当前位置: 首页 > 专利查询>安徽大学专利>正文

一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法技术

技术编号:19481061 阅读:32 留言:0更新日期:2018-11-17 10:39
本发明专利技术涉及基于ASD高光谱数据的冬小麦白粉病遥感监测方法,包括以下步骤:采集冬小麦的冠层高光谱数据,计算病情指数DI;选取400~800nm波段范围内的冠层高光谱数据作为试验数据;分别计算各波段对于病情指数DI的权重值a和各波段之间的相关系数,求得将权重值和权重值a最大值所对应的波段与其它波段的相关系数归一化后二者间距d,取权重值a最大值所对应的波段和距离d中的最大正值所对应的波段作为最佳敏感波段组合;构造新植被指数NDVI1;选取10种与白粉病病情相关的植被指数与新植被指数NDVI1构建冬小麦白粉病监测模型。本发明专利技术通过对小麦高光谱数据中的原始波段信息进行分析、组合和加强,提取敏感波段和构建新的植被指数,并用于病虫害遥感监测。

【技术实现步骤摘要】
一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法
本专利技术涉及小麦白粉病遥感监测
,具体涉及一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法。
技术介绍
小麦是我国的主要粮食之一,并已在部分地区实现了大面积种植。小麦白粉病是威胁小麦产量和质量的主要病害之一,具有大面积传播的特性,根据相关统计数据显示,病害严重爆发时可使小麦产量降低20%以上。而随着全球变暖,给病害的发生提供了良好的条件。因此对农作物病害进行实时有效监测,为有关部门提供有效参考是很有参考意义的。在对病害的监测方法中,传统的田间调查方式费时费力,而遥感技术通过图谱分析,可及早了解作物健康状况,获得大面积病虫害发生的严重度和空间分布信息,从而为及时、准确地防治病虫害提供数据支持。高光谱遥感技术利用其可以获取光谱分辨率达纳米数量级的连续光谱曲线,对地物的识别能力强,使得遥感监测病虫害精度不断提高,已广泛用于作物病害分类、识别研究。但由于高光谱遥感数据波段数多,波段间存在冗余,因此,需要设计一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,通过对原始波段信息进行分析、组合和加强,提取敏感波段和构建新的植被指数并应用于病虫害遥感监测。
技术实现思路
本专利技术的目的在于提供一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,该方法通过对冬小麦冠层高光谱数据中的原始波段信息进行分析、组合和加强,提取敏感波段和构建新的植被指数,并用于病虫害遥感监测。为实现上述目的,本专利技术采用了以下技术方案:一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,该方法包括以下步骤:(1)采集试验地冬小麦的冠层高光谱数据,并计算冬小麦的病情指数DI。(2)选取400~800nm波段范围内的冠层高光谱数据作为试验数据,并将其中的异常数据剔除。(3)分别计算400~800nm波段范围内各波段对于病情指数DI的权重值a和各波段之间的相关系数,并求得将权重值和权重值a最大值所对应的波段与其它波段的相关系数归一化后二者间距d,取权重值a中的最大值所对应的波段和距离d中的最大正值所对应的波段作为最佳敏感波段组合。(4)根据最佳敏感波段组合以及归一化植被指数NDVI,构造新植被指数NDVI1。(5)选取10种与白粉病病情相关的植被指数,并采用这10种植被指数与新植被指数NDVI1构建冬小麦白粉病监测模型。进一步的,步骤(1)中,采用以下公式计算冬小麦的病情指数DI:其中,f为分类为各个梯度叶片数,x为对应梯度的级数值,n为梯度描述值从1到8。进一步的,步骤(3)中,采用Relief-F算法计算400~800nm波段范围内各波段对于病情指数DI的权重值a。进一步的,步骤(3)中,权重值a中的最大值所对应的波段为636nm,距离d中的最大正值所对应的波段为784nm。进一步的,步骤(4)中,采用归一化差分法构造新植被指数NDVI1。由以上技术方案可知,本专利技术通过对冬小麦冠层高光谱数据中的原始波段信息进行分析、组合和加强,提取敏感波段和构建新的植被指数,并用于病虫害遥感监测。附图说明图1是本专利技术的方法流程图;图2中的左图是正常样本红边参数(左),右图是剔除异常点后正常样本红边参数(右);图3中的左图是病害样本红边参数,右图是剔除异常点后病害样本红边参数;图4波段与权重值的对应关系曲线图;图5波段之间的相关系数的等高线图(400-800nm);图6是636nm波段与其他波段的相关性的曲线图;图7权重值、相关系数及权重值与相关系数间距离的曲线图;图8是10种与白粉病病情相关的植被指数及其计算公式;图9是不同植被指数的一元线性回归结果(病害样本);图10是不同植被指数的一元线性回归结果(包括健康样本);图11是SVM病害等级(包括健康样本)分类精度;图12是SVM病害等级(病害样本)分类精度;图13是LS-SVM病害等级(包括健康样本)分类精度;图14是LS-SVM病害等级(病害样本)分类精度。具体实施方式下面结合附图对本专利技术做进一步说明:如图1所示的一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,该方法包括以下步骤:S1、采集试验地冬小麦的冠层高光谱数据,并计算冬小麦的病情指数DI。高光谱数据及病情指数数据均来自于2001-2002年度在北京市昌平区小汤山国家精准农业示范基地(40°10.6′N,116°26.3′E)展开的病虫害试验。此次试验根据相关试验标准对试验地的小麦进行了白粉病孢子接种,试验所用的小麦品种为易感白粉病的“北农10”。在上述野外数据采集试验中,光谱采集使用的是来自美国ASD公司生产的ASDFieldSpecProFR(350nm-2500nm)型光谱仪。数据采集均在阳光充足的正午时间进行,测量时环境条件要求为无风、少云且阳光充足,并且冠层光谱数据都是在小麦冠层之上10cm-20cm左右处收集。设置每个样点测定20次,每次测量前均使用40cm×40cm的BaSO4标准白板进行光谱校正,记录结果为20次扫描的平均值。采用以下公式计算冬小麦的病情指数DI:其中,f为分类为各个梯度叶片数,x为对应梯度的级数值,n为梯度描述值从1到8。通常使用病情指数(diseaseindex,DI)来描述作物病情的严重程度。本专利技术的试验中小麦白粉病情况参照国家农业行业标准(NY/T613-2002)进行调查统计。S2、选取400~800nm波段范围内的冠层高光谱数据作为试验数据,并将其中的异常数据剔除。由于小麦的冠层光谱曲线在不同的波段范围内,随着病情等级的差异,光谱反射率也存在着特定的变化规律。在400nm-700nm波段内,随着病害等级的升高,光谱反射率也随之升高,在780nm-1350nm之间光谱反射率数据基本遵循随着病害等级的升高,光谱反射率逐渐降低的变化趋势。而在不同病害等级与光谱反射率之间的相关性中,450nm-780nm波段处的病情指数与光谱反射率相关系数较大,在780nm-950nm处的相关性值趋于平稳并且数值较小。因此,为了有效提高数据的利用效率,减小数据量,本专利技术使用400nm-800nm波长范围的数据进行试验,包括对病害等级变化有着规律性改变的400nm-700nm波段、700nm-780nm波段范围内的红边波段。在数据采集与野外试验的过程中难免存在一定的人为因素,为了确保试验的正确性和客观性,在使用数据之前需对数据进行异常点去除。本专利技术采用中心距离法去除异常点,此处变量选择的为红边变量,大量研究表明红边变量可以表明植被的叶绿素特性变化。当植被生长旺盛,叶绿素含量高时,红边会向长波方向移动(红移),而当植被遇到侵害时,红边则会向短波方向移动(蓝移)。因此,本专利技术采用红边变量剔除异常点。从图2(左)中可以看出,正常样本的红边参数大部分均处于720nm左右,但其中存在部分明显异常点,一部分数据的红边参数与正常样本的红边参数值出现了明显的偏差,造成这种现象的原因是测量过程中的某些错误操作造成的,这类样本点需要剔除。图3(左)为病害样本的红边参数图,从图中可以看出红边参数在整体上满足随着病害等级增加而红边减小的变化趋势,并且存在明显的异常点,且在45-55号样本间存在明显的整体高于变化曲线的情况,导致这种情况的原因可能是由于测量人员采用不同的测量习惯导致,由于样本本文档来自技高网...

【技术保护点】
1.一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,其特征在于:该方法包括以下步骤:(1)采集试验地冬小麦的冠层高光谱数据,并计算冬小麦的病情指数DI;(2)选取400~800nm波段范围内的冠层高光谱数据作为试验数据,并将其中的异常数据剔除;(3)分别计算400~800nm波段范围内各波段对于病情指数DI的权重值a和各波段之间的相关系数,并求得将权重值和权重值a最大值所对应的波段与其它波段的相关系数归一化后二者间距d,取权重值a中的最大值所对应的波段和距离d中的最大正值所对应的波段作为最佳敏感波段组合;(4)根据最佳敏感波段组合以及归一化植被指数NDVI,构造新植被指数NDVI1;(5)选取10种与白粉病病情相关的植被指数,并采用这10种植被指数与新植被指数NDVI1构建冬小麦白粉病监测模型。

【技术特征摘要】
1.一种基于ASD高光谱数据的冬小麦白粉病遥感监测方法,其特征在于:该方法包括以下步骤:(1)采集试验地冬小麦的冠层高光谱数据,并计算冬小麦的病情指数DI;(2)选取400~800nm波段范围内的冠层高光谱数据作为试验数据,并将其中的异常数据剔除;(3)分别计算400~800nm波段范围内各波段对于病情指数DI的权重值a和各波段之间的相关系数,并求得将权重值和权重值a最大值所对应的波段与其它波段的相关系数归一化后二者间距d,取权重值a中的最大值所对应的波段和距离d中的最大正值所对应的波段作为最佳敏感波段组合;(4)根据最佳敏感波段组合以及归一化植被指数NDVI,构造新植被指数NDVI1;(5)选取10种与白粉病病情相关的植被指数,并采用这10种植被指数与新植被指数NDVI1构建冬小麦白粉病监测模型。2.根据权利要求1...

【专利技术属性】
技术研发人员:黄林生丁文娟刘文静赵晋陵张东彦杜世州黄文江徐超梁栋
申请(专利权)人:安徽大学
类型:发明
国别省市:安徽,34

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1