基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究

摘要

穗颈瘟的发生会导致稻米产量降低和品质下降,对穗颈部发生侵染但并未引起倒伏的水稻(D)、穗颈部侵染严重已发生倒伏的水稻(L)和正常水稻(H)进行准确地识别和区分是采取病虫害防治措施和灾害评估的基础。本研究选用水稻黄熟期田间冠层测定的27个H的冠层样本、9个D的冠层样本和10个L的冠层样本数据,并以这些样本数据的红边斜率、红边面积、绿波峰值和绿峰面积等4个高光谱变量作为分析数据,分别运用概率神经网络和系统聚类法进行分类识别,识别精度可以分别高达到93.5%和91.3%,显然,在进行分类识别时概率神经网络这种新方法优于传统的系统聚类法。研究表明,概率神经网络具有更为强大的分类功能,应用于穗颈瘟的高光谱识别,可以实现对D、L和H精确分类,能够补充和完善传统的肉眼观测。