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

第一作者： 杨奇欣

作者： 杨奇欣;赖凤香;何佳春;魏琪;王渭霞;万品俊;傅强

作者机构：

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.

分类号：

  • 相关文献

[1]基于高光谱植被指数的水稻LAI遥感估算. 张敏,郭涛,刘轲,黄平,喻君,刘仕川,刘泳伶,李源洪. 2022

[2]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

[3]基于高光谱的油菜叶片SPAD值估测模型比较. 王克晓,周蕊,李波,欧毅,黄祥,虞豹. 2021

[4]用神经网络和高光谱植被指数估算小麦生物量. 王大成,王纪华,靳宁,王芊,李存军,黄敬峰,王渊,黄芳. 2008

[5]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

[6]基于高光谱数据的滴灌甜菜叶片全氮含量估算. 李宗飞,苏继霞,费聪,李阳阳,刘宁宁,戴宇祥,张开祥,王开勇,樊华,陈兵. 2020

[7]基于面积指数的植株氮含量遥感估算. 杨福芹,冯海宽,谢瑞,韩佩佩,戴渝心,蔡国盛,金丽妍. 2020

[8]基于植被指数的叶绿素密度遥感反演建模与适用性研究. 张苏,刘良云,黄文江. 2013

[9]冬小麦白粉病冠层光谱特征解析与病情指数反演. 范友波,顾晓鹤,王双亭,杨贵军,王磊,王立志,陈召霞. 2017

[10]基于无人机高光谱遥感数据的冬小麦生物量估算. 陶惠林,冯海宽,徐良骥,杨贵军,杨小冬,苗梦珂,刘明星. 2020

[11]基于无人机高光谱遥感的冬小麦株高和叶面积指数估算. 陶惠林,徐良骥,冯海宽,杨贵军,代阳,牛亚超. 2020

[12]基于连续小波变换的冬小麦叶片最大净光合速率遥感估算. 苗梦珂,王宝山,李长春,龙慧灵,杨贵军,冯海宽,翟丽婷,刘明星,吴智超. 2020

[13]扫描成像光谱仪和地物光谱仪在单叶尺度上的对比研究. 张东彦,宋晓宇,马智宏,杨贵军,黄文江,王纪华. 2010

[14]融合多因子的无人机高光谱遥感冬小麦产量估算. 谢瑞,杨福芹,冯海宽,李天驰. 2023

[15]基于无人机高光谱数据的甘蔗糖分估算模型研究. 陈燕丽,黄璐,杨邵锷,孙明,丁美花,黄立宁,马瑞升,梁驰,杨鑫,陈诚. 2024

[16]基于高光谱植被指数的棉花干物质积累估算模型研究. 黄春燕,王登伟,陈冠文,袁杰,祁亚琴,陈燕,程诚. 2006

[17]不同施氮水平下棉花叶片最大羧化速率的高光谱估测. 张鑫磊,刘连涛,孙红春,张科,白志英,董合忠,李存东,张永江. 2020

[18]基于高光谱和HJ-1 CCD的水旱地冬小麦叶绿素含量反演. 王慧琴,冯美臣,李广信,杨武德,任鹏,刘婷婷,郭小丽,高龙梅,李志花. 2014

[19]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

[20]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

作者其他论文 更多>>

微信小程序