基于概率模型的冬小麦白粉病监测研究

• 作者: 刘林毅 杜小平 董莹莹 马慧琴 黄文江
• 来源期刊: 中国农业信息
• 关键词: 小麦 白粉病 多源数据 概率模型 遥感
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 农业遥感
• 页码范围: 79-92
• 页数: 14页
• 字数: 6075字
• 语种: 中文
• DOI: 10.12105/j.issn.1672-0423.20180108

摘要

[目的]利用多源数据对白粉病易发区进行病害发生监测研究能够提供大面积、快速、客观的病害发生信息,为农业植保部门开展科学防控提供有效的指导.研究以结合遥感与气象数据监测冬小麦白粉病并获取其精细空间信息为目的.[方法]利用中国高分辨率对地观测系统高分一号卫星(GF-1/WFV)遥感影像提取了研究区小麦种植区及归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI),通过气候灾害组站点红外雨量数据(climate hazards group infraRed precipitation with station data,CHIRPS)及美国中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)获取了研究区气象相关数据.采用基于概率模型的方法筛选并定量化表达了特征因子与小麦患病情况间的关系,生成了研究区小麦患病概率分布数据、研究区小麦白粉病监测结果、监测结果错分概率分布数据.[结果]基于概率模型的白粉病监测方法总体精度为81.25％,与目前较为流行的分类与回归树(classification and regression tree,CART)和随机森林(random forests,RFs)2种分类监测方法相比具有较高的监测精度;小麦患病概率分布数据能够详细地展现研究区小麦患病概率的空间分布及高患病概率麦区向低患病概率麦区的过渡情况;监测结果的错分概率分布数据与实际错分情况具有较好的一致性.[结论]基于概率模型的白粉病监测方法能够应用于区域尺度冬小麦白粉病发生发展状况监测研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文江	中国科学院遥感与数字地球研究所数字地球重点实验室	26	302	10.0	16.0
2	杜小平	中国科学院遥感与数字地球研究所数字地球重点实验室	15	122	6.0	11.0
3	刘林毅	中国科学院遥感与数字地球研究所数字地球重点实验室	1	0	0.0	0.0
7	董莹莹	中国科学院遥感与数字地球研究所数字地球重点实验室	9	34	4.0	5.0