基于XGBoost的水稻纹枯病严重度监测方法技术

本发明专利技术提出一种基于XGBoost的水稻纹枯病严重度监测方法。步骤为：通过耦合遥感和气象指标来表征病害的信息；运用PCA来对遥感和气象特征降维；最后使用XGBoost方法来构建监测模型，在每一轮迭代中，XGBoost通过优化损失函数的梯度来训练下一个弱学习器，并将其添加到模型中以减少之前轮次的残差。通过XGBoost算法优化后的构建水稻纹枯病监测模型，并通过GS、GA和PSO这3种方法对模型进行参数优化，优化后AUC值为0.792，TSS值为0.621。相比默认参数构建的监测模型，AUC值提升了0.077，TSS值提升了0.138。

【技术实现步骤摘要】

本专利技术涉及病害图像检测，具体来说是一种基于xgboost的水稻纹枯病严重度监测方法。

技术介绍

1、水稻纹枯病由坏死性病原菌rhizoctonia solani kühn引起，被认为是世界范围内最具破坏性的水稻病害之一。近几十年来，由于高剂量氮肥的施用和半矮秆高产品种的大规模种植，田间纹枯病发病率急剧上升。因此，在水稻稻田对纹枯病进行严重度监测具有重要意义。

2、伴随遥感技术的发展，遥感数据日益丰富，作物病虫害的遥感监测方法研究已成为农业遥感领域中重要的研究内容。其中对作物病虫害的光谱响应特征研究是一个重要的方面，基于不同遥感数据源的特性，分析在各类病虫害威胁下作物的光谱响应特征，是研究作物病虫害遥感监测的关键一步。基于气象和sentinel-2遥感光谱数据，建立水稻纹枯病严重度监测模型。作物病害遥感监测模型大致可分为两类：统计模型和机器学习模型。统计模型计算简单，但它们容易受到观测噪声的影响，并且在空间和时间维度上受到限制。能够平衡训练误差和泛化能力的机器学习算法受到越来越多的欢迎，包括fisher的线性判别分析（fisher's lin本文档来自技高网...

【技术保护点】

1.基于XGBoost的水稻纹枯病严重度监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于XGBoost的水稻纹枯病严重度监测方法，其特征在于，所述步骤S2）实施PCA的步骤主要有三步：第一步，设定是一副具有维遥感和气象特征的图像，其中代表图像的像素个数；

3.根据权利要求1所述的基于XGBoost的水稻纹枯病严重度监测方法，其特征在于，所述步骤S1）耦合遥感指标和气象指标分别为：遥感指标是光谱指数，包括：NDVI、NDVIre2、DVI、NDSI865、MCARI、DSWI、NDWI、MSR、REP、NRI；其中NDVI和NDVIre2可以表征生...

【技术特征摘要】

1.基于xgboost的水稻纹枯病严重度监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于xgboost的水稻纹枯病严重度监测方法，其特征在于，所述步骤s2）实施pca的步骤主要有三步：第一步，设定是一副具有维遥感和气象特征的图像，其中代表图像的像素个数；

3.根据权利要求1所述的基于xgboost的水稻纹枯病严重度监测方法，其特征在于，所述步骤s1）耦合遥感指标和气象指标分别为：遥感指标是光谱指数，包括：ndvi、ndvire2、dvi、ndsi865、mcari、dswi、ndwi、msr、rep、n...

【专利技术属性】
技术研发人员：李劲松，周春寅，尚俊呈，钱海明，臧霄鹏，阮超，赵晋陵，黄林生，
申请(专利权)人：天地信息网络研究院安徽有限公司，
类型：发明
国别省市：