[發明專利]基于光譜指數的冬小麥全蝕病病害指數預測模型的構建方法及應用在審
| 申請號: | 201810030881.X | 申請日: | 2018-01-12 |
| 公開(公告)號: | CN108375550A | 公開(公告)日: | 2018-08-07 |
| 發明(設計)人: | 郭偉;汪強;喬紅波;張慧;董萍;鄭光;朱耀輝 | 申請(專利權)人: | 河南農業大學 |
| 主分類號: | G01N21/31 | 分類號: | G01N21/31;G06Q50/02;G06T3/40;G06Q10/04 |
| 代理公司: | 河南科技通律師事務所 41123 | 代理人: | 樊羿;張曉輝 |
| 地址: | 450002 河*** | 國省代碼: | 河南;41 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 冬小麥 全蝕病 病害指數 光譜指數 光譜數據 病害 預測模型 構建 冠層 線性回歸模型 高光譜數據 工作效率高 技術指導 模型預測 信息差異 預測結果 采樣點 高光譜 灌漿期 波段 預測 成像 采集 篩選 敏感 小麥 防治 應用 調查 | ||
1.一種基于光譜指數的冬小麥全蝕病病害指數預測模型的構建方法,其特征在于,包括以下步驟,
(1)病害等級調查:調查試驗區域中所選樣點內冬小麥全蝕病的病害情況,并對病害情況進行等級劃分;
(2)數據采集:按照常規方法或步驟采集不同樣點內冬小麥冠層地面的ASD光譜數據;與冠層地面光譜數據采集同步,采集冬小麥冠層空中的UHD185成像光譜數據;
(3)光譜數據預處理
a.ASD光譜數據預處理
以每個樣點的冬小麥冠層地面的ASD光譜數據的平均值作為該樣點所對應的光譜反射值,并依據選取樣點內冬小麥的病害等級,獲得不同病害等級的冬小麥冠層地面的光譜反射曲線;
b.冠層空中的UHD185成像高光譜數據預處理
將冬小麥冠層空中的高光譜數據進行拼接,并提取試驗區樣點的冬小麥冠層平均光譜;
(4)獲取高光譜數據中對冬小麥全蝕病敏感的波段范圍
將UHD185成像高光譜數據依據調查樣點內冬小麥的病害等級導出其所對應的平均光譜反射率,將其與ASD光譜數據的平均光譜反射率進行相關性分析,提取二者相關性顯著時所對應的波段范圍,即為UHD185成像光譜數據對冬小麥全蝕病病害敏感的波段范圍;
(5)篩選敏感波段內的最優光譜指數
a.根據下式分別計算敏感波段內任意兩個波段的光譜反射率所構成的差異光譜指數DSI、歸一化差異光譜指數NDSI和比值型光譜指數RSI,
DSI(x,y)=x-y (1)
式中,x,y分別代表的是敏感波段范圍內的第i和j個波段對應的光譜反射率Ri,Rj;
b.篩選對冬小麥全蝕病病害指數最優的光譜指數
分別構建由上述敏感波段內任意兩個波段的光譜反射率構成的DSI、NDSI和RSI與冬小麥全蝕病病害指數的決定系數等勢圖,決定系數最大的光譜指數為最優光譜指數,并篩選出最優光譜指數所對應的最優數值;
(6)構建冬小麥全蝕病病害指數的高光譜預測模型
以冬小麥全蝕病病害指數Y為因變量,以最優的光譜指數的最優數值T為自變量,按照下式(4)建立冬小麥全蝕病病害指數的高光譜預測模型,
Y=a×T+b (4)
式中,a為最優光譜指數所對應的回歸系數,b為常數項。
2.根據權利要求1所述的基于光譜指數的冬小麥全蝕病病害指數預測模型的構建方法,其特征在于,所述敏感波段范圍為462~874nm。
3.根據權利要求1所述的基于光譜指數的冬小麥全蝕病病害指數預測模型的構建方法,其特征在于,所述最優光譜指數為差異光譜指數DSI,所述最優光譜指數所對應的波段區域為534~818nm,所述最優光譜指數所對應的最優的數值T為DSI(R818,R534)。
4.根據權利要求3所述的基于光譜指數的冬小麥全蝕病病害指數預測模型的構建方法,其特征在于,灌漿期冬小麥全蝕病病害指數的高光譜預測模型為
Y=-6.4901×(R818-R534)+1.4613,R2=0.8605,RMSE=0.073
式中,R818、R534分別為波長為818nm、534nm時所對應的光譜反射率。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于河南農業大學,未經河南農業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810030881.X/1.html,轉載請聲明來源鉆瓜專利網。





