[發(fā)明專利]基于二波段組合指數(shù)的冠層尺度小麥赤霉病病情指數(shù)評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110607814.1
• 申請(qǐng)日: 2021-06-01
• 公開(kāi)（公告）號(hào): CN113340815A
• 公開(kāi)（公告）日: 2021-09-03
• 發(fā)明（設(shè)計(jì)）人: 黃林生;張寒蘇;黃文江;陳鑫雨;汪靖;陳月;徐云蕾;劉勇;吳康
• 申請(qǐng)（專利權(quán)）人: 安徽大學(xué)
• 主分類號(hào): G01N21/17
• 分類號(hào): G01N21/17;G01N21/31;G01N21/55;G06K9/00;G06K9/52;G06K9/62;G06F17/16;G06F17/18
• 代理公司: 合肥國(guó)和專利代理事務(wù)所(普通合伙) 34131
• 代理人: 張祥騫

本發(fā)明涉及基于二波段組合指數(shù)的冠層尺度小麥赤霉病病情指數(shù)評(píng)估方法，與現(xiàn)有技術(shù)相比解決了小麥發(fā)病程度判斷不準(zhǔn)確的缺陷。本發(fā)明包括以下步驟：光譜數(shù)據(jù)的獲取和預(yù)處理；傳統(tǒng)植被指數(shù)的選取以及二波段組合指數(shù)的構(gòu)建；二波段組合指數(shù)的優(yōu)選；單變量回歸模型的構(gòu)建；多元回歸模型的構(gòu)建。本發(fā)明利用小麥冠層關(guān)鍵生育期近地高光譜數(shù)據(jù)，通過(guò)構(gòu)建最佳光譜指數(shù)實(shí)現(xiàn)了小麥病情指數(shù)的有效評(píng)估。

技術(shù)領(lǐng)域

本發(fā)明涉及作物病蟲(chóng)害遙感監(jiān)測(cè)技術(shù)領(lǐng)域，具體來(lái)說(shuō)是一種基于二波段組合指數(shù)的冠層尺度小麥赤霉病病情指數(shù)評(píng)估方法。

背景技術(shù)

與條銹、白粉等其他小麥病害不同，小麥赤霉病病菌可以直接侵染麥穗，造成麥?？莅T，所以小麥赤霉病又被叫做麥穗枯，它是一種能夠引起小麥產(chǎn)量急劇下降的病害。此外，遭受赤霉病侵染的小麥甚至?xí)a(chǎn)生毒素，嚴(yán)重威脅人類和牲畜健康。赤霉病菌隨風(fēng)而動(dòng)，溫暖濕潤(rùn)的天氣下有助于它的大量繁殖，往往一株小麥上的赤霉菌子可以感染周?chē)黄溙?，頻繁降雨時(shí)情況更是嚴(yán)重，這種情況不可控制，所以每年，小麥赤霉病都會(huì)大幅度發(fā)生。這對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)造成無(wú)法挽回的傷害，及時(shí)防控和監(jiān)測(cè)赤霉病對(duì)保證我國(guó)小麥質(zhì)量、提高我國(guó)小麥產(chǎn)量具有非常重要的意義。

小麥赤霉病的監(jiān)測(cè)方法多種多樣，通過(guò)目視解譯可以直接觀察田間小麥赤霉病的發(fā)病情況，但這種方法費(fèi)時(shí)費(fèi)力，且易受主觀意識(shí)的影響。事實(shí)上，小麥?zhǔn)苷婢腥竞?，其形態(tài)和內(nèi)部生理結(jié)構(gòu)發(fā)生了變化，這些變化可以通過(guò)患病植物組織的光譜反射率得到有效反映，高光譜遙感技術(shù)在這方面表現(xiàn)出了非常大的潛力。

光譜指數(shù)是對(duì)作物生長(zhǎng)狀況的簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量，目前，學(xué)者們根據(jù)作物光譜變化，逐步發(fā)展出一系列光譜指數(shù)，這些指數(shù)被廣泛應(yīng)用于作物病蟲(chóng)害早期預(yù)報(bào)或監(jiān)測(cè)系統(tǒng)中。然而，光譜對(duì)植物生理生化、形態(tài)和結(jié)構(gòu)變化的響應(yīng)是非常復(fù)雜的，不同的植物具有不同的光譜特征，同一株植物在不同生長(zhǎng)階段和環(huán)境下可能也具有不同的光譜特征。

對(duì)于小麥赤霉病來(lái)說(shuō)，常規(guī)植被指數(shù)只是在前人基礎(chǔ)上實(shí)現(xiàn)的特定波段的組合，這些特定波段或許不能代表小麥赤霉病的敏感波段，即不能很突出的表現(xiàn)小麥?zhǔn)艹嗝共「腥竞笏鸬墓庾V變化，造成赤霉病識(shí)別精度低、誤差大等結(jié)果。通過(guò)對(duì)小麥光譜進(jìn)行全波段分析并依此構(gòu)建最佳光譜特征來(lái)準(zhǔn)確識(shí)別赤霉病病情指數(shù)必不可少。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中小麥發(fā)病程度判斷不準(zhǔn)確的缺陷，提供一種基于二波段組合指數(shù)的冠層尺度小麥赤霉病病情指數(shù)評(píng)估方法來(lái)解決上述問(wèn)題。為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：

基于二波段組合指數(shù)的冠層尺度小麥赤霉病病情指數(shù)評(píng)估方法，包括以下步驟：

11)光譜數(shù)據(jù)的獲取和預(yù)處理：獲取原始光譜反射率數(shù)據(jù)，并對(duì)其進(jìn)行多元散射校正光譜預(yù)處理；

12)傳統(tǒng)植被指數(shù)的選取以及二波段組合指數(shù)的構(gòu)建：在預(yù)處理光譜數(shù)據(jù)的基礎(chǔ)上，基于植被指數(shù)法選擇常用傳統(tǒng)植被指數(shù)，探討其對(duì)小麥赤霉病不同發(fā)病程度的適用性；構(gòu)建二波段組合指數(shù)；

13)二波段組合指數(shù)的優(yōu)選：對(duì)構(gòu)建的六類二波段組合指數(shù)與小麥病情指數(shù)進(jìn)行相關(guān)性分析，以等高線圖的方式清晰顯示每個(gè)指數(shù)與病情指數(shù)之間的相關(guān)性大小，篩選與小麥赤霉病病情指數(shù)相關(guān)性最高的前6個(gè)二波段組合指數(shù)，即篩選后的二波段組合指數(shù)；

14)單變量回歸模型的構(gòu)建：將經(jīng)過(guò)篩選的二波段組合指數(shù)通過(guò)線性回歸的方式構(gòu)建回歸模型，將所有傳統(tǒng)植被指數(shù)采用相同方法進(jìn)行模型構(gòu)建，生成基于傳統(tǒng)植被指數(shù)的單變量回歸模型，對(duì)所有單變量回歸模型結(jié)果進(jìn)行評(píng)價(jià)并比較分析；

15)多元回歸模型的構(gòu)建：將篩選后的二波段組合指數(shù)全部作為輸入變量，基于偏最小二乘回歸算法進(jìn)行模型構(gòu)建，根據(jù)模型反演結(jié)果評(píng)價(jià)二波段組合指數(shù)在小麥赤霉病病情指數(shù)反演中的整體適用性。

所述傳統(tǒng)植被指數(shù)的選取以及二波段組合指數(shù)的構(gòu)建包括以下步驟：