典型文献
基于特征波段选择和机器学习的小麦白粉病高光谱遥感监测
文献摘要：
白粉病严重危害小麦生长及制约产量形成,精确监测该病害对精确防控及保障国家粮食安全具有重要意义.在小麦孕穗、开花和灌浆期使用地物高光谱仪获取小麦冠层光谱数据,利用一阶导数(FD)、二阶导数(SD)、对数变换(LOG)、倒数变换(1/R)和连续去除法(CR)对原始光谱(OR)进行光谱变换,基于CARS算法和SPA算法相结合对五种变换的光谱数据和原始光谱进行特征波段提取,进而利用偏最小二乘回归(PLSR)、岭回归(RR)和高斯过程回归(GPR)建模方法确立小麦白粉病病情指数(mDI)监测模型.结果表明,一阶导数在Pearson相关性、两波段优化组合以及机器学习方法建模中,综合表现最好,是一种处理病害光谱数据的较好预处理方法.经过光谱数据变换后,再使用CARS-SPA算法可以更有效的提取特征波段,特征波段为411、450、476、543、561、594、624、671、726、780、835和950 nm.在不同机器学习建模方法对比中,高斯过程回归(GPR)模型表现最佳,其次为岭回归(RR)和偏最小二乘法回归(PLSR).其中,一阶导数结合GPR模型的估算精度最高,建模集和验证集的平均R2为0.805,RMSE和MAE分别为2.532和2.164,相较于OR-GPR模型,R2提升12％,RMSE和MAE分别降低19.6％和17.6％,表明GPR模型在小麦白粉病监测中具有良好的估算能力.可见,使用一阶导数预处理光谱数据,采用CARS-SPA结合算法提取特征波段,再利用高斯过程回归建模方法能够提升小麦白粉病遥感监测精度.研究结果为实现遥感监测作物病害提供了思路与方法.
文献关键词：
小麦白粉病;光谱变换;特征波段选择;机器学习;遥感监测
中图分类号：
作者姓名：
冯子恒;李晓;段剑钊;高飞;贺利;杨天聪;戎亚思;宋莉;尹飞;冯伟
作者机构：
河南农业大学信息与管理科学学院, 河南郑州 450046;河南农业大学农学院 / 省部共建小麦玉米作物学国家重点实验室, 河南郑州 450046;河南农业大学理学院, 河南郑州 450046;河南农业大学植物保护学院, 河南郑州 450046
文献出处：
引用格式：
[1]冯子恒;李晓;段剑钊;高飞;贺利;杨天聪;戎亚思;宋莉;尹飞;冯伟-.基于特征波段选择和机器学习的小麦白粉病高光谱遥感监测)[J].作物学报,2022(09):2300-2314
A类：
mDI
B类：
特征波段选择,小麦白粉病,高光谱遥感,遥感监测,严重危害,小麦生长,产量形成,国家粮食安全,孕穗,开花,灌浆期,地物高光谱,光谱仪,小麦冠层,冠层光谱,光谱数据,一阶导数,FD,二阶导数,对数变换,LOG,倒数,除法,CR,光谱变换,CARS,SPA,特征波段提取,偏最小二乘回归,PLSR,岭回归,RR,高斯过程回归,GPR,病情指数,监测模型,优化组合,机器学习方法,综合表现,预处理方法,提取特征,机器学习建模,方法对比,偏最小二乘法,估算精度,验证集,RMSE,MAE,估算能力,理光,合算,回归建模,监测精度,作物病害,思路与方法
AB值：
0.307584
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
