發(fā)布時間：2021-10-06 23:08

　　水稻穗頸瘟作為稻瘟病的一種發(fā)病形式常以褐色斑點性狀出現(xiàn)在水稻穗頸節(jié)部位,對稻穗頸瘟病害快速、無損的識別與分級評估一直是備受關注的研究課題。該研究以高寒地區(qū)粳稻大田試驗為基礎,利用無人機高光譜平臺獲取不同病害等級的水稻穗頸瘟冠層數(shù)據;分別以不同處理的光譜數(shù)據作為輸入量,使用隨機森林（Random Forest,RF）的方法進行建模,并結合水稻生理對各輸入量的特征關聯(lián)加以解釋。結果表明:隨著穗頸瘟病害等級的提升,水稻冠層反射率整體呈現(xiàn)下降的趨勢;植被指數(shù)組合（Combination of Vegetation Indices,CVIs）作為輸入量建立起來的預測模型具有最高的精度,預測集精度達到90%,Kappa系數(shù)為0.86,能夠解釋穗頸瘟所引起的植株整體生理參數(shù)綜合變化過程。該研究結果可為無人機高光譜遙感實現(xiàn)穗頸瘟病定量遙感監(jiān)測與預警分級提供支持。 

【文章來源】：農業(yè)工程學報. 2020,36(22)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

研究區(qū)地理位置及地面采樣區(qū)域

式中TC為正確分類的樣本數(shù)；FC為錯誤分類的樣本數(shù)。Kappa系數(shù)（K）用于對精度進行判斷，可以避免樣本數(shù)量不均衡帶來的“偏向性”，其計算如式（2）所示：

由圖3b可知，對于野外獲取的水稻光譜數(shù)據進行CR處理，水稻反射率變化趨勢進一步拉大。從健康到重病的反射率依次呈現(xiàn)上升趨勢，在466～750 nm之間出現(xiàn)了3個明顯反射吸收的極值，分別以498、534和666 nm為中心點，分別對應藍光波段的吸收谷，綠光波段的反射峰和紅光波段的吸收谷，隨著病害等級升高，極值處出現(xiàn)增加或者減少10%～20%的反射率。因此，計算每一個吸收谷和反射峰圍成的面積，吸收谷深深度和反射峰值，2個極值之間的斜率等光譜曲線特征參數(shù)可以很好地反映光譜的差異變化。但在近紅外高反射區(qū)光譜變化差異變得不再顯著，這與原始光譜曲線表現(xiàn)出的差異有明顯不同。2.3 不同輸入量的建模結果分析

【參考文獻】：
期刊論文
[1]低溫冷凍和機械損傷條件下馬鈴薯高光譜圖像特征響應特性研究[J]. 鄒志勇,吳向偉,陳永明,別云波,王粒,林萍.  光譜學與光譜分析. 2019(11)
[2]基于高光譜圖像及深度特征的大米蛋白質含量預測模型[J]. 孫俊,靳海濤,蘆兵,武小紅,沈繼鋒,戴春霞.  農業(yè)工程學報. 2019(15)
[3]高光譜圖像和葉綠素含量的水稻紋枯病早期檢測識別[J]. 朱夢遠,楊紅兵,李志偉.  光譜學與光譜分析. 2019(06)
[4]隨機森林遙感信息提取研究進展及應用展望[J]. 于新洋,趙庚星,常春艷,袁秀杰,王卓然.  遙感信息. 2019(02)
[5]基于高光譜技術的農作物常見病害監(jiān)測研究[J]. 謝亞平,陳豐農,張競成,周斌,王海江,吳開華.  光譜學與光譜分析. 2018(07)
[6]銅脅迫下玉米葉片反射光譜的紅邊位置變化及其與葉綠素的關系[J]. 李苑溪,陳錫云,羅達,李波瑩,王姝人,張力瑋.  光譜學與光譜分析. 2018(02)
[7]基于高光譜成像的馬鈴薯葉片葉綠素分布可視化研究[J]. 鄭濤,劉寧,孫紅,龍耀威,楊瑋,ZHANG Qin.  農業(yè)機械學報. 2017(S1)
[8]基于無人機高光譜影像的引黃灌區(qū)水稻葉片全氮含量估測[J]. 秦占飛,常慶瑞,謝寶妮,申健.  農業(yè)工程學報. 2016(23)
[9]基于高光譜成像的寒地水稻葉瘟病與缺氮識別[J]. 袁建清,蘇中濱,賈銀江,張雨,章宗鑫.  農業(yè)工程學報. 2016(13)
[10]基于HJ-1A/1B影像的冬小麥開花期主要生長指標遙感定量監(jiān)測研究[J]. 譚昌偉,楊昕,馬昌,羅明,嚴翔,郭文善.  麥類作物學報. 2015(03)



本文編號：3420916