基于BP神经网络的青稞白粉病早期感染高光谱遥感监测

文献类型： 中文期刊

第一作者： 孙文越

作者： 孙文越;刘轲;次仁央拉;刘鑫

作者机构：

关键词： 青稞;白粉病;神经网络;作物病虫害遥感

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2023 年 35 卷 005 期

页码： 24-37

摘要： [目的]文章旨在探索表征西藏青稞白粉病早期感染的光谱特征参量,尝试基于机器学习算法构建白粉病高光谱遥感诊断模型的可行性,以期为经济、高效、及时、大区域的青稞白粉病早期遥感监测探索技术方法.[方法]以西藏青稞主栽区和白粉病高发区拉萨、林芝和山南市为研究区域,开展青稞冠层光谱、病情和农学参数田间观测.提取冠层反射率(R)、反射率一阶导数(R')、5种植被指数(VI),并联合应用R(或R')与VI,共形成5套备选光谱特征参量.利用Relief-F算法开展特征选择,遴选白粉病感染的敏感波段和敏感特征.在此基础上,基于BP神经网络,构建白粉病诊断模型.[结果](1)对于染病样本而言,基于R' 的诊断模型识别精度最高(51.33%),其次为R'与VI相结合的诊断模型(49.00%).(2)R' 的敏感波段范围为820~920 nm、1 160~1 200 nm和935~975 nm,此外445~490 nm和1 070~1 100 nm的R'也对白粉病表现出一定的敏感性.(3)5种VI中,比值植被指数(SR)对白粉病早期感染最为敏感,远超其它植被指数.此外,基于不同特征参量的健康样本的识别精度大致相当,在 91.67%(基于R)~90.63%(基于R与VI)之间.[结论]基于敏感波段反射率的一阶导数,利用构建诊断模型,有望有效地识别青稞白粉病早期感染.未来研究中,应考虑高光谱数据不同波段之间的高度相关性,开展数据降维,以期减小过拟合,进一步提高监测精度.

分类号：

  • 相关文献

[1]大麦种质资源成株期对西藏白粉菌自然群体的抗性评价及8个菌株的毒性谱分析. 王延宇,王凤涛,郎晓威,冯晶,旺姆,蔺瑞明. 2020

[2]青稞酵母双杂文库的构建及HVUL0H33228.2互作蛋白的筛选. 羊海珍,顿珠加布,徐齐君. 2023

[3]播期、密度、施氮量对元谋冬繁青稞白粉病发病的影响. 刘仁建. 2019

[4]利用SSR标记分析青稞白粉病抗性遗传多样性. 杨春葆,原红军. 2019

[5]西藏青稞白粉病研究进展与展望. 王玉林. 2018

[6]西藏青稞主推品种(系)白粉病抗性鉴定与评价. 扎桑,曾兴权,唐亚伟,杨春葆,原红军,徐齐君. 2019

[7]青藏高原青稞抗白粉病SSR标记分析. 杨春葆,刘仁健. 2021

[8]代谢组分析青稞芳香族酚胺响应白粉病胁迫. 黄昱箫,黄思曙,占传松,刘贤青,许从萍,曾兴权,罗杰. 2024

[9]西藏青稞品种甘农大7号白粉菌诱导早期应答基因SSH文库的构建及分析. 徐齐君,王玉林,原红军,曾兴权,尼玛扎西. 2017

[10]基于转录组与染色质开放性分析青稞对白粉病胁迫的响应. 杨春葆,原红军. 2024

[11]白粉病菌(Blumeria graminis)胁迫下西藏青稞lncRNA全谱解析. 魏玲玲,王玉林,原红军,旺姆,曾兴权. 2021

[12]国内外青稞材料白粉病田间抗性鉴定. 旺姆,杨春葆,原红军. 2023

[13]一种无线传感器网络缺失数值估计算法. 阚杰,张瑞瑞,陈立平. 2014

[14]日光温室内作物干物质积累预测新方法研究. 张云鹤,乔晓军,王成. 2005

[15]氨基酸和蛋白质的组合特征与秀丽隐杆线虫蛋白质的结晶倾向的相关分析. 王何健,吴光. 2013

[16]液压机械无级变速箱换段液压故障诊断的BP方法. 张晓辉,太健健,王光明,张海军,王成飞,钟成义. 2016

[17]一种LVQ与CA的流域下垫面抗蚀力模拟研究模型. 朱筠,王利军,黄培杰. 2014

[18]利用神经网络建立土壤施肥模型的应用研究. 滕青芳,秦春林,党建武. 2002

[19]用神经网络对水稻飞虱鸣声进行模式分类. 殷柏涛,陈伦裕,张志涛,付强. 1994

[20]基于权重自动调整神经网络的水稻病虫害诊断专家系统. 孙传恒,唐启义,唐洁,程家安,杨信廷. 2007

作者其他论文 更多>>

微信小程序