[发明专利]一种带有病害特征预处理功能的小麦白粉病遥感监测方法

说明书

本发明涉及一种带有病害特征预处理功能的小麦白粉病遥感监测方法，与现有技术相比解决了小麦病害特征冗余度高、监测精度差的缺陷。本发明包括以下步骤：遥感数据的获取和预处理；特征变量的提取；特征变量的处理；白粉病监测模型的构建和优化；小麦白粉病遥感监测结果的获得。本发明通过将relief与mRMR两种特征选择技术与经过遗传方法优化的支持向量机结合，形成对区域尺度的白粉病进行有效遥感监测。

技术领域

本发明涉及遥感图像处理技术领域，具体来说是一种带有病害特征预处理功能的小麦白粉病遥感监测方法。

背景技术

小麦白粉病是小麦生产过程中的主要病害之一，在小麦的整个生育期皆可发生，造成严重的减产和品质降低，受害后一般减产在5％到10％之间，严重时达到20％以上。及时有效的监测出小麦白粉病的发生对提高小麦的产量和质量具有重大意义。

传统的地面调查法虽然调查结果较好，但是需要耗费大量的人力物力，不适合大区域的研究。许多学者利用气象数据对作物病虫害进行监测预测。王贺军等利用气温、光照和雨量建立了小麦白粉病的预测模型。Stansbury等利用湿热指数模型对小麦印度腥黑穗病进行了预测。Dutta等利用空气温度和湿度等气象参数建立了蚜虫的预测模型。但是，由于气象数据会受到地形、人类活动的影响，无法准确的获取连续的空间信息，而且小麦的长势信息也是反应小麦病虫害情况的重要因子，所以基于气象的作物病虫害监测预测存在一定的局限性。

由于遥感手段能够获取连续的空间信息，同时还能反映作物的长势情况，所以一些学者利用遥感对作物病虫害开展了一系列的研究。现有技术中有利用环境卫星数据结合小波分析和支持向量机模型建立了小麦白粉病的监测模型；利用PRI对小麦白粉病进行监测；基于Adaboost模型和mRMR算法对小麦白粉病建立监测模型；采用环境星数据反演的各种植被指数，通过logistic回归实现小麦白粉病的发生预测；利用环境星数据提取冬小麦的长势因子、生境因子，结合相关向量机建立小麦蚜虫的预测模型。

而目前大部分学者重点研究影像作物病害的遥感特征指数，对于特征变量的选择方法上通常只是通过简单的相关分析、T检验等对初选特征进行筛选，虽然筛选出的特征与小麦病害的相关性大，但特征间的冗余性会导致模型精度的降低。

因此，如何开发出一种基于病害相关性较高且冗余性最小的特征而实现的遥感监测方法已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中小麦病害特征冗余度高、监测精度差的缺陷，提供一种带有病害特征预处理功能的小麦白粉病遥感监测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种带有病害特征预处理功能的小麦白粉病遥感监测方法，包括以下步骤：

11)遥感数据的获取和预处理，获取研究区的遥感数据，并对遥感数据进行预处理，并通过最大似然分类法提取小麦的种植面积；

12)特征变量的提取，获取小麦实地调查数据样本，利用预处理后的遥感影像来进行小麦白粉病监测所需特征的提取；

13)特征变量的处理，利用relief技术计算出小麦白粉病特征的权重，通过阈值筛选后，利用mRMR技术选择与目标类别相关性最大且相互之间冗余性最小的特征子集作为白粉病监测模型的输入变量；

14)白粉病监测模型的构建和优化，构建以支持向量机为基础的白粉病监测模型，并对白粉病监测模型进行优化；

15)小麦白粉病遥感监测结果的获得，从遥感影像上逐像元的提取特征变量保存至矩阵A中作为白粉病监测模型的输入变量，提取每个像元的地理坐标保存到矩阵B中，将矩阵A输入到优化后的白粉病监测模型中，得到研究区小麦白粉病监测情况的矩阵结果C，结合矩阵结果C和地理坐标矩阵B将监测结果绘制成图，得到研究区域的小麦白粉病监测结果空间分布图。