基于光譜技術(shù)的田間稻飛虱蟲害檢測研究.pdf

1、水稻是我國重要糧食作物，我國每年因蟲害損失的水稻產(chǎn)量巨大。為達到高效、低施的目的，要求植保機械“因蟲施藥”作業(yè)。光譜檢測技術(shù)具有無損、信息量大、速度快等優(yōu)點，具備進行蟲害快速檢測的潛力，適合植保機械對小區(qū)域蟲害探測的要求。本課題針對稻田蟲害信息的快速探測，采用光譜技術(shù)開展稻飛虱蟲害檢測研究。
　　 為研究如何應(yīng)用光譜技術(shù)進行稻飛虱蟲害檢測，通過試驗采集水稻冠層反射光譜和稻飛虱百穴蟲量數(shù)據(jù)，分析稻飛虱脅迫下水稻冠層光譜特征，比較不

2、同光譜波段反射率和植被指數(shù)對稻飛虱脅迫的敏感程度，建立稻飛虱蟲害光譜定量和定性檢測模型，并討論光譜蟲害檢測的影響因素。
　　 通過采集水稻冠層光譜，發(fā)現(xiàn)水稻受到稻飛虱蟲害脅迫后，350-700nm和800-1340nm波段反射率均有所升高，且蟲害程度越重，反射率升高越多。稻飛虱百穴蟲量與水稻冠層光譜的350-507nm，641-692nm和933-957nm(939-942nm除外)波段各波長點反射率極顯著相關(guān)。三個波段相關(guān)系數(shù)

3、最大處分別位于380nm，675nm和936nm。稻飛虱百穴蟲量與DVI、SAVI、TSAVI、MSAVI2和RDVI五種植被指數(shù)顯著相關(guān)。
　　 采用MLR、PCR、PLS三種方法建立稻飛虱百穴蟲量檢測模型，并進行比較。采用VN+PLS方法所建檢測模型最優(yōu)，交互驗證RMSECV值為130頭，R2值為0.72。對預(yù)測集20個樣本的蟲量數(shù)據(jù)進行預(yù)測，VN+PLS模型百穴蟲量預(yù)測值和實測值相關(guān)系數(shù)為0.98，斜率為1.01，RMSE

4、P值為39頭，預(yù)測精度最高。結(jié)果表明，PLS模型可用于稻飛虱百穴蟲量檢測。
　　 通過蟲量模型、模式識別兩類方法進行稻飛虱發(fā)生程度定性分析?；谙x量模型的稻飛虱發(fā)生程度檢測方法中，VN+PLS模型分類率最高，為100％。在采用模式識別進行發(fā)生程度分類方法中，采用k-均值聚類法分類，按歐式距離和曼哈頓距離聚類識別正確率為77.46％，采用SIMCA法分類識別率為85％。結(jié)果表明光譜技術(shù)可用于稻飛虱發(fā)生程度檢測。
　　 對稻