[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回归(MLR)、后向传播神经网络(BP)、随机森林(RF)、极限学习机(ELM)算法将植被指数(VIs)、纹理特征(TFs)和温度特征(T)进行结合,以构建小麦白粉病病情指数的监测模型.[结果]无论是单数据源建模,还是多数据源建模,随机森林(RF)的精度均高于其他模型;3种数据源中植被指数的RF模型(VIs-RF,R2=0.667,RMSE=5.712,RPD=1.572)更适宜白粉病监测,其次是温度特征(T-RF,R2=0.559,RMSE=6.563,RPD=1.430),而纹理特征(TFs-RF,R2=0.495,RMSE=7.014,RPD=1.348)效果最差;多数据源协同建模间比较,RF协同植被指数和纹理特征的模型R2为0.701(VIs&TFs-RF,R2=0.701,RMSE=5.308,RPD=1.724),仅比 VIs-RF 模型R2提升5.101％,RMSE降低7.073％,RPD 提高9.672％,而 RF 协同植被指数和温度特征模型(VIs&T-RF)以及协同3种数据源模型(VIs&TFs&T-RF)的精度分别为R2=0.750,RMSE4.704,RPD=1.912和R2=0.820,RMSE=4.677,RPD=1.996,较 VIs-RF 模型R2 分别提升 12.453％和23.181％,RMSE分别降低 17.640％和 18.113％,RPD分别提高21.667％和26.981％.同时对不同模型进行10折交叉验证,进一步证实了 RF模型在多数据源融合建模中性能稳定,估算效果最好.[结论]采用多数据源协同建模能够提升小麦白粉病遥感监测精度,研究结果为实现大面积高精度遥感监测作物病害状况提供了思路与方法.

小麦白粉病;无人机;机器学习;信息融合;遥感监测

冯子恒;宋莉;张少华;井宇航;段剑钊;贺利;尹飞;冯伟

河南农业大学信息与管理科学学院,郑州450046;国家小麦工程技术研究中心,郑州450046;河南农业大学农学院,郑州450046

中国农业科学

[1]冯子恒;宋莉;张少华;井宇航;段剑钊;贺利;尹飞;冯伟-.基于无人机多光谱和热红外影像信息融合的小麦白粉病监测)[J].中国农业科学,2022(05):890-906

RMSE4

无人机多光谱,热红外,红外影像,信息融合,小麦白粉病,严重危害,小麦生长,产量形成,多源数据融合,数据融合方法,国家粮食安全,开花,灌浆期,搭载,光谱仪,热成像仪,六旋翼无人机,遥感数据,数据获取,取平,ENVI,遥感影像,植被指数,纹理特征,及冠,冠层温度,MLR,后向传播神经网络,RF,极限学习机,ELM,VIs,TFs,温度特征,病情指数,监测模型,单数,多数据源,RPD,更适宜,特征模型,交叉验证,融合建模,算效,遥感监测,监测精度,作物病害,思路与方法

0.259318