基于光譜技術(shù)的水稻褐飛虱蟲害檢測研究.pdf

1、褐飛虱是目前影響我國水稻穩(wěn)產(chǎn)、高產(chǎn)的主要蟲害之一，蟲害檢測是水稻蟲害防治決策和防治工作的基礎(chǔ)，根據(jù)準(zhǔn)確的蟲害情報進行災(zāi)害預(yù)測和防治準(zhǔn)備工作，是水稻豐產(chǎn)的基礎(chǔ)手段之一。針對目前水稻褐飛虱蟲害檢測方法依然采用傳統(tǒng)目測手查方法的現(xiàn)狀，為滿足對蟲害檢測的動態(tài)化，及時性要求，開展基于近紅外光譜技術(shù)的水稻褐飛虱蟲害程度檢測研究，具有重要理論意義和實用價值。
　　 本研究通過采集水稻冠層與葉片反射光譜數(shù)據(jù)以及褐飛虱蟲量數(shù)據(jù)，分析褐飛虱脅迫下水

2、稻冠層和葉片光譜特征，比較不同光譜波段反射率對褐飛虱脅迫的敏感程度，并建立褐飛虱蟲害光譜檢測模型，開展基于近紅外光譜技術(shù)的水稻褐飛虱蟲害程度檢測研究。主要完成了以下工作:
　　 (1)提出了一種適用于水稻葉片和冠層光譜的組合預(yù)處理方法。由于在采集光譜過程中受到噪聲等非目標(biāo)因素的影響，原始光譜圖存在基線漂移，僅用一種光譜預(yù)處理方法往往不能得到較好的結(jié)果。為了消除基線漂移需要選取合適的預(yù)處理方法，通過對比分析各近紅外光譜預(yù)處理方法對

3、建模影響，尋找到了一種適用于受褐飛虱脅迫水稻光譜的組合預(yù)處理方法(SNV+1D+2D)。
　　 (2)分析受蟲害脅迫的水稻的近紅外光譜敏感區(qū)間。為找出受蟲害脅迫的水稻特征明顯的光譜波段，將光譜曲線細致分為五個波段區(qū)間，即可見光中紫光波段(350～450nm)、可見光活性帶波段(450～700nm)、近紅外的高反射平臺過度波段(700～780nm)，近紅外高反射率波段(780～1300nm)，水分強吸收波段(1300～2500nm

4、)，并逐一對五個波段內(nèi)的光譜特性進行分析。水稻光譜在450～700nm和700～1300nm波段特征明顯。
　　 (3)開展了特征波長的優(yōu)選方法研究。在450～1300nm波段范圍內(nèi)的851個波長點劃分為30個子區(qū)間作為篩選對象，利用GA-iPLS算法篩選特征波長。遺傳算法的控制參數(shù)設(shè)定為:初始群體大小為60，染色體長度為30(即將全光譜劃分為30個子區(qū)間)，交叉概率Pc=0.90，變異概率Pm=0.01，遺傳迭代次數(shù)為200。

5、確定最佳模型，其交互驗證均方根誤差(RMSECV)為9.998，校正集樣本的水稻光譜預(yù)測值與真實值之間相關(guān)系數(shù)(R)為0.952，預(yù)測均方根誤差(RMSEP)為10.562，預(yù)測集樣本的水稻光譜預(yù)測值與真實值之間的相關(guān)系數(shù)(R)為0.956。最終確定48個波長點作為特征波長，用于褐飛虱蟲害檢測模型建立。
　　 (4)研究了孕穗期水稻葉片蟲害程度建模方法。對比分析了主成分分析、偏最小二乘、BP神經(jīng)網(wǎng)絡(luò)算法三種建模方法，分別建立了孕

6、穗期水稻葉片蟲害程度與光譜反射率之間的數(shù)學(xué)模型，其中神經(jīng)網(wǎng)絡(luò)算法檢測精度最高，可以用于水稻褐飛虱蟲害檢測建模。
　　 (5)研究了基于水稻葉片與冠層光譜的蟲害檢測建模方法。利用主成分分析、偏最小二乘、BP神經(jīng)網(wǎng)絡(luò)算法，分別建立了基于抽穗期水稻葉片光譜，基于冠層光譜的蟲害程度與光譜反射率之間的數(shù)學(xué)模型，研究發(fā)現(xiàn)基于水稻葉片光譜的模型能更好的反應(yīng)水稻褐飛虱蟲害程度。通過進一步試驗，發(fā)現(xiàn)利用水稻葉片光譜信息，可以在褐飛虱接種第六天時，