文献类型：期刊文章

作　　者：孔繁昌[1] 刘焕军[1,2] 于滋洋[1] 孟祥添[1] 韩雨[1,2] 张新乐[1] 宋少忠[3] 罗冲[2]

Kong Fanchang;Liu Huanjun;Yu Ziyang;Meng Xiangtian;Han Yu;Zhang Xinle;Song Shaozhong;Luo Chong(School of Public Administration and Law,Northeast Agricultural University,Harbin 150030,China;Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences,Changchun 130012,China;School of Information Engineering,Jilin Engineering Normal University,Changchun 130052,China)

机构地区：[1]东北农业大学公共管理与法学院,哈尔滨150030 [2]中国科学院东北地理与农业生态研究所,长春130012 [3]吉林工程技术师范学院信息工程学院,长春130052

出　　处：《农业工程学报》

基　　金：国家重点研发计划项目(2016YFD0300604-4);吉林省发改委创新能力建设项目(2019C053)。

年　　份：2020

卷　　号：36

期　　号：22

起止页码：68-75

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：水稻穗颈瘟作为稻瘟病的一种发病形式常以褐色斑点性状出现在水稻穗颈节部位,对稻穗颈瘟病害快速、无损的识别与分级评估一直是备受关注的研究课题。该研究以高寒地区粳稻大田试验为基础,利用无人机高光谱平台获取不同病害等级的水稻穗颈瘟冠层数据;分别以不同处理的光谱数据作为输入量,使用随机森林(Random Forest,RF)的方法进行建模,并结合水稻生理对各输入量的特征关联加以解释。结果表明:随着穗颈瘟病害等级的提升,水稻冠层反射率整体呈现下降的趋势;植被指数组合(Combination of Vegetation Indices,CVIs)作为输入量建立起来的预测模型具有最高的精度,预测集精度达到90%,Kappa系数为0.86,能够解释穗颈瘟所引起的植株整体生理参数综合变化过程。该研究结果可为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。

关 键 词：无人机 高光谱  遥感 水稻  稻穗颈瘟  植被指数组合  随机森林算法  

分 类 号：S127] S435.111