棉花病蟲害光譜識(shí)別及遙感監(jiān)測(cè)研究.pdf

1、棉花是新疆的主要經(jīng)濟(jì)作物，快速、準(zhǔn)確地監(jiān)測(cè)新疆棉花的種植面積、長(zhǎng)勢(shì)和分布等情況，對(duì)棉花病蟲害監(jiān)測(cè)、棉花產(chǎn)量和質(zhì)量評(píng)估等具有重要意義。中國(guó)自行研制的環(huán)境減災(zāi)小衛(wèi)星星座（HJ-1A/1B衛(wèi)星）有著綜合優(yōu)勢(shì)，因其覆蓋范圍廣、重訪周期短、空間分辨率高，多光譜維，數(shù)據(jù)處理簡(jiǎn)單，并能免費(fèi)獲取，在作物種植面積及病蟲害信息提取方面具有很大的應(yīng)用前景。本文以我國(guó)新疆種植區(qū)棉花為研究對(duì)象，利用HJ衛(wèi)星數(shù)據(jù)結(jié)合地面冠層高光譜數(shù)據(jù)，對(duì)棉花面積進(jìn)行了提取，并進(jìn)行

2、了病蟲害發(fā)生早期的識(shí)別和提取，主要內(nèi)容總結(jié)如下：
　　（1）冠層尺度棉花病蟲害識(shí)別。本文分析了棉花不同病蟲害在冠層尺度上的光譜特征，選取了能夠識(shí)別和區(qū)分棉花黃萎病和棉葉螨的植被指數(shù)和小波特征，分別利用植被指數(shù)和小波特征建立病蟲害識(shí)別模型。結(jié)果表明，通過選取的植被指數(shù)和小波特征建立的判別區(qū)分模型都能很好地區(qū)分病蟲害的類型，其中植被指數(shù)法建立的識(shí)別模型總體精度為97％，小波特征建立的判別模型精度為99%，相對(duì)而言，由小波特征建立的判別

3、模型精度總體比植被指數(shù)建立的模型精度高。本文選擇的6個(gè)植被指數(shù)和10個(gè)不同尺度下不同波段范圍與樣本類別相關(guān)系數(shù)最大的9個(gè)波段的小波特征對(duì)作為判別模型的輸入量，有一定科學(xué)性和創(chuàng)新性。這些特征對(duì)兩種病蟲害存在較高的敏感度和區(qū)分能力。
　　（2）利用多時(shí)相環(huán)境衛(wèi)星提取棉花種植面積和位置信息。選取2014年新疆奎屯市農(nóng)七師125團(tuán)棉花蕾期和吐絮期兩期HJ-CCD數(shù)據(jù)影像，根據(jù)棉花與研究區(qū)其他作物物候和光譜差異，以及NDVI值的變化差異，分

4、別運(yùn)用基于支持向量機(jī)（SVM）的分層監(jiān)督分類法和專家知識(shí)決策樹（CART算法）分類法提取棉花種植面積，并從面積總量和空間位置等方面比較兩者的提取精度。結(jié)果表明：利用關(guān)鍵期的HJ影像可以有效提高面積提取的效率，基于支持向量機(jī)的分層監(jiān)督分類法與專家決策樹分類法都能有效的提取棉花的面積，其中，監(jiān)督分類得到棉花的總面積精度為96.34%，位置精度82.98%；專家決策樹分類得到的棉花面積精度為96.51%，位置精度為87.23%。對(duì)比分析兩種面

5、積提取方法，基于支持向量機(jī)的監(jiān)督分類，分類精度雖高，但過程相對(duì)復(fù)雜，位置精度較差，而專家決策樹法相對(duì)簡(jiǎn)單，分類精度高，分類位置精度較好，便于在棉花信息監(jiān)測(cè)系統(tǒng)平臺(tái)中推廣應(yīng)用。研究表明，HJ影像在提取棉花種植面積方面有著覆蓋面積大、觀測(cè)周期短的綜合優(yōu)勢(shì)，結(jié)合野外調(diào)查，更準(zhǔn)確的提取棉花的種植信息。
　?。?）基于HJ衛(wèi)星遙感影像的棉花病蟲害信息提取。利用二值邏輯回歸法，建立實(shí)測(cè)冠層光譜得到的植被指數(shù)（TVI）與其健康狀況的關(guān)系模型，并