收藏本站
收藏 | 投稿 | 论文排版

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(英文)

赵晋陵  杜世州  黄林生  
【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(Spatial 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-8LST、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、MLSTSVM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。

知网文化
【相似文献】
中国期刊全文数据库 前1条
1 黄林生;刘文静;黄文江;赵晋陵;宋富冉;;小波分析与支持向量机结合的冬小麦白粉病遥感监测[J];农业工程学报;2017年14期
中国硕士学位论文全文数据库 前3条
1 刘创;基于敏感光谱特征的小麦白粉病遥感监测研究[D];安徽大学;2019年
2 刘文静;基于高光谱与多光谱数据的冬小麦白粉病遥感监测[D];安徽大学;2018年
3 方艳;叶片-冠层-区域尺度小麦白粉病遥感解析方法[D];安徽大学;2021年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978