基于无人机多光谱遥感影像的棉花虫害监测研究
基于无人机多光谱遥感影像的棉花虫害监测研究
【摘要】： 新疆地区作为我国面积占比最大、产量最高的棉花生产和种植地区,其棉花种植面积占全国种植区域的76.09%。保障农作物的稳健生长、产量增长与品质提升始终是近几年热门科学技术研究的议题,病虫害的频繁发生和蔓延为棉花种植工作者带来了不可忽视的损失。借助无人机遥感平台能够高效、快速的获取高时空分辨率的遥感影像数据,使棉花生长可预测,虫害区域可实时监测,对于快速应对棉田虫害发生以及精准棉田管理具有重要意义。基于此,本文通过无人机遥感技术平台在时效性与分辨率的显著优势,动态的监测棉花受到虫害的发生情况,并充分的结合了受到虫害的棉田区域光谱特点与环境因素,分别从虫害光谱敏感波段的识别、影响因子的分析、动态监测虫害的发生区域三个角度进行深入研究,开展了棉花虫害的动态监测识别技术研究,主要的研究目标包括以下几个方面:(1)虫害光谱敏感波段识别利用先进的无人机多通道光谱数据遥感平台,以区域棉田的植被作为主要光谱数据研究和监测的对象,针对不同时间节点、不同环境因素的各种棉田虫害和植被光谱回归指数的数据进行综合分析比对,分析不同的虫害光谱回归指数,利用Logistic(逻辑)光谱回归分析方法根据筛选结果得出NDVI(归一化棉田植被指数)、EVI(增强棉田植被指数)和SAVI(综合土壤调节棉田植被指数)共3种估测棉花虫害病情严重度的遥感因子,构建基于植被指数与叶片光谱敏感波段的虫害诊断模型。由SAVI(综合土壤调节棉田植被指数)模型和NDVI(归一化棉田植被指数)模型共同建立的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率和测试样本准确率分别达到93.7%、90.5%,召回率、F1值为96.6%、93.5%;Logistic模型在棉田虫害区域监测的精准度达到较高水平,对棉蚜虫、棉红蜘蛛、棉铃虫发生区域识别精准度分别达到94.2%、85.1%、66.3%。从最优模型监测结果来看,本研究中基于Logistic模型的棉田虫害识别模型可实现棉田虫害的监测识别,为精准植保和农田管理提供决策。(2)影响因子分析1)利用无人机多光谱遥感监测虫害仍有限定因素,如:在不同时间、不同天气条件下获取的光谱数据存在差异,如何消除差异是目前多光谱遥感监测虫害领域的重难点问题。2)气候气象条件、棉田管理方法以及植保防护条件对于棉田虫害发生存在关联,成为虫害动态变化关键因素。影像数据采用BP对辐射校正误差的精度进行预测,对于波长数据在频率波动较大的区域,检验集相对误差控制在10.5%,通过BP法构建的模型,使反射率校正值与实测误差分布均匀,具有较好的模型拟合精度。相关系数分别达到0.945、0.906、0.913、0.875;结果表明,基于气象数据构建的回归模型可较好反映出虫害发生与气候气象因子间相关性,可为精准植保作业提供决策性数据。(3)虫害区域动态监测针对虫害多时相遥感技术的动态监控方法进行了研究。基于自动化无人机采集和获取的多期时相影像数据,使用本文分析得到的虫害识别模型来分析和提取各期虫害影像信息,在此基础上,利用自相关性时间序列检测(CCF)来识别虫害发生的动态面积,建立了虫害随时间而变化的指数曲线检测模型,实现了对虫害发生面积的动态监控。从相关性关系系数、标准误差数值以及3种虫害动态变化特征来看,棉蚜虫、棉红蜘蛛与棉铃虫3种虫害的发生与蔓延均具有相似性条件。本课题研究主要实现了一定地域范围内对棉田虫害快速识别和动态监控,研究成果可以为棉田虫害的精细化监测和动态趋势性预测分析提供方法和参考,为进行植保、提前做好预防工作提供了依据。
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2021
相关知识
无人机遥感监测作物病虫害胁迫方法与最新研究进展
基于无人机高光谱遥感的荒漠草原覆盖度提取方法研究
森林病虫害高光谱遥感监测的研究进展
植物营养与胁迫多平台遥感监测研究
棉花全生长周期机载高光谱正射影像数据集构建
无人机遥感技术在农业病虫害监测中的应用研究
无人机遥感技术在农业病虫害监测中的应用研究-莱森光学
Cotton pest monitoring based on Logistic algorithm and remote sensing image
基于无人机高光谱和空间数据改善葡萄园病虫害监测新方法
2013–2022年福建漳江口互花米草分布无人机遥感数据集
网址: 基于无人机多光谱遥感影像的棉花虫害监测研究 https://m.huajiangbk.com/newsview334204.html
| 上一篇: 植保虫情监测仪—实时监测农田中的 |
下一篇: 圣诞花的病虫害防治 |
