基于无人机多光谱影像的棉花黄萎病监测
[目的]通过无人机多光谱影像监测棉田黄萎病发病情况,为棉花黄萎病的精准防控提供理论指导.[方法]通过分析黄萎病发病棉田冠层的光谱特征,筛选无人机多光谱影像识别棉花黄萎病的最佳植被指数、最佳波段组合及最佳时相,并基于筛选的最佳时相建立黄萎病不同发病程度的棉田影像图,利用平行六面体法、最大似然法及支持向量机径向基函数分类法对影像图进行分类对比和精度评价.[结果]结果表明,在 710～760 nm波段,不同发病程度的棉株冠层光谱反射率均随着波长的增加明显增加;在 760～950 nm波段,棉株冠层光谱反射率随着黄萎病的加重明显减小.随着黄萎病加重发生,棉株的叶片叶绿素含量、地上部鲜物质质量、地上部干物质质量、植株含水量以及叶面积指数均降低.无人机多光谱遥感识别棉花黄萎病的最佳植被指数和最佳波段组合分别是差值植被指数(difference vegetation index,DVI)和B3-5-8(对应的波长分别为 550 nm、656 nm和 800 nm).8 月中下旬为无人机多光谱遥感识别棉花黄萎病发生程度的最佳时相.支持向量机径向基函数分类法结合最佳波段组合B3-5-8 与DVI 综合影像对棉田黄萎病病情的分类精度最高(分类精度为96.64%,Kappa系数为 95.61%).棉田黄萎病发病程度的分类结果与棉株冠层光谱反射率和棉株农学参数的变化相对应,并与实地调查结果一致.[结论]利用支持向量机径向基函数分类法、最佳波段组合B3-5-8 与DVI综合影像对棉田黄萎病发病情况进行分类是可行的,研究结果可为利用遥感技术监测作物类似病虫害提供理论依据.
棉花、黄萎病、无人机、多光谱影像、分类方法
35
TP79;S666.106;S143.1
国家自然科学基金;新疆农垦科学院智慧棉田创新团队;新疆生产建设兵团英才项目
2023-07-07（万方平台首次上网日期，不代表论文的发表时间）
共14页
87-100
