冬小麥葉面積指數(shù)反演與病害光譜識別研究

《冬小麥葉面積指數(shù)反演與病害光譜識別研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得安徽大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：管素耘簽字日期：≯曄年莎月／／日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解安徽大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱

2、。本人授權(quán)安徽大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：管青舷簽字日期：矽／牛年莎月／f日導(dǎo)師簽名：簽字日期：右年啟f望安徽大學(xué)碩士學(xué)位論文摘要刪㈣JIIJlilJIIIIJIlilllllllJIlllY2579551隨著全球變暖，病蟲害的發(fā)生給冬小麥產(chǎn)量和品質(zhì)帶來了巨大損失。冬小麥生長過程中主要遭受病蟲害(包括條銹病、白粉病、蚜蟲等)和水肥脅迫等影響。如何及時監(jiān)測和正確區(qū)分不同病害類型與其它

3、脅迫對于指導(dǎo)小麥變量噴藥有重要意義。傳統(tǒng)的監(jiān)測方法主要是由植物保護(hù)專家通過實(shí)地抽樣調(diào)查來判斷疾病的嚴(yán)重性，時效性差，費(fèi)時費(fèi)力，調(diào)查難以在大范圍內(nèi)進(jìn)行，同時調(diào)查結(jié)果受人為因素影響較大。相比之下，遙感具有大面積、全天候、多波段、快速、無損等特點(diǎn)，為大范圍的作物理化參數(shù)反演和病害監(jiān)測提供了可能。本文首先將支持向量機(jī)和遙感技術(shù)相結(jié)合，實(shí)現(xiàn)了冬小麥一個重要生理參數(shù)～葉面積指數(shù)(LAI)的大面積反演。其次，以植被指數(shù)為手段對不同病害的識別展開了深入研究。主要研究內(nèi)容和結(jié)果如下：1、提出使用支持向量機(jī)的方法實(shí)現(xiàn)葉面積指數(shù)反演，在輸入

4、參數(shù)上可以包含更多的波段，解決了經(jīng)驗(yàn)公式法中植被指數(shù)易飽和以及LAI反演精度較低的問題。本文所用數(shù)據(jù)為遙感影像和實(shí)測光譜數(shù)據(jù)和葉面積指數(shù)數(shù)據(jù)，時期選擇在冬小麥的起身期、拔節(jié)期和灌漿期。選用了兩種植被指數(shù)：歸一化植被指數(shù)(NDVI)和比值植被指數(shù)(RVI)。共構(gòu)建了五種預(yù)測模型，分別為兩種統(tǒng)計(jì)回歸模型(NDVI．LAI和RVI．L觸)，三種支持向量機(jī)回歸(SVR)模型(NDVI．SVR、RVI—SVR和NRGB．SvR)，其中NRGB．SVR表示SVR的輸入?yún)?shù)為藍(lán)(B)、綠(G)、紅(R)以及近紅外(Nm)四個波段。上

5、述五個模型分別利用對應(yīng)時期的環(huán)境星HJ．CCD數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明：NDVI—LAI和RVI．LAI模型的均方根誤差(RMSE)分別為0．98與0．97；反演精度分別為59．2％和59．3％。以支持向量機(jī)作為工具，另外三種模型NDVI．SVR、RVI．SVR和NRGB—SVR的均方根誤差(IUMSE)分別為O．71、0．83和O．42；反演精度分別為70．4％、67．1％和81．7％。2、提出了利用常用植被指數(shù)組合構(gòu)建特征空間的方法來識別和區(qū)分小麥條銹病、白粉病和水肥脅迫，解決了利用冠層數(shù)據(jù)難以識別冬小麥常規(guī)脅迫的問

6、題。本文首先選取了十五種常用植被指數(shù)，通過獨(dú)立樣本T檢驗(yàn)獲取每種脅迫的敏安徽大學(xué)碩士學(xué)位論文冬小麥葉面積指數(shù)反演與病害光譜識別研究感指數(shù)。最終，指數(shù)的組合被選擇用來區(qū)分不同脅迫。結(jié)果表明，歸一化植被指數(shù)(NDVI)和生理反射植被指數(shù)(Ph砒)的組合可以用來識別白粉病和條銹病(PM．Ⅵ己)。以NDVI和PhRI為坐標(biāo)軸建立一個2維坐標(biāo)系，不同脅迫的數(shù)據(jù)分布在坐標(biāo)系中，分類邊界可以用來識別白粉病和條銹病。類似地，修正簡單植被指數(shù)(MSR)和生理反射植被指數(shù)(Phm)的組合可以識別條銹病和水肥脅迫(YR-now0)；氮反射指

7、數(shù)(NⅪ)和紅邊植被脅迫指數(shù)(RVSI)的組合可以識別百分病和水肥脅迫(PM．now0)。經(jīng)驗(yàn)證，PM—YR,YR-now0和PM—now0模型的識別精度分別為：83．3％，88％，88．75％，KAPPA精度分別為：63．41％，74．79％，71．43％。3、提出一種新的優(yōu)化光譜指數(shù)用于識別冬小麥的不同病害，解決了有限的指數(shù)對于識別不同的病害達(dá)不到理想的效果的問題。新的優(yōu)化光譜指數(shù)由單波段和兩個不同波段的歸一化構(gòu)成，由RELIFE-F算法得到和某種病害最相關(guān)和最不相關(guān)的波段，最相關(guān)波段用作新指數(shù)的單波段，最相關(guān)和最

8、不相關(guān)波段的可能組合構(gòu)成歸一化波段。以冬小麥的條銹病、白粉病和蚜蟲為例，在葉片尺度，健康葉片、條銹葉片、白粉葉片和蚜蟲葉片的最終識別結(jié)果分別為86．5％，85．2％，91．6％和93．5％，在冠層尺度也得到了滿意的結(jié)果。在葉片尺度，白粉指數(shù)(PMI)和病害指數(shù)(DI)有很好的相關(guān)性，說明可以用白粉指數(shù)反演白粉病的嚴(yán)重度。在冠層尺度