论文部分内容阅读
小麦是全球第三大粮食作物,小麦健康稳定生长对粮食安全有重要意义。赤霉病是小麦的主要病害之一,严重影响了小麦的产量和品质,并且染病小麦中由镰刀菌代谢产生的呕吐毒素对人类和动物的健康构成严重威胁。因此,准确快速地监测小麦赤霉病发生严重程度,对于该病害的预防和控制有着重要意义。本文应用高光谱遥感技术进行小麦赤霉病监测技术研究。主要对麦穗、冠层和田块三种尺度高光谱数据进行分析,明确了小麦赤霉病的光谱响应特性,提取了用于监测小麦赤霉病的敏感特征,并结合机器学习方法构建小麦赤霉病遥感监测模型。本文主要研究内容和成果如下:（1）在麦穗尺度上,基于麦穗高光谱反射率数据,提出了一种连续小波分析（Continuous wavelet analysis,CWA）和粒子群优化支持向量机（Particle swarm optimization support vector machine,PSO-SVM）结合的小麦麦穗赤霉病遥感监测方法。首先,应用CWA结合相关性分析生成相关尺度图,通过阈值的方法提取出7个用于监测小麦赤霉病的小波特征;此外,通过相关性分析筛选出16个最优传统光谱特征,其中包括8个植被指数、6个一阶微分光谱特征和2个连续统去除光谱特征;最后,将小波特征和传统光谱特征分别作为特征变量,结合RF、BPNN和PSO-SVM三种分类方法,共构建了6个小麦赤霉病监测模型,并进行比较分析。结果表明,在相同特征变量的情况下,基于PSOSVM方法构建的监测模型与基于RF和BPNN方法构建的监测模型相比,其总体精度提升幅度分别超过6%和2%;而小波特征结合三种方法（RF、BPNN和PSO-SVM）所建监测模型与传统光谱特征结合三种方法所建监测模型相比,其总体精度分别提高了3.7%、2.9%和8.3%;此外,在所有的监测模型中,由小波特征作为特征变量构建的PSOSVM监测模型的性能最优,提供了93.5%的总体精度和0.903的Kappa系数。研究表明CWA结合PSO-SVM可以在麦穗尺度上有效地提高小麦赤霉病遥感监测精度。（2）在冠层尺度上,探究了多角度高光谱数据对小麦赤霉病的监测效果。首先,基于多角度（垂直观测角度为0°、15°、30°和45°）高光谱数据,分别提取与赤霉病呈显著相关（P-value＜0.05）的敏感特征,其中包括植被指数、一阶微分光谱特征和小波特征等。其次,为了降低敏感特征之间的冗余,利用递归特征消除法分别提取0°、15°、30°和45°角度最优敏感特征。最后,利用0°、15°、30°和45°角度最优敏感特征以及融合多角度最优敏感特征（0°+15°、0°+30°、0°+45°、15°+30°、15°+45°和30°+45°）分别作为特征变量,结合PSO-SVM和BPNN两种分类方法构建小麦赤霉病监测模型,并进行比较分析。结果表明,在相同特征变量情况下,基于PSO-SVM方法构建的监测模型与基于BPNN方法构建的监测模型相比,其总体精度提升幅度超过1.5%。0°角度最优敏感特征作为特征变量构建的监测模型与其它3种角度（15°、30°和45°）最优敏感特征作为特征变量构建的监测模型相比,其总体精度提升幅度分别超过了3.5%、5%和6%。此外,融合多角度最优敏感特征作为特征变量所建监测模型的总体精度高于单一角度最优敏感特征作为特征变量所建监测模型的总体精度;在所有监测模型中,融合0°和15°角度最优敏感特征结合PSO-SVM方法所建监测模型最优,提供了83.3%的总体精度和0.753的Kappa系数。研究表明0°角度是最佳的小麦赤霉病冠层高光谱采集角度,且融合多角度高光谱数据能有效地提高冠层尺度小麦赤霉病遥感监测精度。（3）在田块尺度上,以无人机高光谱影像为数据源,开展了基于光谱特征和图像特征的小麦赤霉病遥感监测研究。首先,利用相关性分析和CWA分别提取了6个植被指数（Vegetation Index,VIs）和5个小波光谱特征（Wavelet spectral features,WSFs）;其次,利用主成分分析方法对无人机高光谱影像进行降维,并将降维生成的第一幅主成分影像通过灰度共生矩阵提取出8个纹理特征（Texture features,TFs）。最后,利用VIs、WSFs、TFs以及融合光谱和图像特征（VIs+TFs和WSFs+TFs）结合PSO-SVM方法分别构建小麦赤霉病监测模型,并将其与RF和BPNN方法进行比较分析。结果表明,在相同的特征变量情况下,基于PSO-SVM方法所建监测模型优于基于RF和BPNN方法所建监测模型。在相同方法情况下,光谱特征对赤霉病的监测性能优于图像特征。此外,融合光谱和图像特征作为特征变量所建监测模型与基于单一光谱特征和图像特征作为特征变量所建监测模型相比,其总体精度提升幅度超过5%。在所有的监测模型中,WSFs+TFs作为特征变量,结合PSO-SVM方法构建的小麦赤霉病监测模型的性能最优,提供了90%的总体精度和0.801的Kappa系数。研究表明,融合光谱和图像特征能大幅度地提高小麦赤霉病的遥感监测精度。