共查询到18条相似文献，搜索用时 140 毫秒
1.
小波分析与支持向量机结合的冬小麦白粉病遥感监测 总被引：6，自引：4，他引：2
为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。 相似文献
2.
Sentinel-2影像和BP神经网络结合的小麦条锈病监测方法 总被引：1，自引：6，他引：1
选用包含红边等多种不同波段信息的多光谱卫星数据,为区域尺度上展开作物病害监测研究提供更加丰富有效的信息,相比于常规的宽波段卫星遥感影像,搭载红边波段的Sentinel-2影像对作物病害胁迫更加敏感,能显著提高模型精度。该文以陕西省宁强县小麦条锈病为研究对象,基于Sentinel-2影像共提取了26个初选特征因子:3个可见光波段反射率(红、绿、蓝)、1个近红外波段反射率、3个红边波段反射率、14个对病害敏感的宽波段植被指数和5个红边植被指数。结合K-Means和ReliefF算法筛选病害敏感特征,最终筛选出3个宽波段植被指数,包括:增强型植被指数(enhanced vegetation index,EVI)、结构加强色素指数(structure intensive pigment index,SIPI)、简单比值植被指数(simple ratio index,SR),2个红边波段植被指数:归一化红边2植被指数(normalized red-edge2 index,NREDI2)、归一化红边3植被指数(normalized red-edge3 index,NREDI3)。利用BP神经网络方法(back propagation neural network,BPNN),分别以宽波段植被指数和宽波段植被指数结合红边波段指数作为输入变量构建小麦条锈病严重度监测模型,对比2种模型的监测精度。结果显示,基于宽波段植被指数结合红边波段植被指数的监测模型的总体精度达到83.3%,Kappa系数0.73,优于仅基于宽波段植被指数特征所建监测模型的精度73.3%,Kappa系数0.58。说明红边波段能够为病害监测提供有效信息,采用宽波段植被指数和红边波段植被指数相结合的方法能够有效提高作物病虫害监测模型精度。 相似文献
3.
冬小麦病害与产量损失的多时相遥感监测 总被引：14，自引：8，他引：6
为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期（4月10日,4月26日）的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。 相似文献
4.
利用HJ-1B遥感数据反演西北地区近地表气温 总被引：1，自引：1，他引：0
近地表气温是一个重要的气候参数,为了给农业研究提供空间上连续的气温信息,以西北地区为研究区,利用HJ-1B数据运用温度-植被指数方法（temperature-vegetation index, TVX）反演近地表气温。首先采用修正普适性单通道算法反演地表温度,并利用同一地区的MODIS温度产品进行了对比验证,然后利用2010年7月20日、2010年8月28日、2011年8月8日3景影像结合研究区气象站点观测的气温资料推算饱和NDVI值,最后将推算结果应用到2011年8月28日影像,利用气象站点观测资料对TVX方法反演的气温进行了精度验证。结果表明,反演地表温度与 MODIS 温度产品空间分布趋势基本一致,符合研究区的地表覆盖状况;反演气温与反演地表温度空间分布格局具有较好的一致性,可以提供比气象站点观测数据更理想的空间异质性信息;反演气温值比观测值偏高,二者平均绝对误差MAE为2.16 K,均方根误差RMSE为2.72 K。为快速有效获取大范围的气温时空信息提供了一种新思路,对科学指导农业生产、合理利用农业资源具有一定的可参考性。 相似文献
5.
联合土地利用与覆被变化及气象干旱综合分析区域地下水位埋深变化及其动态响应关系,明晰地下水位埋深变化的阶段性主导因素,对地下水超采地区综合治理和地下水资源有效管控具有现实意义。选取昌吉州东部平原区2000-2020年78眼地下水监测井月尺度地下水位埋深数据资料及5期遥感影像数据并结合同期多尺度标准化降水蒸散发指数SPEI,分析不同时空尺度地下水位埋深对土地利用/覆被变化及SPEI的动态响应规律,探讨研究区土地利用变化与干旱变化趋势对地下水埋深变化的综合影响。结果表明:研究区21年间地下水位埋深表现出不显著变化(2000-2005年)-显著增大(2005-2014年)-变缓(2014-2017年)-持续增大(2017-2020年)的变化特征,整体呈持续增大动态趋势,空间分布呈北向南逐渐增大特征;同期土地利用类型面积发生了显著变化,耕地为其主要的土地利用类型,面积呈持续增加趋势,分形维数呈现出先降低(2000-2005年)后升高(2005-2010年)再降低(2010-2020年)的变化特征;SPEI年际动态变化呈显著干旱趋势变化特征,年尺度序列在2012年、2017年发生突变,2016年开始气象干旱发生频次增加;2000-2015年研究区地下水位埋深动态变化对土地利用变化尤其是耕地变化响应显著,2016-2020年地下水位埋深动态变化是对土地利用变化与气候干旱因素的联合响应。 相似文献
6.
基于波段比模型的地形调节植被指数组合算法构建与验证 总被引：3，自引：3，他引：0
为消除山区植被遥感监测中的地形影响,该文根据山区主要地物波谱曲线特征和波段比模型等基本原理,构建地形调节植被指数(topography-adjusted vegetation index,TAVI)组合算法。首先,提出TAVI研究思路。其次,利用山区Landsat8多光谱遥感影像分析山区主要地物波谱曲线特征,阐释TAVI光谱原理。接着,用红光波段数据构建新的阴影植被指数(shady vegetation index,SVI),并优选比值植被指数(ratio vegetation index,RVI)与SVI形成TAVI组合算法,再结合地形调节因子"极值优化"算法计算TAVI结果。最后,采用目视比较、统计分析和差值分析证明TAVI组合算法达到经大气加地形校正后遥感影像计算的NDVI的削减地形影响的效果,其与太阳入射角余弦值一元线性回归方程斜率降至0.035,相关系数降至0.075。TAVI组合算法可应用于山区植被信息和有关参数的遥感监测与估算。 相似文献
7.
8.
TRMM卫星降水数据在区域干旱监测中的适用性分析 总被引：5，自引：4，他引：1
为了评估高时空分辨率的卫星遥感降水产品在干旱监测中的适用性,该文基于热带降雨卫星(tropical rainfall measurement mission,TRMM)产品和气象站点的观测数据,利用标准化降水指数(standardized precipitation index,SPI)分别计算了2种数据源的不同时间尺度(1、3、6和12个月)的河南省1998-2016年干旱事件发生的年际和空间变化。结果表明:TRMM 3B43月尺度降水数据与气象站点的观测数据具有显著的相关性,相关系数均高于0.9,除少数情况下,TRMM 3B43对降水存在略微高估现象;两种数据源计算的各时间尺度(1、3、6和12个月)存在着很高的一致性,波动幅度随着时间尺度的增大而减小;1998年以来河南省春季发生干旱事件的年份是2000、2001年,夏季发生干旱事件的年份是1999、2014年,秋季发生干旱事件的年份1998、2001、2007年,冬季发生干旱事件的年份1999、2012年,另外,基于SPI-12得出发生干旱的年份是1999、2001、2012和2013年;根据站点的不同时间尺度的两种数据源的SPI时间序列进行相关性分析,其相关系数都高于0.7,两者间的一致性很高,说明TRMM数据能够替代站点观测数据进行干旱的监测与评估。 相似文献
9.
基于LISS4数据的小麦氮素营养状况反演研究 总被引：6，自引：3，他引：3
利用LISS4卫星遥感数据在小麦氮素营养状况监测方面进行了初步研究。根据搭载多光谱传感器LISS4的IRS-P6的过境周期,2006年5月3日在江苏省盐城地区进行同步地面取样测试,通过分析试验点小麦LISS4影像光谱信息与小麦叶面积指数及叶片氮含量的相关关系,发现小麦叶面积指数和叶片氮含量与LISS4影像三个波段反射率及植被指数RVI、NDVI、GNDVI均密切相关,表明利用LISS4遥感影像监测小麦氮素营养状况是可行的。比较不同波段原始反射率和植被指数,在本研究中LISS4影像波段4反射率与小麦氮素营养状况相关最密切。检验结果也表明利用LISS4影像波段4反射率估测小麦氮素营养状况是可行的。研究成果为利用遥感技术大面积监测小麦氮素营养状况和实施精确栽培管理提供了理论依据。 相似文献
10.
基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测 总被引：3，自引：3，他引：0
除选择合适的建模方法外,选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原西部小麦白粉病为对象,基于Landsat 8遥感影像共提取了18个特征变量,通过相关性分析(correlation analysis,CA)和最小冗余最大相关(minimum redundancy maximum relevance,mRMR)2种特征选择算法筛选出了2组不同的特征变量,分别将其输入Fisher线性判别分析(Fisher linear discriminant analysis,FLDA)、支持向量机(support vector machine,SVM)和AdaBoost 3种方法,构建小麦白粉病发生严重程度监测模型,并对其进行精度验证与对比分析。结果表明,2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SVM模型高出27.9%、27.9%和14.0%、9.3%,mRMR算法筛选特征所建FLDA、SVM及AdaBoost监测模型的总体监测精度分别比CA筛选特征所建模型高出7.0%、11.7%和7.0%,且mRMR算法筛选特征结合AdaBoost方法所建监测模型的精度和Kappa系数分别为88.4%和0.807,为所有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好,在作物病害监测模型的特征变量选择中mRMR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。 相似文献
11.
基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测 总被引：3，自引：3，他引：0
选择合适的建模和特征选择算法对提高作物病害的遥感监测水平有着重要的作用。研究以河北省小麦白粉病为研究对象,基于GF-1/WFV数据共提取了4个波段反射率数据和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算法relief算法筛选出的特征存在冗余性的问题,提出了一种relief结合最小冗余最大相关(minimum redundancy maximum relevance,m RMR)的特征降维算法(relief-m RMR)。首先,通过relief算法计算出各特征的权重系数,对特征集进行加权;然后利用m RMR算法选出与类别具有最小冗余性的特征,利用支持向量机(support vector machine,SVM)对河北白粉病进行监测,并用遗传算法(genetic algorithm,GA)优化的SVM(GASVM)建立了白粉病的监测模型(relief-m RMR-GASVM),将监测结果分别与SVM和网格寻优(grid search,GS)算法优化的SVM(GSSVM)的监测结果进行对比分析,同时比较了该方法与Ada Boost、粒子群(Pso)优化的最小二乘支持向量机(least squares support vector machine,Pso-LSSVM)和随机森林(random forest,RF)3种方法的优越性。结果表明,relief-m RMR算法筛选出的特征与GASVM、SVM和GSSVM建立的监测模型精度比传统relief算法筛选特征所建模型的精度分别提高了14.3个百分点、7.2个百分点和7.1个百分点,比传统m RMR算法筛选特征所建模型的精度分别提高了14.3个百分点、14.3个百分点和14.2个百分点。relief-m RMR算法结合GASVM建立的监测模型精度为所有模型中最高,精度为85.7个百分点,分别比SVM和GSSVM所建监测模型精度提高了21.4个百分点和7.2个百分点。此外,GF-1数据结合relief-m RMR-GASVM模型的监测精度分别高出Ada Boost、Pso-LSSVM和RF方法21.4个百分点、14.3个百分点和7.1个百分点。说明GF-1数据结合relief-m RMR-GASVM模型可用于小麦白粉病的遥感监测。 相似文献
12.
基于赤池信息量准则的冬小麦叶面积指数高光谱估测 总被引：5，自引：2，他引：3
冬小麦叶面积指数(leaf area index,LAI)是描述冠层结构的重要参数之一,对评价其长势和预测产量具有重要意义。该文利用灰色关联分析(grey relational analysis,GRA)对植被指数进行排序,用偏最小二乘法(partial least squares regression,PLS)选择不同的植被指数个数作为自变量进行回归建模,通过赤池信息量准则(Akaike’s information criterion,AIC)选择AIC值最小的模型作为冬小麦LAI最优估算模型,即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008-2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模,利用2009-2010相关数据进行验证。研究表明:采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1,关联度最小的植被指数是SR;通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优,建模集的决定系数R2和标准误SE分别为0.76和0.009,验证集的R2和相对均方根误差RRMSE分别为0.63和0.004,预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的,为提高冬小麦LAI遥感预测精度提供了一种有效的方法。 相似文献
13.
基于HJ卫星CCD数据的冬小麦病虫害面积监测 总被引：4，自引：1，他引：3
遥感在农作物病虫害监测中广泛采用的简单植被指数阈值法难以判别冬小麦的健康状况。该研究选择二值逻辑回归法,分别建立实测光谱得到的植被指数与其健康状况之间的关系模型。结果表明,重归一化植被指数RDVI模型和三角植被指数TVI模型可信度较好。考虑到遥感监测冬小麦病虫害时,涉及的地域范围广,冬小麦生长状况存在明显的局域差异,采用了3×3邻域像元的一致性假设消除局部环境差异。将模型应用到中国新近发射的环境与灾害监测预报小卫星星座HJ-CCD传感器数据,得到提取的冬小麦受病虫害胁迫范围与枣阳市植保站普查结果相符,也与地面实测结果相一致,其中,TVI模型结果的精度达到76.47%,能够满足农作物病虫害面积遥感监测要求。 相似文献
14.
基于无人机遥感植被指数优选的田块尺度冬小麦估产 总被引：4，自引：3，他引：1
田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。 相似文献
15.
基于TM和PLS的冬小麦籽粒蛋白质含量预测 总被引：2，自引：3，他引：2
为进一步提高遥感预测冬小麦籽粒蛋白质含量精度,分析了卫星遥感变量与冬小麦籽粒蛋白质含量间的定量关系,运用偏最小二乘法构建了遥感预测籽粒蛋白质含量模型,制作了冬小麦籽粒蛋白质含量空间等级分布图,结果表明,该模型的最佳主成分数为5,且归一化植被指数、冠层结构不敏感色素指数、比值植被指数、氮反射指数和植被衰减指数为预测籽粒蛋白质含量的敏感变量;籽粒蛋白质含量预测的均方根误差为0.307%,决定系数为0.642,为提高遥感预测小麦品质的精度提供了一种有效途径,有利于大面积应用和推广。 相似文献
16.
基于PLS算法的棉花黄萎病高空间分辨率遥感监测 总被引：2，自引：1，他引：1
棉花黄萎病危害程度大,发生范围广,已成为中国乃至世界上棉花主要病害之一。论文基于野外定位调查数据及高空间分辨率遥感影像,利用变量投影重要性（VIP）准则筛选最优变量,用偏最小二乘回归（PLS）方法建立棉花黄萎病病情严重度的定量估测模型,并利用已建立的估测模型和高分辨率IKONOS影像获取了不同病情严重度的空间分布图。研究结果表明：在所分析的13个遥感因子中,增强植被指数（EVI）、再归一化植被指数（RDVI）、全球环境监测指数（GEMI）、差值植被指数（DVI）、修改型土壤调整植被指数（MSAVI）、归一化植被指数（NDVI）为棉花黄萎病病情严重度遥感估测的敏感因子,能够有效估测棉花黄萎病病情严重度,其模型预测值与实测值间的R2、RMSE和RE分别为0.78、0.45、9.2%。论文利用PLS算法和高分辨率卫星影像实现了棉花黄萎病病情严重的遥感监测,研究结果对实现大范围农作物病虫害的遥感监测具有重要的参考价值。 相似文献
17.
明确白粉病胁迫下小麦叶片受害程度并构建误差小、精度高的反演模型,是实现小麦白粉病遥感监测和精确防控的基础。基于大田小区小麦白粉病人工接种试验,采用高光谱仪测试不同白粉病危害程度下冬小麦叶片光谱反射率,利用常规光谱特征参数、比值指数和归一化指数及因子分析(factor analysis,FA)与BP神经网络(back propagation neural network,BPNN)相结合的方法对小麦叶片白粉病严重度进行模型模拟并对模型拟合精度与适用性比较。结果表明:对小麦白粉病反应敏感的光谱波段为415、485~495、620~640 nm。常规光谱参数中表现较好的光谱植被指数和两波段比值及归一化植被指数的决定系数范围为0.6~0.8,均方根误差范围为8.5~11.5,其中,RI(670,855)、NDVI(680,880)、RGRcn和PSRI对白粉病反演精度及误差控制表现得相对较好。经过FA提取敏感波段的公共因子,进而利用BPNN算法进行模拟,较常规光谱参数有效提高了病情严重度的估算精度,各个测定时期模拟检验决定系数大于0.80,模型的检验均方根误差小于8.09,整个灌浆期反演模型检验的均方根误差和相对误差分别为7.84和7.56%,反演模型对小麦白粉病的整个病症期均具有很好的适用性。由此可得,基于FA-BPNN法所建立的反演模型精度高、误差小,对小麦白粉病病害时期兼容性好,研究结果对植物病害精确防控具有重要意义。 相似文献
18.
运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产 总被引：1，自引：1，他引：1
为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。 相似文献