您好，欢迎访问安徽省农业科学院 机构知识库！

联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法(英文)

文献类型： 中文期刊

作者： 赵晋陵 1 ; 杜世州 2 ; 黄林生 1 ;

作者机构： 1.安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心

2.安徽省农业科学院作物研究所

关键词： 小麦白粉病;高分一号;MODIS;Landsat-8;地表温度;支持向量机;

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年 001 期

页码： 17-28

摘要： 白粉病主要侵染小麦叶部，可利用卫星遥感技术进行大范围监测和评估。本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度。使用四景Landat-8的热红外传感器数据（Thermal Infrared Sensor,TIRS）和20景MODIS影像的MOD11A1温度产品反演地表温度（Land Surface Temperature,LST），使用4景国产高分一号（GF-1）宽幅相机数据（Wide Field of View,WFV）提取小麦种植区和计算植被指数。首先，利用ReliefF算法优选对小麦白粉病敏感的植被指数，然后利用时空自适应反射率融合模型（Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM）对Landsat-8 LST和MOD11A1数据进行时空融合。利用Z-score标准化方法对植被指数和温度数据统一量度。最后，将处理和融合后的单一时项Landsat-8LST、多时相Landsat-8 LST、累加MODIS LST和多时相Landsat-8 LST与累加MODIS LST结合的数据分别输入支持向量机（Support Vector Machine,SVM）构建了四个分类模型，即LST-SVM、SLST-SVM、MLSTSVM和SMLST-SVM，利用用户精度、生产者精度、总体精度和Kappa系数对比四个模型的分类精度。结果显示，本研究构建的SMLST-SVM取得了最高分类精度，总体精度和Kappa系数分别为81.2%和0.67，而SLST-SVM则为76.8%和0.59。表明多源多时相的LST联合SVM能够提升小麦白粉病的识别精度。

  • 相关文献

[1]我国小麦白粉病逐年加重的原因分析及对策. 朱建祥. 1992

[2]不同施药器械防治小麦白粉病和赤霉病效果研究. 程善闽,樊中臣,束永龙,苏贤岩. 2018

[3]基于机器视觉的稻谷品种鉴别方法比较. 冯晓星,许学. 2019

[4]安徽省野生芭茅草的生长性能及营养价值. 金海,赵拴平,徐磊,贾玉堂. 2022

[5]安徽省现行主推家蚕品种人工饲料育综合成绩调查. 陶姗姗,谢秀芝,王杰,叶崇军,刘明辉,李冰. 2022

[6]棉花种质资源移栽越冬技术. 何团结,程福如,苏香峰. 2022

[7]线虫对采煤矿区水环境和土壤环境质量评价的作用. 耿文敬,张鑫,郭肖颖,齐俊,朱江. 2022

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：安徽省农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台