locationofexperimentalspike.
第二章实验方案、数据获取及处理12总体精度达90%以上，满足后续分析的精度要求。提取的小麦种植面积见图2.4。图2.4小麦种植区域Fig.2.4Plantingareaofwheat2.3.2气象数据的获取及预处理小麦条锈病作为一种破坏性较强的低温、高湿、强光的气传病害，气象条件是条锈菌存活、生长和繁殖的关键因素，气象条件会导致大范围内条锈病的爆发，造成小麦的大幅减产[25]。根据陕西宁强县小麦条锈病的发病时间及特点，及气象站点的逐日地面气象资料，获得研究区域及研究区域相邻区域的3月到5月份的平均降水量（PRE）、平均温度（TEM）、风速（WIN）、日照时数（SSD）和相对湿度（RHU）。因气象站点的个数的有限，无法满足气象因子在整个研究区域的连续分布，对样点的代表性差。为了获取调查样点相对较为准确的各样本点的气象因子值，需对气象数据进行处理。气象数据处理包括异常值去除月平均值计算和GIS空间插值计算[1]。空间插值则是利用GIS软件对气象特征进行分析，将局部小尺度上获得信息扩展到较大尺度或者区域，从而获得样本点的气象因子。而气象站点的数目和位置也直接影响着空间插值的结果与精度，选择合适的站点数目及位置也极为重要。而研究区域的范围较小，覆盖的站点个数很少。因此，在插值空间分析的站点选择中，同时还加入陕西宁强县研究区域附近的几个站点。具体的气象站点见图2.5。随着空间分析技术的发展，国内外研究发展了很多的空间插值方法，被广泛的应用于资源、灾害管理中。其中最常用的是反距离加权插值法
安徽大学硕士学位论文13（inversedistanceweighted，IDW）、克里金插值法和样条插值法[26]。综合考虑这几种方法的优缺点和陕西省附件各区县的气象站点和数目，最终决定利用反距离加权法，基于ArcGIS10.2软件空间分析平台，对陕西省附近区域反演的各气象特征因子进行空间差值。图2.6为研究区5月份各气象特征的空间插值结果图。图2.5研究区气象站点分布图Fig.2.5Mapofmeteorologicalstationsinthestudyarea图2.6陕西宁强县5月份的空间插值分布图Fig.2.6SpatialInterpolationDistributionMapofNingqianginMay
【参考文献】：
期刊论文
[1]近年来陕西省小麦条锈病流行规律及其与气象条件的关系[J]. 李登科,王钊,谢飞舟. 灾害学. 2019(03)
[2]粒计算思维下的BP神经网络在金融趋势预测中的应用[J]. 沈泽君,杨文元. 小型微型计算机系统. 2019(03)
[3]基于BP神经网络的血液荧光光谱识别分类研究[J]. 高斌,赵鹏飞,卢昱欣,范雅,周林华,钱军,刘林娜,赵思言,孔之丰. 光谱学与光谱分析. 2018(10)
[4]基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测[J]. 黄林生,阮超,黄文江,师越,彭代亮,丁文娟. 农业工程学报. 2018(15)
[5]中国小麦条锈病研究与防控[J]. 马占鸿. 植物保护学报. 2018(01)
[6]作物病虫害遥感监测与预测研究进展[J]. 黄文江,张竞成,师越,董莹莹,刘林毅. 南京信息工程大学学报(自然科学版). 2018(01)
[7]基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测[J]. 马慧琴,黄文江,景元书,董莹莹,张竞成,聂臣巍,唐翠翠,赵晋陵,黄林生. 农业工程学报. 2017(05)
[8]宁强县小麦条锈病的发生规律与防治对策[J]. 王超,李昕,高强,王保通. 陕西农业科学. 2016(08)
[9]遥感与气象数据结合预测小麦灌浆期白粉病[J]. 马慧琴,黄文江,景元书. 农业工程学报. 2016(09)
[10]综合遥感与气象信息的小麦白粉病监测方法[J]. 聂臣巍,袁琳,王保通,金秀良,黄文江,张竞成,杨贵军. 植物病理学报. 2016(02)
博士论文
[1]多源遥感数据小麦病害信息提取方法研究[D]. 张竞成.浙江大学 2012
硕士论文
[1]基于改进果蝇算法优化最小二乘支持向量机模型的土壤湿度反演研究[D]. 石心莺.浙江大学 2016
本文编号：3309149
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3309149.html
教材专著
