基于多源遥感信息的小麦条锈病监测模型研究

《基于多源遥感信息的小麦条锈病监测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、全日制硕士学位论文基于多源遥感信息的小麦条锈病监测模型研究申请人姓名：董锦绘指导教师：王宝山学位类别：理学硕士专业名称：地图学与地理信息系统研究方向：3S技术理论与应用河南理工大学测绘与国土信息工程学院二○一七年六月中图分类号：TP79密级：公开UDC：单位代码：10460基于多源遥感信息的小麦条锈病监测模型研究Arearchaboutwheatstriperustmonitoringmodelbasedonmultisourceinformation申请人姓名董锦绘申请学位理学硕士地图学与地理学科专业研究方向3S技术理论与应用信息系统导师王宝山职称

2、教授杨小冬副研究员提交日期2017年5月24日答辩日期2017年5月27日河南理工大学致谢时光易逝，光阴如梭，转瞬之间研究生的学习生涯已经即将结束。回首遥望，三年前初次踏进河南理工大学的情景历历在目。在这三年中，有欢笑，也有痛苦，有拼搏，也有迷茫，有收获，也有放弃。在此硕士论文即将完成之际，我衷心地向在这期间给予我帮助、支持和关心的老师、同学、朋友和亲人们致以我最深的敬意和最诚挚的感谢!首先，衷心的感谢我的母校河南理工大学对我的栽培之恩，在读研的这段期间，为我提供了良好的学习环境、完善的学习生活设备以及优秀的导师指导。我在河南理工大学学习生活，是那么

3、的温馨与充实。现如今，我即将完成本阶段的学业，将来不管身在何方，河南理工大学一直是我的第二故乡。同时也必须谢谢河南理工大学测绘与国土信息工程学院全体导师和同窗对我的帮助与包容。其次，深深的感谢我的导师王宝山教授和测绘学院李长春副教授。两位老师有着严谨的科研态度、渊博的学识、深厚的学术背景和平易近人的导师风范。两位老师的一丝不苟的工作态度、孜孜不倦的工作习惯令我十分敬佩，并深深地影响着我，也将一直是我今后工作和学习中不断奋进的学习榜样。再次向两位老师表达我由衷的尊敬、诚挚的感谢与美好的祝福。再次，真诚的感谢培养我两年的北京农业信息技术研究中心的责任导师

4、杨小冬副研究员。杨老师是我在农业遥感领域的启蒙老师，对我的学习生活给予了很大的帮助，并对我硕士论文的内容等进行了详细的指导，培养了我勤奋、自强和严谨的学习态度，树立我勇攀科学技术高峰的信念，您孜孜不倦的指导和勉励给予了我无尽的启迪，使我终生受益。在此，向老师致以我最诚挚的敬意和衷心的感谢。同时，也由衷的感激北京农业信息技术研究中心遥感技术部的杨贵军、宋晓宇、徐新刚、龙慧灵、杨浩、董燕生、顾晓鹤、李贺丽、刘建刚老师在我学业方面提供的指导和帮助；感谢冯海宽、李振海、李伟国、常红、于海洋、徐波、赵晓庆老师在程序编写和数据处理等方面给与我的帮助；感谢中心的师

5、姐邢会敏、付元元，师兄贺鹏、周成全，同窗张智宏、郭剑、陈召霞、杨敏、杨凡、田文俊、岳继博、王艳杰、屈莎、王立志、范友波、陆国政、张琪、袁换欢，师弟裴浩杰、甘平、王建雯、杨忠、牛庆林、杨文攀，师妹张丽妍、刘畅、张春兰在科研方面的帮助以及生活中的相互照顾。还要感谢我的同寝舍友田冉、徐芃、吴珍珍、马I慧慧，感谢你们对我生活中的照顾与陪伴；感谢我的师兄高林、王磊，师妹潘嫄嫄，师弟徐轩对我的关怀与帮助。在此，特别感谢我的父母和哥哥，是他们的关心、爱护和支持，让我得到了每时每刻的温暖，有了不断前进的动力并顺利地克服各种科研生活中的困难，衷心祝愿他们健康快乐！最后

6、，我要感谢即将参加论文答辩以及评阅的各位老师、教授与专家，在此致以由衷的谢意！II摘要小麦条锈病（PucciniastriiformisWest.f.sp.triticiEriksetHenn）是一种长期影响我国小麦安全生产的严重生物灾害，发病面积广、传播性强、发病几率大，容易在大区域内造成小麦大幅减产、品质降低。对小麦条锈病进行准确的预测和实时监测，及时采取防治措施，可有效减轻病害对小麦产量及品质的危害。遥感技术非接触式和高通量的特点，为快速、高效、经济、无损的及时监测小麦条锈病害感染程度提供了一种科学有效的途径。本研究在前人研究基础之上，对小麦条

7、锈病冠层光谱响应机制以及气象环境传播机制进行了分析，结合遥感技术、数理统计知识、机器学习算法，围绕遥感—气象双重机制组合实现小麦条锈病田间精确监测这条主线，建立了机器学习小麦条锈病病情监测模型，具体内容围绕以下三个方面展开：（1）小麦冠层光谱响应机制分析：通过田间人工接种条锈病菌试验，对不同生育期小麦冠层光谱、病情指数进行了测定，提取了小麦可见光波段光谱吸收特征参数，计算了光谱敏感度值，定量分析了小麦病害随生育期推进的变化程度，并且以不同生育期的光谱敏感度值和全生育期吸收特征参数为自变量建立回归模型，精确反演了小麦全生育期的病情指数。结果表明，以光谱

8、敏感度值为自变量的组合模型预测值拟合度为0.97，以光谱吸收特征参数为自变量的模型预测值拟合度为0.92，均