收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多尺度遥感的寒地水稻稻瘟病信息提取与识别研究

袁建清  
【摘要】:近年来,随着光谱技术和遥感技术的发展,利用各类遥感数据进行病害信息提取和监测,成为农作物病虫害区分识别的重要而又有效的手段。特别是无人机遥感因其高效、灵活、低成本和高分辨率等特点,成为农作物病虫害监控的一种新型遥感技术手段,弥补了卫星遥感数据由于射程远而导致的精度不高和因为重访周期长而不能达到实时监测的缺点,为进行区域尺度的遥感监测提供了很好的技术支撑。然而,如何选用合适的方法,在海量遥感数据中提取有用的病害信息,用于农作物病虫害的区分识别是一个重要的课题。本论文研究以国家“863”项目“微小型无人机遥感信息获取与作物养分管理技术”和黑龙江省重大科技研发项目“基于多尺度遥感的农情综合遥感监测技术研究与应用”为支撑。研究以北方水稻稻瘟病为研究对象,以稻瘟病和缺氮、健康水稻的区分为目标,以室内成像高光谱、近地成像高光谱和无人机航空多光谱数据为基础,从叶片、冠层和区域三个尺度对稻瘟病害和缺氮水稻的光谱特征提取和判别方法展开研究。具体研究内容如下:(1)叶片尺度上,在对缺氮、轻度感病、重度感病与健康水稻叶片反射率光谱对比分析基础之上,采用不同的预处理方法消除噪音影响,然后分别使用偏最小二乘结合判别分析方法建立PLS-DA判别模型和主成分分析法结合支持向量机建立PCA-SVM模型,多个模型预测分类准确率达到98.4%,其中SNV-PLS-DA模型的建模集验证和预测识别正确率都达到100%,分类效果最好。用连续投影算法提取特征波长结合判别分析和最小二乘支持向量机建立分类模型,用9个特征波长建立的S.G-SPA-SVM模型和S.G-SPA-LDA模型预测正确率都为98.4%。同时为了与冠层尺度和区域尺度相衔接,研究还利用植被指数法构建光谱特征,通过两两比较方差分析选择对4类水稻叶片具有显著区分能力的植被指数,使用逐步判别分析、支持向量机和神经网络算法建立基于植被指数的病害识别模型,实验结果表明,基于植被指数的逐步判别分析模型利用12个植被指数达到了最好的分类判别效果,交叉验证和预测准确率分别为96%和96.9%。(2)冠层尺度水稻叶瘟病信息提取与识别研究。在叶片尺度病害、缺氮与健康特征分析和区分研究基础之上,在水稻拔节期获取的水稻冠层高光谱图像中,分别提取冠层尺度叶瘟病、缺氮、健康样本光谱数据,利用标准化处理和S.G平滑预处理方法对样本光谱进行处理,在分析三类样本平均光谱特征之后,采用主成分分析、植被指数和连续小波变换三种方法对标准化和预处理后光谱数据提取特征光谱,结合判别分析、支持向量机和神经网络分类算法建立区分识别模型,模型采用“留一法”进行交叉验证。用PCA提取的前5个主成分作为输入向量的模型中,判别分析和支持向量机模型交叉验证分类结果都达到94.2%。在叶片水平筛选的植被指数基础之上,又增加了冠层水平的8个植被指数,通过两两比较方差分析筛选出39个具有显著影响的植被指数建立模型,其中,采用逐步判别分析算法的识别模型仅仅使用了EVI、m SR705、RVSI和PRI四个植被指数特征因子,对冠层尺度的健康、缺氮和稻瘟病水稻识别的交叉验证准确率达到94.2%。同时,还尝试采用CWA连续小波变换的方法提取小波能量系数特征,提取了11个小波系数特征建立分类识别模型,三类算法建立模型分类精度都在94.2%以上,其中,LDA判别模型的分类结果最好,模型交叉验证的总体分类准确率为97.1%。实验结果表明,对于冠层尺度水稻叶瘟病、缺氮、健康的区分研究中,三种提取特征的方法最好的是CWA方法,提取的小波特征结合三类算法建立模型的分类精度都在94.2%以上;比较三种分类算法发现,判别分析方法分类效果最好,在不同光谱特征的分类模型中,都达到了最好的分类效果。(3)冠层尺度穗颈瘟区分研究。与冠层叶瘟病区分研究相同,在对标准化和预处理后的冠层穗颈瘟样本和健康样本的平均光谱进行对比分析基础上,同样分别采用PCA、CWA和植被指数法提取光谱特征,结合判别分析、支持向量机和神经网络分类算法建立冠层尺度穗颈瘟识别模型:PCA方法根据主成分的贡献率提取前10个主成分建立模型,LDA方法和以RBF为核函数的SVM算法的分类模型分类结果最好,采用“留一法”交叉验证的总体分类准确率为94.2%;基于筛选的34个敏感植被指数分类模型,逐步判别分析只用了GNDVI和DVI两个特征因子,交叉验证的分类精度达到94.2%,为冠层水稻穗颈瘟仪器的制定和大范围监测提供依据;CWA方法提取了10个小波系数特征,建立的模型中LDA和以Linear为核函数的SVM模型的交叉验证的总体分类准确率为94.2%。在冠层尺度穗颈瘟区分研究中,判别分析分类算法(LDA或逐步判别分析)体现出最强的分类效果。最后,利用基于植被指数的逐步判别模型得到的典型标准函数对冠层穗颈瘟图像进行分类填图,ISODATA分类算法的分类精度和Kappa值分别为90.19%和0.7488,分类效果明显高于采用一个具有显著性的植被指数进行分类的效果。(4)采用无人机获取的多光谱数据进行区域尺度的稻瘟病区分研究。研究使用2016年旋翼机机载多光谱相机获取的地块级图像进行区域穗颈瘟模型建立。根据多光谱相机传感器的6个通道覆盖的波段范围,选取冠层尺度对穗颈瘟具有显著区分能力的植被指数加上相机6个通道的反射率光谱,最终筛选出19个具有显著区分能力的光谱特征建立模型。逐步判别分析选择近红(800nm)、NRI和GREEN/RED三个特征建立了模型,模型对2015年两块发病地块进行区分识别,样本识别精度为92.8%,分类填图精度为85.6%。最后,将逐步判别区分模型应用到大区域影像中,从整个地块上看,分类正确率可以达到80.8%。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李桂芝;联苯乙酮缩氨基硫脲及其铜(Ⅱ)配合物对稻瘟病菌的抑菌活性研究[J];曲阜师范大学学报(自然科学版);2000年01期
2 郑小波,张正光;稻瘟病菌无性重组研究[J];云南农业大学学报;2000年03期
3 董继新,董海涛,何祖华,李德葆;一个水稻与稻瘟病菌(Magnaporthe grisea)互作相关新基因的克隆[J];农业生物技术学报;2001年01期
4 余艺涛;稻瘟病生理小种田间鉴测及防治策略[J];湖北农业科学;2003年06期
5 邱福林,王大为;稻瘟病菌致病机理的研究进展[J];垦殖与稻作;2004年03期
6 高朝斌;稻瘟病高发原因及防治对策[J];福建农业;2005年06期
7 孟军,赵明富,何月秋;稻瘟病菌重组研究概要[J];江西农业大学学报;2005年03期
8 王伟新;福建省2004年稻瘟病发生原因及防治对策[J];福建农业科技;2005年02期
9 张永庆;赵明富;何月秋;;稻瘟病菌诱导突变研究进展[J];云南农业大学学报;2006年01期
10 朱水财;;稻瘟病的发病症状与防治[J];福建稻麦科技;2006年03期
11 任金平;郭晓莉;郑民;杨晓辉;刘小梅;李莉;孙辉;;吉林省稻瘟病菌对水稻品种的致病谱研究[J];吉林农业科学;2006年06期
12 祝玉民;周竟平;姚章村;;稻瘟病与降雨和排灌[J];水利天地;2006年12期
13 宋成艳;王桂玲;辛爱华;丛万彪;;黑龙江省水稻品种空育131稻瘟病菌生理小种种类及发病原因分析[J];黑龙江农业科学;2007年01期
14 吕军;靳学慧;张亚玲;;2004年黑龙江省部分稻区稻瘟病菌生理小种的测定[J];黑龙江八一农垦大学学报;2007年01期
15 张亚玲;周万福;靳学慧;张新平;;黑龙江省部分稻区稻瘟病菌对多菌灵的敏感性测定[J];黑龙江八一农垦大学学报;2007年02期
16 宋成艳;王桂玲;辛爱华;丛万彪;;黑龙江省稻瘟病菌生理小种监测研究[J];黑龙江农业科学;2007年04期
17 陈新林;桑海旭;陈英;刘兴;王昊;;蒿草浸提液对稻瘟病菌丝的抑制效果[J];北方水稻;2008年01期
18 金晓春;李志新;张海生;李晓方;;稻瘟病菌分离及保存方法研究[J];安徽农业科学;2008年17期
19 辜晓青;;江西早稻稻瘟病气象风险区划研究[J];安徽农业科学;2008年28期
20 颜群;高汉亮;张晋;;2006年广西稻瘟病菌生理小种的组成与分布研究[J];广西农业科学;2009年08期
中国重要会议论文全文数据库 前10条
1 宋雯雯;张正光;王源超;郑小波;;稻瘟病菌SNARE蛋白Mgsec22功能分析[A];中国菌物学会2009学术年会论文摘要集[C];2009年
2 刘文平;王嘉琪;李彦利;王海;温嘉伟;任金平;王继春;;中国东北吉林省稻瘟病菌与水稻品种互作研究[A];中国植物病理学会2010年学术年会论文集[C];2010年
3 陈继圣;郑士琴;郑武;周洁;鲁国东;王宗华;;全基因组预测稻瘟病菌的分泌蛋白[A];中国植物病理学会2006年学术年会论文集[C];2006年
4 张世宏;靳春鹏;阳晓红;魏毅;刘金亮;潘洪玉;赵文生;彭友良;;东北极端低温对稻瘟病菌的致变效应分析[A];中国植物病理学会2008年学术年会论文集[C];2008年
5 杨俊;刘杏忠;;稻瘟病菌一个新基因的分子功能研究[A];2010年中国科学院微生物研究所博士后学术年会暨第二届博谊论坛论文摘要集[C];2011年
6 徐鑫;龙子文;赵传纪;刘新琼;王春台;;武陵山区稻瘟病菌生理小种文库的构建及初步鉴定[A];中国植物病理学会2012年学术年会论文集[C];2012年
7 刘晓梅;郭晓莉;姜兆远;李莉;孙辉;任金平;;2008年吉林省稻瘟病菌生理小种监测及致病性分析[A];公共植保与绿色防控[C];2010年
8 林成增;周洁;郑祥梓;王琴秋;何守贵;王宗华;鲁国东;;稻瘟病菌几丁质酶家族基因功能研究[A];中国植物病理学会2010年学术年会论文集[C];2010年
9 朱晓寒;周腾胜;陈继圣;王宗华;;稻瘟病菌中一个假定的ADP核糖基化因子ARF6的功能分析[A];中国植物病理学会2010年学术年会论文集[C];2010年
10 甘代耀;翁启勇;王乌齐;江文清;;稻瘟病菌致病性及抗病育种[A];“植物保护21世纪展望”——植物保护21世纪展望暨第三届全国青年植物保护科技工作者学术研讨会文集[C];1998年
中国博士学位论文全文数据库 前10条
1 袁建清;基于多尺度遥感的寒地水稻稻瘟病信息提取与识别研究[D];东北农业大学;2017年
2 张勇;稻瘟病菌精氨酸合成途径基因的功能分析及稻瘟病菌代谢组学的研究[D];浙江大学;2015年
3 环晶;粳稻地方品种薄稻苗期抗稻瘟病的遗传分析与QTL定位[D];南京农业大学;2012年
4 王妍;水稻品种抗稻瘟病等位基因鉴定及抗瘟新基因的定位和克隆[D];沈阳农业大学;2015年
5 齐尧尧;稻瘟病菌Rab蛋白的定位与生化功能分析[D];福建农林大学;2015年
6 田红刚;黑龙江省稻瘟病菌致病性和品种抗性改良研究[D];沈阳农业大学;2016年
7 张震;稻瘟病菌MoSFA1和MoHB1基因鉴定与功能分析[D];南京农业大学;2015年
8 汤蔚;非折叠蛋白反应相关基因MoHAC1和MoIRE1在稻瘟病菌生长发育和致病过程中的功能分析[D];南京农业大学;2015年
9 杨娇艳;稻瘟病菌(Magnaporthe grisea)14α-去甲基化酶与抑制剂的结合特性与新型杀真菌剂筛选[D];华中师范大学;2008年
10 周江鸿;我国稻瘟病菌新鉴别体系的构建及水稻抗稻瘟病基因的分子标记[D];中国农业科学院;2003年
中国硕士学位论文全文数据库 前10条
1 田家顺;苯甲酸对稻瘟病菌作用机制初探[D];湖南农业大学;2009年
2 许鸣一;稻瘟病菌四种生理小种的形态和生长特性研究[D];哈尔滨工业大学;2011年
3 夏令治;超级早稻中早39的抗稻瘟病遗传机理研究[D];中国农业科学院;2015年
4 陈杰;西南地区稻瘟病菌对稻瘟灵和吡唑醚菌酯的抗性监测及抗性机理[D];西南大学;2015年
5 童源;稻瘟病孢子图像识别算法研究[D];哈尔滨工业大学;2015年
6 黄鹏云;组蛋白H3甲基化模式在稻瘟病菌发育和致病过程中的功能分析[D];浙江大学;2015年
7 易军;稻瘟病菌对水稻光合特性和产量的影响研究[D];西南科技大学;2015年
8 谢倩凤;稻种资源的抗瘟性评价及分子标记鉴定[D];广东海洋大学;2015年
9 李莹;抗稻瘟病早粳稻空育131(Pid2/Pid3)的培育[D];黑龙江大学;2015年
10 唐郑华;稻瘟病菌Rho3互作蛋白的筛选和功能分析[D];福建农林大学;2012年
中国重要报纸全文数据库 前10条
1 宋海峰方又平;江西 严把种子关控制稻瘟病[N];农民日报;2008年
2 农业植保专家 任金平;用水稻品种混栽技术控制稻瘟病[N];吉林农村报;2014年
3 植保专家 任金平;稻瘟病传播途径及防治措施[N];吉林农村报;2014年
4 屈明光 曾德禄;生物多样性控制稻瘟病研究获重大突破[N];农民日报;2000年
5 田伯光;日本发现抗击稻瘟病基因[N];农民日报;2010年
6 本报记者 汪波;攻克稻瘟病[N];人民日报;2001年
7 曾德禄 王立新;我省利用生物多样性控制稻瘟病研究获重大突破[N];云南科技报;2000年
8 冯国明;近年稻瘟病为何高发[N];湖南科技报;2007年
9 ;保护性稻瘟病防治剂——三环唑[N];四川科技报;2001年
10 记者 张桂英;我省水稻稻瘟病得到有效控制[N];黑龙江日报;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978