基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

摘要：

[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回归(MLR)、后向传播神经网络(BP)、随机森林(RF)、极限学习机(ELM)算法将植被指数(VIs)、纹理特征(TFs)和温度特征(T)进行结合,以构建小麦白粉病病情指数的监测模型.[结果]无论是单数据源建模,还是多数据源建模,随机森林(RF)的精度均高于其他模型;3种数据源中植被指数的RF模型(VIs-RF,R2=0.667,RMSE=5.712,RPD=1.572)更适宜白粉病监测,其次是温度特征(T-RF,R2=0.559,RMSE=6.563,RPD=1.430),而纹理特征(TFs-RF,R2=0.495,RMSE=7.014,RPD=1.348)效果最差;多数据源协同建模间比较,RF协同植被指数和纹理特征的模型R2为0.701(VIs&TFs-RF,R2=0.701,RMSE=5.308,RPD=1.724),仅比 VIs-RF 模型R2提升5.101％,RMSE降低7.073％,RPD 提高9.672％,而 RF 协同植被指数和温度特征模型(VIs&T-RF)以及协同3种数据源模型(VIs&TFs&T-RF)的精度分别为R2=0.750,RMSE4.704,RPD=1.912和R2=0.820,RMSE=4.677,RPD=1.996,较 VIs-RF 模型R2 分别提升 12.453％和23.181％,RMSE分别降低 17.640％和 18.113％,RPD分别提高21.667％和26.981％.同时对不同模型进行10折交叉验证,进一步证实了 RF模型在多数据源融合建模中性能稳定,估算效果最好.[结论]采用多数据源协同建模能够提升小麦白粉病遥感监测精度,研究结果为实现大面积高精度遥感监测作物病害状况提供了思路与方法.

关键词：小麦白粉病、无人机、机器学习、信息融合、遥感监测

所属期刊栏目：55

分类号：TP751.1;P237;TP391.41

资助基金：国家自然科学基金;粮食丰产增效科技创新项目

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：890-906