1 浙江大学农业遥感与信息技术应用研究所, 浙江 杭州 310029
2 国家农业信息
对植被病害的精确识别是采取植保措施的前提, 同时对喷施农药也具有积极的指导作用。 比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、 光谱反射率、 高光谱特征参数, 受害水稻叶片与健康叶片相比, 叶绿素和类胡萝卜素含量分别降低18%和22%； 光谱反射率在蓝紫光、 绿光和红光谱段分别增加1.5, 1和2.3倍, 在近红外和短波红外区域分别降低约28.9%和26.3%, 红边和蓝边分别蓝移约8和10 nm, 绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量, 对受害和健康叶片进行识别, 精度为100%。 研究表明, 水稻叶片光谱对病害胁迫具有显著的响应特征, 利用C-SVC对受害和健康叶片进行辨别的方法是可行的。Infected by Rice Aphelenchoides besseyi Christie
波谱响应特征 稻干尖线虫病 微分光谱 支持向量分类机 Spectral response characteristic Rice Aphelenchoides besseyi
1 浙江大学 农业遥感与信息技术应用研究所, 浙江 杭州 310029
2 浙江大学 环境修复与生态健康教育部重点实验室, 浙江 杭州 310029
3 浙江省农业遥感与信息技术重点实验室, 浙江 杭州 310029
运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率, 采用主成分 分析(PCA)方法对反射率光谱进行降维处理, 提取2个主分量光谱.其中, 第一主分量PC1代表了水稻冠层的光谱 特性, 第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入 向量, 建立分类模型.结果表明, 对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%, 对受穗颈瘟危害倒伏的 水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.
稻飞虱 穗颈瘟 可见光/近红外光谱反射率 主成分分析 支持向量分类机 Key words: rice planthopper rice panicle blast visible/near infrared (VIS/NIR) spectral reflectan principal compo- nent analysis (PCA) support vector classification (SVC)
