棉花黄萎病高光谱识别及遥感监测研究

摘要

提高农作物病虫害的监测水平对维护我国粮食安全、保护生态环境具有重要意义。本研究通过分析棉花黄萎病不同严重度叶片的高光谱数据，选择对病情严重度响应敏感的光谱波段，采用多种识别模式对病情严重度等级予以分类；运用IKONOS卫星影像实现棉花黄萎病发生区域的监测。研究内容和结果概述如下： 棉花受黄萎病危害后，叶片光谱反射率在可见光区(400～700 nm)及近红外区(900～1400 nm)随病情严重度的增加均呈现上升趋势：正常叶片的光谱反射率最低，轻度病叶的光谱反射率次之，极严重度叶片的光谱反射率最高。一阶微分光谱在红边范围内(680～780nm)的变幅最大：随著病情严重度的增加，峰值逐渐降低，红边位置向短波方向移动。 利用棉花黄萎病叶不同严重度的原始光谱及一阶微分光谱数据分析了其各自的变化特征，筛选对病害响应敏感的光谱区域，构建多个光谱植被指数及高光谱三边特征参数，实现病情严重度的简单线性回归、二次多项式回归等的估算：运用主成分分析及小波分析对高光谱信息进行特征提取，实现病情严重度的判别分析、BP神经网络、遗传优化的BP神经网络及支持向量机SVM的高光谱识别。 通过分析IKONOS卫星遥感影像上研究区域内各种典型地物的NDVI值，采用监督分类提取了研究区域内的棉花地块，结合地面调查点的GPS数据和相应的病情严重度资料，筛选并最终确立了病情严重度监测的最佳模型：y=-2.69*x2+17.152*x-24.471(其中y为病情严重度，x为影像b2和b4波段构建的比值植被指数)；监测结果同地面调查点的实际情况大体吻合。

目录

文摘

英文文摘

声明

第一章引言

1.1研究目的和意义

1.2研究进展

1.2.1光谱反射率分析技术

1.2.2回归模型分析技术

1.2.3植被指数分析技术

1.2.4光谱微分技术

1.2.5基于光谱位置变量的分析技术

1.2.6遥感影像分析技术

1.3研究内容

1.3.1棉花黄萎病病情严重度高光谱识别

1.3.2基于IKONOS卫星影像的棉花黄萎病监测

参考文献

第二章数据来源、技术路线及方法

2.1棉花黄萎病严重度高光谱识别

2.1.1数据来源

2.1.2研究技术路线

2.1.3研究方法

2.2棉花黄萎病害遥感影像信息提取

2.2.1数据来源

2.2.2研究技术路线

2.2.3遥感影像预处理

参考文献

第三章棉花黄萎病严重度高光谱识别

3.1棉花黄萎病叶片高光谱特征

3.1.1材料与方法

3.1.2棉花黄萎病病叶原始光谱反射率特征及敏感波段分析

3.1.3棉花黄萎病病叶一阶微分光谱反射率特征及敏感波段分析

3.2基于高光谱微分指数的棉花黄萎病严重度识别

3.2.1常见植被指数的计算公式

3.2.2高光谱特征参数

3.2.3敏感高光谱变量的的筛选

3.2.4棉花黄萎病严重度的高光谱估测模型

3.2.5棉花黄萎病高光谱估算模型的检验

3.3基于主成分分析的棉花黄萎病严重度高光谱识别

3.3.1光谱数据预处理

3.3.2棉花黄萎病严重度高光谱识别

3.3.3棉花黄萎病严重度识别结果

3.4基于小波分析的棉花黄萎病严重度高光谱识别

3.4.1利用小波变换进行数据降维

3.4.2原始光谱的小波分析

3.4.3一阶微分光谱的小波分析

3.4.4棉花黄萎病严重度识别结果

3.5小结

参考文献

第四章棉花黄萎病害遥感影像信息提取

4.1材料和数据

4.1.1研究区概况

4.1.2新疆(北疆)棉花主要生育期

4.1.3遥感影像数据和地面调查点数据

4.2棉花地块的提取

4.3棉花黄萎病严重度遥感监测模型的建立

4.3.1敏感植被指数的选择

4.3.2严重度遥感监测模型的建立及模拟精度的比较

4.4棉花黄萎病严重度遥感监测的实现

4.5小结

参考文献

第五章结论和讨论

5.1结论

5.1.1棉花黄萎病叶片高光谱特征

5.1.2基于高光谱微分指数的棉花黄萎病严重度识别

5.1.3基于主成分分析的棉花黄萎病严重度高光谱识别

5.1.4基于小波分析的棉花黄萎病严重度高光谱识别

5.1.5基于IKONOS影像的棉花黄萎病监测

5.2创新点

5.3讨论

致谢

硕士研究生期间论文发表及参与课题情况