冬小麥葉面積指數(shù)反演與病害光譜識別研究.pdf

1、隨著全球變暖，病蟲害的發(fā)生給冬小麥產(chǎn)量和品質(zhì)帶來了巨大損失。冬小麥生長過程中主要遭受病蟲害（包括條銹病、白粉病、蚜蟲等）和水肥脅迫等影響。如何及時監(jiān)測和正確區(qū)分不同病害類型與其它脅迫對于指導小麥變量噴藥有重要意義。傳統(tǒng)的監(jiān)測方法主要是由植物保護專家通過實地抽樣調(diào)查來判斷疾病的嚴重性，時效性差，費時費力，調(diào)查難以在大范圍內(nèi)進行，同時調(diào)查結(jié)果受人為因素影響較大。相比之下，遙感具有大面積、全天候、多波段、快速、無損等特點，為大范圍的作物理化參

2、數(shù)反演和病害監(jiān)測提供了可能。本文首先將支持向量機和遙感技術(shù)相結(jié)合，實現(xiàn)了冬小麥一個重要生理參數(shù)——葉面積指數(shù)(LAI)的大面積反演。其次，以植被指數(shù)為手段對不同病害的識別展開了深入研究。主要研究內(nèi)容和結(jié)果如下:
　　1、提出使用支持向量機的方法實現(xiàn)葉面積指數(shù)反演，在輸入?yún)?shù)上可以包含更多的波段，解決了經(jīng)驗公式法中植被指數(shù)易飽和以及LAI反演精度較低的問題。本文所用數(shù)據(jù)為遙感影像和實測光譜數(shù)據(jù)和葉面積指數(shù)數(shù)據(jù)，時期選擇在冬小麥的起身

3、期、拔節(jié)期和灌漿期。選用了兩種植被指數(shù):歸一化植被指數(shù)(NDVI)和比值植被指數(shù)(RVI)。共構(gòu)建了五種預(yù)測模型，分別為兩種統(tǒng)計回歸模型(NDVI-LAI和RVI-LAI)，三種支持向量機回歸(SVR)模型(NDVI-SVR、RVI-SVR和NRGB-SVR)，其中NRGB-SVR表示SVR的輸入?yún)?shù)為藍(B)、綠(G)、紅(R)以及近紅外(NIR)四個波段。上述五個模型分別利用對應(yīng)時期的環(huán)境星HJ-CCD數(shù)據(jù)進行驗證。結(jié)果表明:NDV

4、I-LAI和RVI-LAI模型的均方根誤差(RMSE)分別為0.98與0.97;反演精度分別為59.2％和59.3％。以支持向量機作為工具，另外三種模型NDVI-SVR、RVI-SVR和NRGB-SVR的均方根誤差(RMSE)分別為0.71、0.83和0.42;反演精度分別為70.4％、67.1％和81.7％。
　　2、提出了利用常用植被指數(shù)組合構(gòu)建特征空間的方法來識別和區(qū)分小麥條銹病、白粉病和水肥脅迫，解決了利用冠層數(shù)據(jù)難以識別

5、冬小麥常規(guī)脅迫的問題。本文首先選取了十五種常用植被指數(shù)，通過獨立樣本T檢驗獲取每種脅迫的敏感指數(shù)。最終，指數(shù)的組合被選擇用來區(qū)分不同脅迫。結(jié)果表明，歸一化植被指數(shù)(NDVI)和生理反射植被指數(shù)(PhRI)的組合可以用來識別白粉病和條銹病(PM-YR)。以NDVI和PhRI為坐標軸建立一個2維坐標系，不同脅迫的數(shù)據(jù)分布在坐標系中，分類邊界可以用來識別白粉病和條銹病。類似地，修正簡單植被指數(shù)(MSR)和生理反射植被指數(shù)(PhRI)的組合可以

6、識別條銹病和水肥脅迫(YR-n0w0);氮反射指數(shù)(NRI)和紅邊植被脅迫指數(shù)(RVSI)的組合可以識別百分病和水肥脅迫(PM-n0w0)。經(jīng)驗證，PM-YR, YR-n0w0和PM-n0w0模型的識別精度分別為:83.3％，88％，88.75％，KAPPA精度分別為:63.41％，74.79％，71.43％。
　　3、提出一種新的優(yōu)化光譜指數(shù)用于識別冬小麥的不同病害，解決了有限的指數(shù)對于識別不同的病害達不到理想的效果的問題。新的

7、優(yōu)化光譜指數(shù)由單波段和兩個不同波段的歸一化構(gòu)成，由RELIFE-F算法得到和某種病害最相關(guān)和最不相關(guān)的波段，最相關(guān)波段用作新指數(shù)的單波段，最相關(guān)和最不相關(guān)波段的可能組合構(gòu)成歸一化波段。以冬小麥的條銹病、白粉病和蚜蟲為例，在葉片尺度，健康葉片、條銹葉片、白粉葉片和蚜蟲葉片的最終識別結(jié)果分別為86.5％，85.2％，91.6％和93.5％，在冠層尺度也得到了滿意的結(jié)果。在葉片尺度，白粉指數(shù)(PMI)和病害指數(shù)(DI)有很好的相關(guān)性，說明可以