论文部分内容阅读
本研究通过对浙江省和黑龙江省6个县(市、区)5种水稻病虫害的观测,运用多种数据处理方法,选择对水稻病虫害响应的敏感光谱区域和谱段,构建病虫害胁迫指数,探索对水稻不同病虫害的危害等级分类和色素含量、病害严重度指数、虫情指数等危害指标的估算方法研究,运用QuickBird影像提取稻飞虱危害面积和产量损失评估。研究内容和研究结果,概述如下:(1)受病虫害胁迫水稻的光谱特征变化分析除稻飞虱和穗颈瘟引起的倒伏外,水稻植株受病虫害胁迫后,光谱反射率在可见光范围内上升,在近红外和短波红外区域内下降。水稻在受到病虫害胁迫后,“红边”和“蓝边”均发生蓝移,向短波方向偏移10nm左右;“绿峰”和“红谷”则均发生红移,向长波方向偏移8nm左右。(2)水稻病虫害响应敏感的光谱波段选择及病虫害胁迫光谱指数的构建运用连续统去除法、光谱敏感度分析法和农学参数-光谱相关系数法等三种方法,对健康的和受病虫害胁迫水稻的原始光谱、反对数光谱、一阶、二阶微分光谱进行分析,从各种变换形式的光谱数据中筛选出对病虫害响应敏感的光谱区域为460-520 nm、530-590 nm、620-680 nm和红690-730 nm,并构建了22个水稻病虫害胁迫光谱指数.(3)水稻不同病虫害危害等级的识别方法研究运用聚类分析CA、概率神经网络PNN、学习矢量量化LVQ神经网络和支持向量分类机SVC(C-SVC)等四种分类方法,开展对水稻不同病虫害的危害等级识别研究,并从分类精度、使用方便程度和消耗时间三个方面来评判分类方法的优劣。其中,分类精度排序为PNN网络(93.5%)>C-支持向量分类机(90.5%)>聚类分析CA(84.3%)>LVQ网络(83.2%),使用方便程度来排序为PNN网络>C-SVC>LVQ网络>聚类分析CA,消耗时间排序为C-SVC<PNN<LVQ<CA。(4)色素含量和病害严重度指数的估算方法研究运用多元逐步回归分析MSR、偏最小二乘回归法PLS、径向基函数RBF神经网络、后向传播BP神经网络、支持向量回归机SVR等五种回归模型,以及现有的14个光谱植被指数、17个高光谱三边特征参数和本研究提出的22个病虫害胁迫指数的简单线性回归、二次多项式回归模型等多种估算方法,对受病虫危害的叶片色素含量和稻胡麻斑病病害严重度指数进行估算方法研究,并使用相关系数R、方差分析F检验值、均方根误差RMSE、平均绝对误差MAE和平均相对误差MRE等五个指标,对不同的估算方法进行综合评价.(5)基于QuickBird影像的稻飞虱危害评估研究通过目视解译提取研究区内的土地利用类型专题图,选择水稻种植典型样区.研究发现:倒伏的、收割的和受稻飞虱危害而尚未倒伏的稻田与健康稻田相比,其影像色调及NDVI、EVI均发生了巨大的变化。对典型样区内受稻飞虱不同危害状况的稻田进行矢量化,结合实地调查的产量损失数据,确定2005年夏秋之际爆发的稻飞虱,对当年晚稻的产量造成的损失比例为40%。