您好,欢迎访问中国农业科学院 机构知识库!

不同抗感水稻品种对褐飞虱胁迫的高光谱响应特征

文献类型: 中文期刊

作者: 杨奇欣 1 ; 赖凤香 1 ; 何佳春 1 ; 魏琪 1 ; 王渭霞 1 ; 万品俊 1 ; 傅强 1 ;

作者机构: 1.中国水稻研究所

关键词: 褐飞虱;水稻抗性;高光谱;植被指数;机器学习

期刊名称: 中国水稻科学

ISSN: 1001-7216

年卷期: 2024 年 38 卷 001 期

页码: 81-90

收录情况: 北大核心 ; CSCD

摘要: [目的]探究不同抗感水稻受褐飞虱胁迫的高光谱反射率曲线变化及敏感光谱差异,研究水稻植株不同部位的高光谱变化.在此基础上,采用机器学习技术建立水稻褐飞虱抗性鉴定模型,为下一步开发智能化褐飞虱抗性鉴定技术提供重要基础资料.[方法]以三个具不同褐飞虱抗感特征的水稻品种(TN1、Mudgo、RHT)为对象,分析其光谱、植被指数差异并建立抗性级别预测的随机森林模型.[结果]研究发现,褐飞虱胁迫天数与光谱反射率显著相关的波段数及差异显著的波段数随着水稻的抗性水平的上升而减少.同时,在 680 nm左右,三个品种的光谱反射率与褐飞虫胁迫时间的相关性最好.植被指数分析表明,SIPI、SR605/760和PSNDb与抗性级别的相关系数绝对值要高于 680 nm 的结果.感虫品种 TN1 差异最早体现,中抗品种 Mudgo 其次,高抗品种RHT最后.不同部位的差异首先出现在第 1 叶叶片和第 1 叶叶鞘,然后依次为第 2 叶叶片和第 2 叶叶鞘以及第3 叶叶片和第 3 叶叶鞘.预测模型的结果表明,全波段作为输入的模型效果比以单一植被指数 SIPI 构建的随机森林模型更好,模型准确率达到 85.9%.[结论]本研究反映了不同抗感水稻品种受褐飞虱危害后的高光谱变化规律与不同抗感品种和不同部位的差异,并证实了机器学习技术对水稻抗性级别的分类能力.

  • 相关文献

[1]基于高光谱遥感和集成学习方法的冬小麦产量估测研究. 费帅鹏,禹小龙,兰铭,李雷,夏先春,何中虎,肖永贵. 2021

[2]基于无人机高光谱不同降维算法的烤烟叶片氮含量估算. 蒯雁,陈天才,代先强,王德勋,宗鹏,孙军伟,杨成伟,张明政,张久权. 2025

[3]基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型. 方金,梁天刚,吕志邦,冯琦胜,何咏琪. 2013

[4]作物冻害高光谱曲线特征及其遥感监测. 李章成. 2008

[5]基于遥感的农作物病虫害监测方法研究. 江道辉. 2007

[6]FY-1D/MVISR数据在林火监测关键技术中的应用研究. 冯建中,唐华俊,白林燕,周清波,陈仲新. 2007

[7]玛曲高寒草甸放牧强度的遥感监测. Ma Qing-qing,马青青,Chai Lin-rong,柴林荣,Ma Hai-ling,马海玲,Chang Sheng-hua,常生华. 2017

[8]榆林六县森林地上生物量的遥感监测. 唐欢,刘良云,彭代亮,杜军锋,白利如. 2014

[9]基于GF-1/WFV和面向对象的农作物种植结构提取方法研究. 宋茜. 2016

[10]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[11]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[12]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[13]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[14]基于支持向量机技术预测丙戊酸钠血药浓度. 马攀,贾运涛,刘芳,程林,王红迁,严波,陈勇川. 2021

[15]基于长短时记忆模型的包虫病爆发风险预测混合模型的建立. 陈春蓉,赵瑾,贺兆源,李家宝,陈海兰,贾耿介. 2024

[16]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[17]基于PDF版式特征的文献篇章结构细粒度抽取方法研究. 赵婉婧,刘敏娟,刘洪冰,王新,段飞虎. 2021

[18]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[19]食品中甜味分子发掘模型构建. 任海斌,冯宝龙,范蓓,贺斌彬,李知陆,王清华,高飞,王玉堂. 2021

[20]高分遥感驱动的精准土地利用与土地覆盖变化信息智能计算模型与方法研究. 骆剑承,胡晓东,吴田军,刘巍,夏列钢,杨海平,孙营伟,徐楠,张新,沈占锋,周楠. 2021

作者其他论文 更多>>