基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测.pdf

《基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第5期1622017年3月农业工程学报TransactionsofmeChineseSocietyofAgriculturalEngineeringVbl．33NO．5Mar．2017基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测马慧琴1一，黄文江蜮，景元书1，董莹莹2，张竞成3，聂臣巍2，唐翠翠2，一，赵晋陵4，黄林生4(1．南京信息工程大学应用气象学院，气象灾害预报预警与评估协同创新中心，南京210044；2．中国科学院遥感与数字地球研究所，数字地球重点实验室，北京100094：3．杭州电子科技大学生命信息与仪器工程学院，杭州310018

2、：4．安徽大学电子信息工程学院，合肥230039)摘要：除选择合适的建模方法外，选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原两部小麦白粉病为对象，基于Landsat8遥感影像共提取了18个特征变量，通过相关性分析(con弓lation锄alysis，cA)和最小冗余最大相关(minimumredudallcymaximumrelev锄ce，n1]晰R)2种特征选择算法筛选出了2组不同的特征变量，分别将其输入Fisher线性判别分析(FisherlineardiscriIIlinantanalysis，FLDA)

3、、支持向量机(supponvectormachine，svM)和AdaBoost3种方法，构建小麦白粉病发生严重程度监测模型，并对其进行精度验证与对比分析。结果表明，2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SvM模型高出27．9％、27．9％和14．0％、9．3％，删}蝴R算法筛选特征所建Fu)A、SvM及AdaBoost监测模型的总体监测精度分别比cA筛选特征所建模型高出7．0％、11．7％和7．0％，且IIl】卟佩算法筛选特征结合AdaB00st方法所建监测模型的精度和Kappa系数分别为88．4％和0．807，为所

4、有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好，在作物病害监测模型的特征变量选择中mImR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。关键词：病害；遥感；监测；小麦；mRMR算法；AdaBoost方法doi：lO．11975a．issn．1002—6819．2017．05．024中图分类号：s4；TP79文献标志码：A文章编号：1002—6819(2017)一05—0162—08马慧琴，黄文江，景元书，董莹莹，张竞成，聂臣巍，唐翠翠，赵晋陵，黄林生．基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测[J

5、]．农业工程学报，2017，33(5)：162—169．doi：10．11975／i．issn．1002—6819．2017．05．024hnp：／／www．tcsae．o唱MaHuiqiIl，Huangw咖iaIlg，JingYuanshu，DongYingying，zhallgmgcheng，Niechenwei，Tangcuicui，zhao血ling，HuaIlgLinsheng．RemotesensingmonitoriI培ofwheatpowde呵mildewbasedonAda【Boostmodelcombiningm砌嗵Ra培orimm【J]．1

6、’ransactionsofmeChineseSocietyofAgricultumlEngineering(TransactionsoftheCSAE)，2017，33(5)：162一169．(inChinesewithEnglishabs蹴t)doi：10．11975／j．issn．1002—6819-2017．05．024htcp：／／www．tcsae。o玛0引言小麦白粉病己成为中国发生面积和危害十分严重的小麦病害之一，在重发年份减产可高达30％【l】。因此利用现代信息技术来提高对该病的监测水平，对于指导病害防治，确保中国粮食生产稳定具有重要的意义。近年

7、来，遥感技术的发展可有效解决病虫害传统监测方式的多种弊端，为未来大面积病虫害监测预测提供了重要手段[2】。目前，一些学者利用该技术开展了作物病虫害的监测预测研究。蒋金豹等[3】将冠层光谱一阶微分数据与相应的小麦条锈病病情指数进行相关分析，并采用单变量线收稿日期：2016．06—21修订日期：2017—02一11基金项目：中国科学院国际合作局对外合作重点项目(13121lKYsB20150034)：国家重点研发计划项目(2016YFD030702)；国家自然科学基金国际合作项目(61661136004)；国家自然科学基金项目(41271412、41601467)：

8、江苏省普通高校自然科学研