為提高小麥條銹病遙感監(jiān)測精度,綜合利用反射率光譜在作物生化參數(shù)探測方面的優(yōu)勢和葉綠素?zé)晒庠诠夂仙碓\斷方面的優(yōu)勢,構(gòu)建了冠層日光誘導(dǎo)葉綠素?zé)晒?Solar-induced chlorophyll fluorescence,SIF)協(xié)同反射率光譜吸收參量的初始特征集合,并基于融合遺傳算法(Genetic algorithm,GA)和支持向量回歸(Support vector regression,SVR)算法對初始特征集合與SVR參數(shù)進(jìn)行聯(lián)合優(yōu)選,確定遙感監(jiān)測小麥條銹病嚴(yán)重度的敏感因子,建立基于GA-SVR算法的小麥條銹病遙感監(jiān)測模型,并將其與相關(guān)系數(shù)(Correlation coefficient,CC)分析法提取特征參量構(gòu)建的CC-SVR模型精度進(jìn)行對比。小區(qū)試驗(yàn)數(shù)據(jù)驗(yàn)證結(jié)果表明,融合GA和SVR算法優(yōu)選特征參量構(gòu)建的GA-SVR模型精度優(yōu)于CC-SVR模型,3個(gè)樣本組中GA-SVR模型預(yù)測病情指數(shù)(Disease index,DI)與實(shí)測DI間的決定系數(shù)R²比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根誤差(Root mean square...

【文章頁數(shù)】：11 頁


本文編號：3858603