10.3964/j.issn.1000-0593(2016)06-1854-05
基于小波特征的小麦白粉病与条锈病的定量识别
小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害,在我国小麦产区均有发生,但它们由不同病原引起,需要采取不同的防治措施。因此,快速、准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。遥感数据具有快速、准确的获取空间上连续信息的特点,提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。通过对标准化光谱进行连续小波变换,分析350~1300 nm 范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性,以及在不同病害间的差异性,筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs),然后采用 Fisher 判别分析法分别基于 SBs ,WFs 以及结合 SBs和 WFs 建立小麦白粉病、条锈病及正常小麦识别模型,分别采用未参与建模的55个地面调查数据和留一法进行验证。结果显示:(1)基于 WFs 模型的总体识别精度(分别为92.7%和90.4%)明显高于基于 SBs 模型的总体识别精度(分别为65.5%和61.5%);(2)SBs 和 WFs 结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于 WFs 模型的总体识别精度,在 Fisher80‐55模型中白粉病和正常样本的生产者精度提高了10%以上。(3)条锈病样本能在基于 WFs 和 SBs & WFs 的模型中准确判别出来,用户精度和生产者精度均达到100%。结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害,为采用遥感影像进行大范围作物病害识别提供了理论基础,对于指导作物病害防治具有实际应用价值。
白粉病、条锈病、光谱波段、小波特征、Fisher 线性判别分析
36
S132(农业化学)
国家自然科学基金项目41271412项目和中国科学院百人计划项目资助
2016-08-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
1854-1858