10.11873/j.issn.1004-0323.2022.3.0571
多源数据小麦条锈病预测研究
小麦条锈病是导致小麦大规模减产的气传性病害,其传播扩散过程受多种因素影响,常用的作物病害气象预测模型难以准确模拟.为实现小麦条锈病发病率的精准预测,提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型.以甘肃省陇南地区为研究区,首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数,然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率,进而建立SEIR-StripeRust模型,最后采用后向传播神经网络(BPNN)、支持向量回归(SVR)和多元线性回归(MLR)模型对比验证SEIR-StripeRust模型的有效性.结果表明:平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关,其建立的SEIR-StripeRust模型预测精度最高,决定系数R2达到0.79,均方根误差RMSE为0.10,平均绝对误差MAE为0.09,均优于相同特征变量下的BPNN、SVR和MLR模型.研究结果表明SEIR-StripeRust模型能够有效预测小麦条锈病发病率,并为县域尺度的小麦条锈病预测和精确防控提供技术支持.
小麦条锈病、遥感、气象数据、发病率、SEIR-StripeRust模型
37
S512.1;TP79(禾谷类作物)
国家自然科学基金;广东省重点领域研发计划项目;江苏省研究生科研与实践创新计划项目
2022-11-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
571-579