基于BP神经网络的青稞白粉病早期感染高光谱遥感监测

孙文越; 刘轲; 次仁央拉; 刘鑫; 《中国农业信息 》 2023

摘要：[目的]文章旨在探索表征西藏青稞白粉病早期感染的光谱特征参量,尝试基于机器学习算法构建白粉病高光谱遥感诊断模型的可行性,以期为经济、高效、及时、大区域的青稞白粉病早期遥感监测探索技术方法.[方法]以西藏青稞主栽区和白粉病高发区拉萨、林芝和山南市为研究区域,开展青稞冠层光谱、病情和农学参数田间观测.提取冠层反射率(R)、反射率一阶导数(R')、5种植被指数(VI),并联合应用R(或R')与VI,共形成5套备选光谱特征参量.利用Relief-F算法开展特征选择,遴选白粉病感染的敏感波段和敏感特征.在此基础上,基于BP神经网络,构建白粉病诊断模型.[结果](1)对于染病样本而言,基于R' 的诊断模型识别精度最高(51.33%),其次为R'与VI相结合的诊断模型(49.00%).(2)R' 的敏感波段范围为820~920 nm、1 160~1 200 nm和935~975 nm,此外445~490 nm和1 070~1 100 nm的R'也对白粉病表现出一定的敏感性.(3)5种VI中,比值植被指数(SR)对白粉病早期感染最为敏感,远超其它植被指数.此外,基于不同特征参量的健康样本的识别精度大致相当,在 91.67%(基于R)~90.63%(基于R与VI)之间.[结论]基于敏感波段反射率的一阶导数,利用构建诊断模型,有望有效地识别青稞白粉病早期感染.未来研究中,应考虑高光谱数据不同波段之间的高度相关性,开展数据降维,以期减小过拟合,进一步提高监测精度.

关键词： 青稞 白粉病 神经网络 作物病虫害遥感