典型文献
联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法
文献摘要：
白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估.本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度.使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温度产品反演地表温度(Land Surface Temperature,LST),使用4景国产高分一号(GF-1)宽幅相机数据(Wide Field of View,WFV)提取小麦种植区和计算植被指数.首先,利用ReliefF算法优选对小麦白粉病敏感的植被指数,然后利用时空自适应反射率融合模型(Spa?tial and Temporal Adaptive Reflectance Fusion Model,STARFM)对Landsat-8 LST和MOD11A1数据进行时空融合.利用Z-score标准化方法对植被指数和温度数据统一量度.最后,将处理和融合后的单一时项Landsat-8 LST、多时相Landsat-8 LST、累加MODIS LST和多时相Landsat-8 LST与累加MODIS LST结合的数据分别输入支持向量机(Support Vector Machine,SVM)构建了四个分类模型,即LST-SVM、SLST-SVM、MLST-SVM和SMLST-SVM,利用用户精度、生产者精度、总体精度和Kappa系数对比四个模型的分类精度.结果显示,本研究构建的SMLST-SVM取得了最高分类精度,总体精度和Kappa系数分别为81.2％和0.67,而SLST-SVM则为76.8％和0.59.表明多源多时相的LST联合SVM能够提升小麦白粉病的识别精度.
文献关键词：
小麦白粉病;高分一号;MODIS;Landsat-8;地表温度;支持向量机
中图分类号：
作者姓名：
赵晋陵;杜世州;黄林生
作者机构：
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,安徽合肥230601;安徽省农业科学院作物研究所,安徽合肥230031
文献出处：
引用格式：
[1]赵晋陵;杜世州;黄林生-.联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法)[J].智慧农业（中英文）,2022(01):17-28
A类：
多时相卫星影像,Landat,SLST,SMLST
B类：
多源多时相,小麦白粉病,监测方法,侵染,卫星遥感技术,研究利用,卫星遥感影像,分类精度,热红外,红外传感器,传感器数据,Thermal,Infrared,Sensor,TIRS,MODIS,MOD11A1,地表温度,Surface,Temperature,高分一号,GF,宽幅,Wide,Field,View,WFV,小麦种植,种植区,植被指数,ReliefF,算法优选,选对,时空自适应反射率融合模型,Spa,tial,Temporal,Adaptive,Reflectance,Fusion,Model,STARFM,Landsat,时空融合,score,标准化方法,对植,温度数据,数据统一,一量,量度,累加,别输,Support,Vector,Machine,分类模型,用用,生产者,总体精度,Kappa,研究构建,最高分,识别精度
AB值：
0.375792
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
