[發(fā)明專利]基于子窗口重排法提取敏感參數(shù)構(gòu)建小麥葉片白粉病早期監(jiān)測(cè)模型的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710172841.4
• 申請(qǐng)日: 2017-03-22
• 公開（公告）號(hào): CN106777845A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 姚霞;程濤;王文雁;劉紅艷;海德;田永超;朱艷;曹衛(wèi)星
• 申請(qǐng)（專利權(quán)）人: 南京農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G01N21/25
• 代理公司: 北京高沃律師事務(wù)所11569
• 代理人: 王加貴

技術(shù)領(lǐng)域

本發(fā)明涉及植物病害早期預(yù)測(cè)技術(shù)領(lǐng)域，具體涉及基于子窗口重排法提取敏感參數(shù)構(gòu)建小麥葉片白粉病早期監(jiān)測(cè)模型的方法。

背景技術(shù)

白粉病(Blumeriagraminis Speer)是小麥生產(chǎn)中一種世界性主要病害，也是影響小麥產(chǎn)量的主要病害之一。對(duì)小麥白粉病進(jìn)行早期識(shí)別、快速監(jiān)測(cè)、定量評(píng)價(jià)是小麥抗白粉病精確育種、精確施藥、生態(tài)安全和損失評(píng)估等的核心關(guān)鍵技術(shù)。前人監(jiān)測(cè)作物病害主要通過破壞性取樣測(cè)量或者田間調(diào)查病株計(jì)算發(fā)病率、嚴(yán)重度或病情指數(shù)，往往耗時(shí)費(fèi)力、效率低下、主觀性強(qiáng)、可重復(fù)性差；而小麥感染白粉病以后，其內(nèi)部生理活動(dòng)和外觀形態(tài)均會(huì)顯示異常癥狀(徐秉良等，2011)。小麥的光合作用能力減弱，植株生長(zhǎng)受限，葉片內(nèi)部的色素含量和水分含量減少，使葉片逐漸發(fā)黃干枯。這為基于光譜監(jiān)測(cè)識(shí)別白粉病提供了很好的生理?xiàng)l件。因此早在1989年，丹麥學(xué)者(Lorenzen et al.1989)發(fā)現(xiàn)可以利用400–1100nm光譜信息來識(shí)別小麥白粉病，因?yàn)樵搮^(qū)的光譜反射率與對(duì)照品種相比有顯著差異；后來，人們開始利用基于一階導(dǎo)數(shù)的光譜特征來識(shí)別病害(Miller et al.1991；Baret et al.1994)；瑞士學(xué)者Hamed Hamid Muhammed(2003；2005)基于360–900nm的高光譜信息，利用feature-vector-based(FVBA)特征分析法計(jì)算權(quán)重系數(shù)，定量分析病害嚴(yán)重度和權(quán)重系數(shù)的關(guān)系，從而確定了病害敏感的特征波段范圍。Cedric Bravo(2003)篩選了460-900nm之間的4個(gè)波段，歸一化后定量反演條繡病害的嚴(yán)重度，后來該課題組成員Dimitrios Moshou(2004)利用神經(jīng)網(wǎng)絡(luò)法區(qū)分病害，進(jìn)一步提高了病害監(jiān)測(cè)準(zhǔn)確度。Moshou(2005)融合高光譜和熒光成像信息，并基于自組織映射法更準(zhǔn)確識(shí)別病害。可見前人主要基于光譜原始反射率、一階導(dǎo)數(shù)、植被指數(shù)與病情嚴(yán)重度構(gòu)建定量關(guān)系，根據(jù)相關(guān)性等提取敏感光譜(區(qū)域)且多為中后期較少明確提取出指示早期病害特征的敏感參數(shù)并構(gòu)建相應(yīng)的模型。

隨著機(jī)器學(xué)習(xí)法和化學(xué)計(jì)量學(xué)的發(fā)展，科學(xué)家們提出了一些新的變量選擇方法用于特征的提取，代表性的如隨機(jī)森林(RandomForest)。雖然在隨機(jī)森林算法中基于重排的變量重要性評(píng)價(jià)方法評(píng)價(jià)很高，但是隨機(jī)森林每個(gè)變量?jī)H被隨機(jī)重排一次，因此得到的值不可重復(fù)；隨機(jī)森林模型干擾變量的存在具有掩蓋效應(yīng)，可能會(huì)無法將最優(yōu)變量集篩選出來。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是提供基于子窗口重排法(Subwindow PermutationAnalysis，SPA)提取敏感參數(shù)構(gòu)建小麥葉片白粉病早期監(jiān)測(cè)模型的方法，該方法通過利用子窗口重排法，充分利用小麥白粉病特征變量之間的協(xié)同效應(yīng)，使所述監(jiān)測(cè)方法具有更優(yōu)的統(tǒng)計(jì)意義和更高的穩(wěn)定性和準(zhǔn)確性。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供以下技術(shù)方案：

本發(fā)明提供了基于子窗口重排法提取敏感參數(shù)構(gòu)建小麥葉片白粉病早期監(jiān)測(cè)模型的方法，包括以下步驟：

1)獲取感病小麥葉片的高光譜反射率；

2)利用SPA算法從高光譜反射率的原始波段中提取敏感波段；

3)選擇現(xiàn)有研究中與病害可能相關(guān)的光譜指數(shù)，利用SPA算法從所述光譜指數(shù)中提取敏感光譜指數(shù)；

4)利用偏最小二乘-線性判別分析法，將所述敏感波段或所述敏感光譜指數(shù)作為分輸入變量，構(gòu)建小麥白粉病早期監(jiān)測(cè)模型；

5)用二分類算法對(duì)所述小麥白粉病早期監(jiān)測(cè)模型進(jìn)行檢驗(yàn)，且基于獨(dú)立易感品種用留一交互檢驗(yàn)法評(píng)價(jià)模型表現(xiàn)；

所述步驟2)與步驟3)之間沒有時(shí)間順序的限制。

優(yōu)選的，所述步驟1)中感病小麥葉片按照病情嚴(yán)重度劃分樣品等級(jí)。

優(yōu)選的，所述步驟1)中病情嚴(yán)重度(SL)是病葉上病斑菌絲層覆蓋葉片面積占葉片總面積的比率；

所述樣品等級(jí)為9級(jí)，分別為0％、1％、5％、10％、20％、40％、60％、80％和100％的小麥葉片。

優(yōu)選的，所述步驟2)中光譜特征包括紅邊區(qū)域，具體優(yōu)選為400～1000nm。

優(yōu)選的，所述步驟3)中光譜指數(shù)包括13種高光譜植被指數(shù)和13種微分光譜指數(shù)。