首页 | 本学科首页   官方微博 | 高级检索  
     检索      

冬小麦条锈病严重度不同估算方法对比研究
引用本文:王静,景元书,黄文江,张竞成,赵娟,张清,王力.冬小麦条锈病严重度不同估算方法对比研究[J].光谱学与光谱分析,2015(6).
作者姓名:王静  景元书  黄文江  张竞成  赵娟  张清  王力
作者单位:1. 南京信息工程大学应用气象学院,江苏 南京 210044; 中国科学院遥感与数字地球研究所,数字地球重点实验室,北京 100094
2. 南京信息工程大学应用气象学院,江苏 南京,210044
3. 中国科学院遥感与数字地球研究所,数字地球重点实验室,北京 100094
4. 北京农业信息技术研究中心,北京,100097
基金项目:国家自然科学基金项目,中国科学院百人计划项目资助
摘    要:为了提高遥感监测小麦条锈病病害严重度的准确性,寻找小麦病害的较优反演模型,在国家精准农业示范研究基地基于野外定位调查小麦病情指数及冠层光谱数据,利用与小麦病害发生呈显著关系且有效反映植被生理生长状况的7种高光谱植被指数,尝试分别采用PLS(偏最小二乘回归)、BP神经网络和植被指数经验法三种方法建立小麦条锈病病情反演模型,并进行比较分析。结果表明:三种方法病害严重度预测值与实测值间的R2分别为0.936,0.918,0.767。采用偏最小二乘回归方法监测小麦病情指数效果更好,为探寻不同种类植被指数对模型的贡献,尝试用代表植被绿度的NDVI,GNDVI,MSR和代表水分含量的NDWI和MSI植被指数分别作为PLS模型的输入变量,建立病害反演模型。结果表明:小麦条锈病中,叶片叶绿素含量的变化比冠层水含量的变化对病情指数更为敏感,对病害有更好的解释作用。然而,两模型精度都低于七种植被指数全部参与时的预测结果,即输入变量中采用多种植被指数比用单类指数模拟准确度高。

关 键 词:高光谱遥感  条锈病  偏最小二乘法  神经网络  病情指数

Comparative Research on Estimating the Severity of Yellow Rust in Winter Wheat
WANG Jing,JING Yuan-shu,HUANG Wen-jiang,ZHANG Jing-cheng,ZHAO Juan,ZHANG Qing,WANG Li.Comparative Research on Estimating the Severity of Yellow Rust in Winter Wheat[J].Spectroscopy and Spectral Analysis,2015(6).
Authors:WANG Jing  JING Yuan-shu  HUANG Wen-jiang  ZHANG Jing-cheng  ZHAO Juan  ZHANG Qing  WANG Li
Abstract:
Keywords:Hyper-spectral  Yellow rust  Partial Least Square  BP neural network  Disease index
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号