資源描述：
《基于AdaBoost模型和mRMR算法的小麥白粉病遙感監(jiān)測(cè).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第33卷第5期1622017年3月農(nóng)業(yè)工程學(xué)報(bào)TransactionsofmeChineseSocietyofAgriculturalEngineeringVbl．33NO．5Mar．2017基于AdaBoost模型和mRMR算法的小麥白粉病遙感監(jiān)測(cè)馬慧琴1一，黃文江蜮，景元書1，董瑩瑩2，張競(jìng)成3，聶臣巍2，唐翠翠2，一，趙晉陵4，黃林生4(1．南京信息工程大學(xué)應(yīng)用氣象學(xué)院，氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，南京210044；2．中國科學(xué)院遙感與數(shù)字地球研究所，數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京100094：3．杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，杭州310018
2、：4．安徽大學(xué)電子信息工程學(xué)院，合肥230039)摘要：除選擇合適的建模方法外，選擇合適的特征選擇算法來優(yōu)選建模特征對(duì)提高作物病害的遙感監(jiān)測(cè)水平具有重要作用。選取陜西省關(guān)中平原兩部小麥白粉病為對(duì)象，基于Landsat8遙感影像共提取了18個(gè)特征變量，通過相關(guān)性分析(con弓lation鋤alysis，cA)和最小冗余最大相關(guān)(minimumredudallcymaximumrelev鋤ce，n1]晰R)2種特征選擇算法篩選出了2組不同的特征變量，分別將其輸入Fisher線性判別分析(FisherlineardiscriIIlinantanalysis，F(xiàn)LDA)
3、、支持向量機(jī)(supponvectormachine，svM)和AdaBoost3種方法，構(gòu)建小麥白粉病發(fā)生嚴(yán)重程度監(jiān)測(cè)模型，并對(duì)其進(jìn)行精度驗(yàn)證與對(duì)比分析。結(jié)果表明，2種AdaBoost模型對(duì)小麥白粉病發(fā)生嚴(yán)重程度的總體監(jiān)測(cè)精度分別比FLDA模型和SvM模型高出27．9％、27．9％和14．0％、9．3％，刪}蝴R算法篩選特征所建Fu)A、SvM及AdaBoost監(jiān)測(cè)模型的總體監(jiān)測(cè)精度分別比cA篩選特征所建模型高出7．0％、11．7％和7．0％，且IIl】卟佩算法篩選特征結(jié)合AdaB00st方法所建監(jiān)測(cè)模型的精度和Kappa系數(shù)分別為88．4％和0．807，為所
4、有模型中最高。說明將AdaBoost方法用于作物病害遙感監(jiān)測(cè)效果較好，在作物病害監(jiān)測(cè)模型的特征變量選擇中mImR算法比常用CA算法更具優(yōu)勢(shì)。研究結(jié)果可為其他作物病害遙感監(jiān)測(cè)提供方法參考。關(guān)鍵詞：病害；遙感；監(jiān)測(cè)；小麥；mRMR算法；AdaBoost方法doi：lO．11975a．issn．1002—6819．2017．05．024中圖分類號(hào)：s4；TP79文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1002—6819(2017)一05—0162—08馬慧琴，黃文江，景元書，董瑩瑩，張競(jìng)成，聶臣巍，唐翠翠，趙晉陵，黃林生．基于AdaBoost模型和mRMR算法的小麥白粉病遙感監(jiān)測(cè)[J
5、]．農(nóng)業(yè)工程學(xué)報(bào)，2017，33(5)：162—169．doi：10．11975／i．issn．1002—6819．2017．05．024hnp：／／www．tcsae．o唱MaHuiqiIl，Huangw咖iaIlg，JingYuanshu，DongYingying，zhallgmgcheng，Niechenwei，Tangcuicui，zhao血ling，HuaIlgLinsheng．RemotesensingmonitoriI培ofwheatpowde呵mildewbasedonAda【Boostmodelcombiningm砌嗵Ra培orimm【J]．1
6、’ransactionsofmeChineseSocietyofAgricultumlEngineering(TransactionsoftheCSAE)，2017，33(5)：162一169．(inChinesewithEnglishabs蹴t)doi：10．11975／j．issn．1002—6819-2017．05．024htcp：／／www．tcsae。o瑪0引言小麥白粉病己成為中國發(fā)生面積和危害十分嚴(yán)重的小麥病害之一，在重發(fā)年份減產(chǎn)可高達(dá)30％【l】。因此利用現(xiàn)代信息技術(shù)來提高對(duì)該病的監(jiān)測(cè)水平，對(duì)于指導(dǎo)病害防治，確保中國糧食生產(chǎn)穩(wěn)定具有重要的意義。近年
7、來，遙感技術(shù)的發(fā)展可有效解決病蟲害傳統(tǒng)監(jiān)測(cè)方式的多種弊端，為未來大面積病蟲害監(jiān)測(cè)預(yù)測(cè)提供了重要手段[2】。目前，一些學(xué)者利用該技術(shù)開展了作物病蟲害的監(jiān)測(cè)預(yù)測(cè)研究。蔣金豹等[3】將冠層光譜一階微分?jǐn)?shù)據(jù)與相應(yīng)的小麥條銹病病情指數(shù)進(jìn)行相關(guān)分析，并采用單變量線收稿日期：2016．06—21修訂日期：2017—02一11基金項(xiàng)目：中國科學(xué)院國際合作局對(duì)外合作重點(diǎn)項(xiàng)目(13121lKYsB20150034)：國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD030702)；國家自然科學(xué)基金國際合作項(xiàng)目(61661136004)；國家自然科學(xué)基金項(xiàng)目(41271412、41601467)：
8、江蘇省普通高校自然科學(xué)研
