潜育期小麦条锈菌的高光谱定性识别

• 作者: 刘琦 李薇 王睿 王翠翠 谷医林 马占鸿
• 来源期刊: 植物保护学报
• 关键词: 潜育期 小麦条锈菌 小麦条锈病 高光谱遥感 数学模型
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 153-160
• 页数: 8页
• 语种: 中文
• DOI: 10.13802/j.cnki.zwbhxb.2018.2018916

摘要

小麦条锈病的发生流行严重影响小麦的生产安全,其早期的监测预警对病害发生的防控具有重要作用.本研究利用HandHeld 2地物光谱仪获取不同浓度小麦条锈菌胁迫下的潜育期小麦冠层高光谱数据,基于定性偏最小二乘(discriminant partial least squares,DPLS)、人工神经网络(attificial neural networks,ANN)和支持向量机(support vector machine,SVM)3种方法建立识别潜育期小麦条锈菌的模型,并分析接菌间隔日、建模比及光谱特征的差异对模型效果的影响.结果显示,在全波段(325～1 075 nm)建模,SVM识别效果优于ANN,而ANN优于DPLS,其中以一阶导数为光谱特征所建模型识别效果最优,在不同建模比下其识别准确率均可达到100.00％.