详情

原文传递一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法

专利名称：	一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法
摘要：	本发明涉及一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比解决了赤霉病的遥感监测未针对麦穗尺度分析的缺陷。本发明包括以下步骤：高光谱遥感数据的获取；数据预处理；构建小麦赤霉病指数；多元逐步回归模型的建立；遥感监测结果的获得。本发明利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	安徽大学
发明人：	黄林生;张寒苏;丁文娟;黄文江;胡廷广;翁士状;赵晋陵;曾玮;张东彦
专利状态：	有效
申请日期：	2019-05-29T00:00:00+0800
发布日期：	2019-08-16T00:00:00+0800
申请号：	CN201910454573.4
公开号：	CN110132860A
代理机构：	合肥国和专利代理事务所(普通合伙)
代理人：	张祥骞
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	230601 安徽省合肥市经济技术开发区九龙路111号
主权项：	1.一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，包括以下步骤： 11)高光谱遥感数据的获取：获取麦穗反射率光谱曲线，取20次麦穗的光谱反射率值平均值作为麦穗的光谱反射率值； 12)数据预处理：对麦穗反射率光谱曲线进行选取，选取出350nm-1330nm波段光谱数据，并对350nm-1330nm波段光谱数据进行一阶微分处理； 13)构建小麦赤霉病指数：根据光谱数据的一阶微分值构建小麦赤霉病指数WSI； 14)多元逐步回归模型的建立：利用遥感数据计算赤霉病敏感的植被指数、光谱微分特征以及赤霉病指数WSI，获得赤霉病多元逐步回归模型的初选特征，并构建出多元逐步回归模型； 15)遥感监测结果的获得：将待分析的植被指数、光谱微分特征以及赤霉病指数WSI输入多元逐步回归模型，得到冬小麦赤霉病高光谱遥感监测结果。 2.根据权利要求1所述的一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，所述的构建小麦赤霉病指数包括以下步骤： 21)对原始光谱数据进行一阶微分； 22)将光谱微分数据与病害等级进行相关分析进而筛选出450～488nm、500～540nm、552～667nm、687～756nm四个敏感波段范围； 23)对4个敏感波段范围微分总和进行相关性分析，根据4个敏感波段范围微分总和的相关关系选择相关性较小的两个波段区间构建赤霉病指数，得到相关性最小的两个波段范围分别为450～488nm和500～540nm； 24)基于这两个敏感波段范围内一阶微分总和的归一化比值构建赤霉病指数WSI，其表达式如下： WSI＝(SD450～488-SD500～540)/(SD450～488+SD500～540)，其中，SD为一阶微分之和。 3.根据权利要求1所述的一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，其特征在于，所述的多元逐步回归模型的建立包括以下步骤： 31)利用麦穗的光谱反射率值提取11个植被指数和11个光谱微分指数； 32)利用光谱微分分析构建赤霉病指数WSI； 33)将11个植被指数、11个光谱微分指数及WSI指数作为赤霉病多元逐步回归模型的初选特征； 34)构建多元回归方程，其表达式如下所示： y＝30.627WSI-82.765(SDg/SDb)-192.218NBNDVI-984.01SDg+276.882，其中，SDg为绿边一阶微分总和，SDb为蓝边一阶微分总和。
所属类别：	发明专利