粒子群优化的最小二乘支持向量机在小麦白粉病监测中的应用

摘要

小麦白粉病严重影响小麦的产量和品质,区域尺度上准确、及时地监测小麦白粉病的发生情况有利于高效地指导防治工作。利用Landsat-8遥感影像,提取出对小麦白粉病病情影响较大的长势因子和生境因子,包括归一化植被指数(NDVI)、比例植被指数(RVI)、绿度(Greenness)、湿度(Wetness)和地表温度(LST),利用最小二乘支持向量机(LSSVM)对陕西省关中平原部分地区的小麦白粉病进行监测,并用粒子群算法(PSO)优化模型参数,将监测结果分别与传统支持向量机(SVM)和最小二乘支持向量机(LSSVM)的监测结果进行对比分析。结果表明:经过粒子群优化的最小二乘支持向量机模型(PSO-LSSVM)的总体监测精度达到92.8%,优于SVM的71.4%和LSSVM的85.7%,取得了较好的监测效果。