小麥條銹病（Puccinia striiformis West.f.sp.tritici Eriks et Henn）是一種長(zhǎng)期影響我國(guó)小麥安全生產(chǎn)的嚴(yán)重生物災(zāi)害,發(fā)病面積廣、傳播性強(qiáng)、發(fā)病幾率大,容易在大區(qū)域內(nèi)造成小麥大幅減產(chǎn)、品質(zhì)降低。對(duì)小麥條銹病進(jìn)行準(zhǔn)確的預(yù)測(cè)和實(shí)時(shí)監(jiān)測(cè),及時(shí)采取防治措施,可有效減輕病害對(duì)小麥產(chǎn)量及品質(zhì)的危害。遙感技術(shù)非接觸式和高通量的特點(diǎn),為快速、高效、經(jīng)濟(jì)、無(wú)損的及時(shí)監(jiān)測(cè)小麥條銹病害感染程度提供了一種科學(xué)有效的途徑。本研究在前人研究基礎(chǔ)之上,對(duì)小麥條銹病冠層光譜響應(yīng)機(jī)制以及氣象環(huán)境傳播機(jī)制進(jìn)行了分析,結(jié)合遙感技術(shù)、數(shù)理統(tǒng)計(jì)知識(shí)、機(jī)器學(xué)習(xí)算法,圍繞遙感—?dú)庀箅p重機(jī)制組合實(shí)現(xiàn)小麥條銹病田間精確監(jiān)測(cè)這條主線,建立了機(jī)器學(xué)習(xí)小麥條銹病病情監(jiān)測(cè)模型,具體內(nèi)容圍繞以下三個(gè)方面展開(kāi):（1）小麥冠層光譜響應(yīng)機(jī)制分析:通過(guò)田間人工接種條銹病菌試驗(yàn),對(duì)不同生育期小麥冠層光譜、病情指數(shù)進(jìn)行了測(cè)定,提取了小麥可見(jiàn)光波段光譜吸收特征參數(shù),計(jì)算了光譜敏感度值,定量分析了小麥病害隨生育期推進(jìn)的變化程度,并且以不同生育期的光譜敏感度值和全生育期吸收特征參數(shù)為自變量建立回歸模型,精確反演了小麥... 

【文章來(lái)源】：河南理工大學(xué)河南省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 基于遙感技術(shù)的農(nóng)作物病蟲(chóng)害信息提取研究進(jìn)展
        1.2.1 應(yīng)用于農(nóng)作物病蟲(chóng)害信息提取的遙感平臺(tái)及數(shù)據(jù)類(lèi)型
        1.2.2 基于近地高光譜技術(shù)的農(nóng)作物病害信息提取
    1.3 基于空間分析及數(shù)理統(tǒng)計(jì)方法的農(nóng)作物病害研究進(jìn)展
    1.4 論文組織結(jié)構(gòu)
        1.4.1 論文主要研究?jī)?nèi)容
        1.4.2 論文章節(jié)內(nèi)容安排
        1.4.3 研究技術(shù)路線
2 基于近地高光譜信息的小麥條銹病光譜響應(yīng)機(jī)制分析
    2.1 研究區(qū)概況
    2.2 試驗(yàn)方案
        2.2.1 冠層光譜測(cè)量
        2.2.2 病情指數(shù)獲取
    2.3 數(shù)據(jù)處理方法
        2.3.1 光譜敏感度
        2.3.2 冠層光譜連續(xù)統(tǒng)去除
    2.4 反演模型的建立
    2.5 結(jié)果與分析
        2.5.1 小麥生長(zhǎng)光譜曲線分析
        2.5.2 小麥吸收特征分析
        2.5.3 病情指數(shù)反演
    2.6 本章小節(jié)
3 基于模糊邏輯的小麥條銹病氣象環(huán)境特性研究
    3.1 研究區(qū)概況及數(shù)據(jù)來(lái)源
    3.2 數(shù)據(jù)處理方法
        3.2.1 風(fēng)量影響值計(jì)算
        3.2.2 趨勢(shì)面插值法
        3.2.3 自適應(yīng)模糊推理簡(jiǎn)介
    3.3 ANFIS模型構(gòu)建
    3.4 結(jié)果與分析
        3.4.1 病害流行空間分布特征分析
        3.4.2 研究區(qū)病害發(fā)生氣象因素分析
        3.4.3 小麥條銹病發(fā)生狀態(tài)自適應(yīng)模糊推理系統(tǒng)預(yù)測(cè)結(jié)果
    3.5 本章小結(jié)
4 模擬GF-1WFV傳感器多光譜數(shù)據(jù)的冬小麥條銹病情反演
    4.1 數(shù)據(jù)處理方法
        4.1.1 基于波段響應(yīng)函數(shù)的多光譜反射率模擬
        4.1.2 條銹病多光譜植被指數(shù)與氣象環(huán)境要素篩選
        4.1.3 結(jié)合氣象因素的小麥條銹病情自適應(yīng)模糊推理模型建立
    4.2 結(jié)果與分析
        4.2.1 小麥條銹病地面高光譜反射率特征與模擬多光譜反射率特征對(duì)比
        4.2.2 GAR-PLS-AIC植被指數(shù)及氣象因素篩選
        4.2.3 基于自適應(yīng)模糊推理模型的小麥條銹病情監(jiān)測(cè)
    4.3 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)果與結(jié)論
    5.2 主要?jiǎng)?chuàng)新點(diǎn)
    5.3 進(jìn)一步展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3154693