您好,欢迎访问北京市农林科学院 机构知识库!

多源数据小麦条锈病预测研究

文献类型: 中文期刊

作者: 孔钰如 1 ; 王李娟 2 ; 张竞成 2 ; 杨贵军 2 ; 岳云 2 ; 杨小冬 2 ;

作者机构: 1.农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心

2.null

关键词: 小麦条锈病;遥感;气象数据;发病率;SEIR-StripeRust模型

期刊名称: 遥感技术与应用

ISSN: 1004-0323

年卷期: 2022 年 003 期

页码: 571-579

收录情况: 北大核心 ; CSCD

摘要: 小麦条锈病是导致小麦大规模减产的气传性病害,其传播扩散过程受多种因素影响,常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测,提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区,首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数,然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率,进而建立SEIR-StripeRust模型,最后采用后向传播神经网络(BPNN)、支持向量回归(SVR)和多元线性回归(MLR)模型对比验证SEIR-StripeRust模型的有效性。结果表明:平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关,其建立的SEIRStripeRust模型预测精度最高,决定系数R~2达到0.79,均方根误差RMSE为0.10,平均绝对误差MAE为0.09,均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIRStripeRust模型能够有效预测小麦条锈病发病率,并为县域尺度的小麦条锈病预测和精确防控提供技术支持。

  • 相关文献

[1]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. 2005

[2]基于Hadoop的气象大数据分析GIS平台设计与试验. 李涛,冯仲科,孙素芬,程文生. 2019

[3]小麦群体叶面积指数差异的反射光谱响应度研究. 杨敏华,胡慧萍,赵永超,王之杰,赵春江. 2004

[4]基于近地高光谱信息的小麦条锈病病情指数反演. 董锦绘,杨小冬,杨贵军,王宝山. 2016

[5]基于遗传神经网络的全国小麦条锈病长期气象预测. 靳宁,黄文江,景元书,王大成,罗菊花. 2009

[6]利用高光谱红边与黄边位置距离识别小麦条锈病. 蒋金豹,陈云浩,黄文江. 2010

[7]基于贝叶斯网络的小麦条锈病预测研究. 聂臣巍. 2014

[8]小麦条锈病高光谱近地与高空遥感监测比较研究. 蔡成静,马占鸿,王海光,张玉萍,黄文江. 2007

[9]结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究. 艾效夷,宋伟东,张竞成,王保通,杨贵军,黄文江. 2016

[10]日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析. 赵叶,竞霞,黄文江,董莹莹,李存军. 2019

[11]基于数码图像的小麦条锈病病害程度分级方法. 蒋小敏,冯海宽,常红,杨贵军,杨小冬. 2021

[12]小麦品种温度互作中抗条锈微效基因的表达. 徐世昌,张敬原,吴立人. 2000

[13]小麦条锈病重要抗源京核8811品系抗性遗传机制. 张敬原,赵文生,吴立人,张继新. 2001

[14]基于VSURF-CA的小麦条锈病高光谱病情指数估测模型. 梅广源,李荣,梅新,陈日强,樊意广,程金鹏,冯子恒,陶婷,赵倩,赵培钦,杨小冬. 2024

[15]用不同模型进行小麦条锈病发生预测研究. 景元书,靳宁,黄文江. 2009

[16]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. (Mis

[17]北京平原造林地Pleiades卫星影像融合评价. 董熙,李存军,夏朝宗,王二丽,杨新兵,周静平,胡海棠. 2016

[18]基于RS的北京山区植被覆盖变化空间特征. 张本昀,何富中,喻铮铮,刘良云,王家耀. 2008

[19]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

[20]不同条件下夏玉米冠层反射光谱响应特性的研究. 谭昌伟,郭文善,朱新开,李春燕,王纪华. 2008

作者其他论文 更多>>