基于低空遙感成像技術(shù)的油菜菌核病檢測研究.pdf

1、油菜是我國最為主要的油料作物之一，但其產(chǎn)量和品質(zhì)往往因病害而出現(xiàn)大幅下降。因此，實現(xiàn)快速有效地病害檢測并制定合理的防治措施，對保障油菜的產(chǎn)量和品質(zhì)具有重要意義。傳統(tǒng)的病害檢測方法通常局限于實驗室環(huán)境下的微觀尺度檢測，不僅流程繁瑣、滯后性較強，同時會令研究樣本遭到破壞，很難滿足現(xiàn)代農(nóng)業(yè)對精準生產(chǎn)的要求。為克服傳統(tǒng)方法所存在缺陷，本研究以油菜作為研究對象，利用搭載高光譜成像儀和熱紅外成像儀的無人機模擬平臺，分別從冠層尺度和葉片尺度對健康及染

2、病的油菜樣本實現(xiàn)了判別分析。主要研究內(nèi)容如下:
　　(1)從冠層尺度獲取高光譜圖像數(shù)據(jù)，對健康和染病油菜樣本進行了檢測研究。分別采用移動平均法(MAS)、多項式卷積平滑法(SG)、標準正態(tài)變量變換(SNV)、多元散射校正(MSC)及去趨勢化法(De-trending)對獲取到的冠層高光譜數(shù)據(jù)進行預處理，得到圖像中整株樣本的光譜反射值。其后，分別基于全波段和特征波長建立偏最小二乘法(PLS-DA)、支持向量機(SVM)、極限學習機(

3、ELM)、K-近鄰分類算法(KNN)模型，進行健康和染病樣本的判別分析。在基于全波段信息的分析中，不同預處理方法和建模方法組合性能差異明顯，其中采用MSC預處理結(jié)合ELM建模方法得到的分類效果最優(yōu)，建模集和預測集的結(jié)果達到100％。然后，分別采用連續(xù)投影算法(SPA)、二階導數(shù)(2nd Der)及遺傳算法-偏最小二乘法(GA-PLS)進行特征波長提取，并利用提取的特征波長建立PLS-DA、 SVM、ELM及KNN模型進行分析。結(jié)果顯示基

4、于SPA所選取特征波長結(jié)合ELM模型得到的分類效果最優(yōu)，建模集和預測集的結(jié)果都達到100％。
　　(2)基于光譜數(shù)據(jù)計算油菜植被指數(shù)，通過相關性分析和單因素方差分析獲取優(yōu)選植被指數(shù)，并分別基于單一及組合優(yōu)選后的植被指數(shù)對健康和染病樣本進行建模判別分析。結(jié)果顯示，優(yōu)選得到的DVI、TVI、RVSI、RDVI、CARI及OSAVI等指數(shù)與油菜健康與染病狀態(tài)相關性較好，可對其進一步建模分析。針對單一和組合優(yōu)選植被指數(shù)的判別結(jié)果顯示，組合

5、建模條件下的分類效果優(yōu)于單一植被指數(shù)。
　　(3)從葉片尺度獲取高光譜圖像數(shù)據(jù)，對健康和染病油菜樣本進行檢測研究。分別采用MAS、SG、 MSC、Detrending及SNV對獲取到的葉片高光譜數(shù)據(jù)進行預處理，得到葉片病斑區(qū)域的光譜反射值。其后，分別基于全波段和特征波長信息建立PLS-DA、SVM、ELM、KNN模型，進行健康和染病樣本的判別分析。在基于全波段信息的分析中，其中采用MSC預處理結(jié)合ELM建模方法得到的分類效果最優(yōu)，

6、建模集和預測集的結(jié)果達到100％。進一步地，在基于特征波長的分析中，分別采用SPA、2nd Der及GA-PLS進行特征波長提取，并利用提取的特征波長建立PLS-DA、SVM、ELM及KNN模型進行分析。結(jié)果顯示基于SPA方法所選取特征波長結(jié)合ELM模型得到的分類效果最優(yōu)，建模集和預測集的結(jié)果達到100％。
　　(4)從冠層尺度獲取熱紅外圖像數(shù)據(jù)，對健康和染病油菜樣本進行早期的識別診斷。提取樣本冠層尺度的溫度值，并對其進行生理指數(shù)

7、的監(jiān)測。然后利用平均溫度和最大溫差區(qū)分健康和染病油菜，并進行單因素方差分析。結(jié)果表明，健康和染病油菜的最大溫差差異明顯，且隨著天數(shù)的變化該差值基本保持不變;健康和染病植株的平均溫度差值起初無明顯變化，但隨著天數(shù)的變化差值逐漸增大。其單因素方差分析表明，最大溫差在油菜染病后第1天即存在顯著性差異(P＜0.01)。進一步地，分析油菜生理指數(shù)（氣孔導度、光合速率、二氧化碳濃度及蒸騰速率）隨染病程度的加重發(fā)生的變化，該變化可以直觀檢測出菌核病對

8、油菜的染病程度，且發(fā)現(xiàn)健康油菜的生理指數(shù)高于比染病油菜，并對生理指數(shù)與溫度進行相關性分析。結(jié)果顯示，光合速率、二氧化碳濃度與蒸騰速率與溫度之間存在顯著相關性。
　　(5)針對葉片尺度的熱紅外數(shù)據(jù)對健康和染病油菜樣本進行早期的識別診斷。獲取樣本中染病葉片健康區(qū)域和病斑區(qū)域的溫度信息。其中熱紅外圖像可以直觀的識別出病害侵染過程，并利用像素點的值來判別健康和染病區(qū)域的溫度差異。采用溫度信息中的最大溫度、最小溫度、平均溫度以及最大溫差對健