[发明专利]基于子窗口重排法提取敏感参数构建小麦叶片白粉病早期监测模型的方法

权利要求书

1.基于子窗口重排法提取敏感参数构建小麦叶片白粉病早期监测模型的方法，包括以下步骤：

1)获取感病小麦叶片的高光谱反射率；

2)利用SPA算法从高光谱反射率的原始波段中提取敏感波段；

3)选择现有研究中与病害可能相关的光谱指数，利用SPA算法从所述光谱指数中提取敏感光谱指数；

4)利用偏最小二乘-线性判别分析法，将所述敏感波段或所述敏感光谱指数作为分输入变量，构建小麦白粉病早期监测模型；

5)用二分类算法对所述小麦白粉病早期监测模型进行检验，且基于独立易感品种用留一交互检验法评价模型表现；

所述步骤2)和步骤3)之间没有时间顺序的限制。

2.根据权利要求1所述的方法，其特征在于，所述步骤1)中感病小麦叶片按照病情严重度划分样品病情等级。

3.根据权利要求2所述的方法，其特征在于，所述病情严重度是病叶上病斑菌丝层覆盖叶片面积占叶片总面积的比率；

所述样品等级为9级病情严重度SL，分别为0％、1％、5％、10％、20％、40％、60％、80％和100％的小麦叶片。

4.根据权利要求2所述的方法，其特征在于，所述步骤2)中敏感波段包括红边区域。

5.根据权利要求3所述的方法，其特征在于，所述步骤3)中光谱指数包括13种高光谱植被指数和13种微分光谱指数。

6.根据权利要求5所述的方法，其特征在于，所述步骤3)中光谱指数特征包括归一化色素比率指数、红边植被胁迫指数、黄边范围内一阶微分总和、叶绿素吸收比率指数、生理反射指数、花青素反射指数、转换叶绿素吸收指数、蓝边范围内一阶微分总和、红边范围内一阶微分总和与蓝边范围内一阶微分总和的归一化值和红边范围内一阶微分总和与蓝边范围内一阶微分总和的比值。

7.根据权利要求1所述的方法，其特征在于，所述步骤5)中二分类算法中的分类为：以健康叶片为正类，以感病叶片为负类；实际健康叶片且被预测成健康叶片为真正类，如果实际健康叶片是负类而被预测成正类为假正类；如果实际健康叶片是负类且被预测成负类为真负类，如果实际健康叶片是正类被预测成负类为假负类。

8.根据权利要求1所述的方法，其特征在于，所述步骤5)中评价的指标包括模型敏感度、模型特异度、模型接受者操作曲线下面积和模型总体分类精度。

9.根据权利要求8所述的方法，其特征在于，所述模型敏感度的计算方法如式I所示；其中TP为真正类；TN为真负类；

所述模型特异度的计算方法如式Ⅱ所示；其中TN为真负类；FP为假正类。

10.根据权利要求8所述的方法，其特征在于，所述模型接受者操作曲线下面积计算方法根据分类器绘制的接受者操作曲线通过积分计算的接受者操作曲线下面积值；

所述模型总体分类精度的计算方法如式Ⅲ所示；其中TP为真正类；TN为真负类；FN为假负类；FP为假正类；TN为真负类。