小麥莖基腐與全蝕病高光譜遙感識(shí)別研究.pdf

1、本研究針對病蟲害遙感檢測中，莖基腐與全蝕病病害易混淆的問題，基于非成像光譜以及地面樣點(diǎn)觀測數(shù)據(jù)，在冠層尺度研究兩種病害，對不同尺度上的光譜響應(yīng)進(jìn)行對比分析。依據(jù)分析所得差異特性及篩選所得特征參數(shù)。建立辨別分析模型，對兩種病害樣本的混合樣本庫進(jìn)行區(qū)分，實(shí)驗(yàn)結(jié)果顯示區(qū)分程度良好。
　　在實(shí)際的莖基腐與小麥全蝕病兩種病情的評估過程中，降低了對人為主觀經(jīng)驗(yàn)的要求，提高了病情的識(shí)別度和計(jì)算速度。實(shí)現(xiàn)了在非成像高光譜層面，對未知白穗率條件下的

2、兩種病害的進(jìn)行區(qū)分。有助于莖基腐與全蝕病兩種病害發(fā)病區(qū)域以及不同田塊的發(fā)病程度進(jìn)行非監(jiān)督的快速多分類的進(jìn)行，為最終達(dá)到病害區(qū)域識(shí)別、區(qū)分病害種類、病害程度分級等步驟的遙感測量一體化目標(biāo)提供理論依據(jù)。
　　本文從小麥莖基腐與全蝕病兩類病害不同白穗率原始光譜圖譜入手，分波段對原始光譜進(jìn)行一階微分變換，選取差異波段處理后得到差異波段二階微分光譜。同時(shí)對光譜特征值與植被指數(shù)進(jìn)行選擇。通過IBM SPSS Statistics軟件，分別通過

3、逐步判別法對各特征參數(shù)進(jìn)行篩選，結(jié)果顯示Db對應(yīng)波長、Dy黃邊最大一階微分值、NPCI、SIPI、RVSI和WI共6個(gè)指數(shù)對2種病害的區(qū)分程度良好，結(jié)合所選差異波段得出兩組判別系數(shù)，建立相應(yīng)的判別函數(shù)式后應(yīng)用Fisher費(fèi)氏判別法及Bayes貝葉斯判別法，對三類樣本混合集進(jìn)行辨別分析。
　　通過建立2個(gè)判別函數(shù)式，應(yīng)用2種判別法，對3類樣本混合集的樣本進(jìn)行識(shí)別區(qū)分。實(shí)驗(yàn)結(jié)果顯示，12組別均有良好的區(qū)分效果，而兩種比較模型對判別結(jié)果