文献类型：期刊文章

作　　者：刘琦[1,2] 王翠翠[2] 王睿[3] 谷医林[2] 李薇[2] 马占鸿[2]

机构地区：[1]新疆农业大学农学院植物病理学系农林有害生物监测与安全防控重点实验室,乌鲁木齐830052 [2]中国农业大学植物保护学院植物病理学系农业部作物有害生物监测与绿色防控重点实验室,北京100193 [3]中国农业大学开封实验站,河南开封475004

出　　处：《植物保护学报》

基　　金：国家重点研发计划(2017YFD0200400;2016YFD0300702);新疆农业大学作物学博士后项目;新疆农业大学作物学重点学科项目

年　　份：2018

卷　　号：45

期　　号：1

起止页码：153-160

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2017_2018、JST、RCCSE、WOS、ZGKJHX、ZR、核心刊

摘　　要：小麦条锈病的发生流行严重影响小麦的生产安全,其早期的监测预警对病害发生的防控具有重要作用。本研究利用Hand Held 2地物光谱仪获取不同浓度小麦条锈菌胁迫下的潜育期小麦冠层高光谱数据,基于定性偏最小二乘(discriminant partial least squares,DPLS)、人工神经网络(artificial neural networks,ANN)和支持向量机(support vector machine,SVM)3种方法建立识别潜育期小麦条锈菌的模型,并分析接菌间隔日、建模比及光谱特征的差异对模型效果的影响。结果显示,在全波段(325~1 075 nm)建模,SVM识别效果优于ANN,而ANN优于DPLS,其中以一阶导数为光谱特征所建模型识别效果最优,在不同建模比下其识别准确率均可达到100.00%。

关 键 词：潜育期 小麦条锈菌 小麦条锈病 高光谱遥感 数学模型

分 类 号：S435.121.42]