基于数码相机和多光谱无人机的冬小麦条锈病监测研究
田宏伟1
姬兴杰1
旦增格列2
叶昊天1
赵志宇3
1.中国气象局·河南省农业气象保障与应用技术重点实验室,郑州 450003;河南省气象科学研究所,郑州 4500032.拉萨市气象局,拉萨 8500053.永城市气象局,河南永城 476600
摘要：为实现冬小麦条锈病的定量化监测评估,以基于冠层数码照片提取的条锈病病情指数为因变量,通过筛选大疆精灵4多光谱相机的波段反射率、植被指数和纹理指数等遥感特征,并对比不同遥感特征组合下8种机器学习算法的模拟精度,筛选了冬小麦条锈病多光谱无人机监测的最优模型.结果表明:数码照片红色通道像素值和归一化红色像素值可分别用于染病叶片和正常叶片的识别提取.5个波段反射率中近红外、红边和红波段与病情指数极显著相关,30个植被指数中有29个相关性在显著水平以上,相关性最高的10种植被指数为OSAVI、RBNDVI、PVI、SAVI、EVI2、NDVI、MSR、RVI、MNVI、MTVI;灰度共生矩阵纹理指数中,方差、均匀性、对比度、异质性、熵和二次矩6个纹理指数与病情指数极显著相关.4种特征组合方案的8种机器学习算法的模拟测试中,以方案4(波段反射率、植被指数和纹理指数组合作为遥感特征)的ExtraTrees算法精度最高,均方根误差为1.2955,为冬小麦条锈病最优监测模型.
关键词：冬小麦条锈病数码影像多光谱无人机机器学习
分类号：S512.1+1(禾谷类作物)S435.121.4+2(病虫害及其防治)
资助基金：河南省农业气象保障与应用技术重点开放实验室应用技术研究基金项目(AMF202303)河南省科技攻关计划项目(222102320035)
论文发表日期：2025-07-30
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 19-27 )
英文信息