| 基于概率模型的冬小麦白粉病监测研究 |
| |
| 引用本文： | 刘林毅,黄文江※,董莹莹,杜小平,马慧琴.基于概率模型的冬小麦白粉病监测研究[J].中国农业信息,2018,30(1):79-92. |
| |
| 作者姓名： | 刘林毅 黄文江※ 董莹莹 杜小平 马慧琴 |
| |
| 作者单位： | 中国科学院遥感与数字地球研究所数字地球重点实验室;中国科学院大学;南京信息工程大学应用气象学院气象灾害预报预警与评估协同创新中心 |
| |
| 基金项目： | 国家重点研发计划项目“粮食主产区主要病虫草害发生及绿色防控关键技术”（2016YFD0300702），国家重点研发计划项目课题“粮食作物生长监测诊断与精确栽培技术”（2016YFD0300601）；国家自然科学基金：反射率与叶绿素荧光协同的小麦白粉病早期探测机理与方法研究（41601467） |
| |
| 摘 要： | 【目的】利用多源数据对白粉病易发区进行病害发生监测研究能够提供大面积、快速、客观的病害发生信息,为农业植保部门开展科学防控提供有效的指导。研究以结合遥感与气象数据监测冬小麦白粉病并获取其精细空间信息为目的。【方法】利用中国高分辨率对地观测系统高分一号卫星(GF-1/WFV)遥感影像提取了研究区小麦种植区及归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI),通过气候灾害组站点红外雨量数据(climate hazards group infra Red precipitation with station data,CHIRPS)及美国中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)获取了研究区气象相关数据。采用基于概率模型的方法筛选并定量化表达了特征因子与小麦患病情况间的关系,生成了研究区小麦患病概率分布数据、研究区小麦白粉病监测结果、监测结果错分概率分布数据。【结果】基于概率模型的白粉病监测方法总体精度为81.25%,与目前较为流行的分类与回归树(classification and regression tree,CART)和随机森林(random forests,RFs)2种分类监测方法相比具有较高的监测精度;小麦患病概率分布数据能够详细地展现研究区小麦患病概率的空间分布及高患病概率麦区向低患病概率麦区的过渡情况;监测结果的错分概率分布数据与实际错分情况具有较好的一致性。【结论】基于概率模型的白粉病监测方法能够应用于区域尺度冬小麦白粉病发生发展状况监测研究。
|
| 关 键 词： | 小麦 白粉病 多源数据 概率模型 遥感 |
| 收稿时间： | 2018/1/15 0:00:00 |
Wheat powdery mildew monitoring using probabilistic model |
| |
| Liu Linyi,Huang Wenjiang,Dong Yingying,Du Xiaoping and Ma Huiqin.Wheat powdery mildew monitoring using probabilistic model[J].China Agriculture Information,2018,30(1):79-92. |
| |
| Authors: | Liu Linyi Huang Wenjiang Dong Yingying Du Xiaoping and Ma Huiqin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
|
