基于代价敏感学习的冬小麦病虫害与倒伏遥感检测方法研究
《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文
《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的进步和全球气候变化的影响，农作物产量的预测变得越来越重要。
作为重要的粮食作物之一，冬小麦的产量和品质预测对于农业生产、市场供应以及政策制定都具有重要意义。
近年来，随着遥感技术和气象预报技术的不断发展，基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中得到了广泛应用。
本文旨在探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中的应用。
二、方法1. 数据来源本研究使用的数据包括遥感数据、气象预报数据以及农田管理数据。
其中，遥感数据主要用于获取冬小麦的生长信息和空间分布情况；气象预报数据包括温度、降水、光照等关键气象因子；农田管理数据包括种植品种、施肥量、灌溉情况等。
2. DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于作物生长过程的农业决策支持系统，可对农作物的生长、发育和产量进行模拟和预测。
该模型包括多个子模型，可针对不同的农作物和地域条件进行定制化。
3. 模型构建与实现基于遥感数据和气象预报数据，本研究构建了DSSAT模型用于冬小麦产量和品质的预测。
首先，通过遥感数据获取冬小麦的空间分布和生长信息；其次，结合气象预报数据，将关键气象因子输入DSSAT模型中；最后，结合农田管理数据，对冬小麦的生长过程进行模拟和预测。
三、结果与分析1. 产量预测通过DSSAT模型对冬小麦的产量进行预测，结果表明该模型可以较为准确地预测冬小麦的产量。
通过对历史数据的拟合和分析，发现模型对不同地区、不同年份的冬小麦产量都有较好的预测效果。
此外，通过对比实际产量与预测产量，可以发现模型的预测精度较高，为农业生产提供了重要的参考依据。
2. 品质预测除了产量预测外，DSSAT模型还可以对冬小麦的品质进行预测。
一种基于深度学习的冬小麦遥感识别分析方法和系统[发明专利]
![一种基于深度学习的冬小麦遥感识别分析方法和系统[发明专利]](https://img.taocdn.com/s3/m/96d5e121a31614791711cc7931b765ce04087a4e.png)
(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202210117044.7(22)申请日 2022.02.07(71)申请人 中国科学院空天信息创新研究院地址 100190 北京市海淀区北四环西路19号(72)发明人 张兵 彭代亮 刘胜威 陈俊杰 潘玉豪 郑诗军 胡锦康 (74)专利代理机构 北京金信知识产权代理有限公司 11225专利代理师 贾然(51)Int.Cl.G06V 20/10(2022.01)G06V 10/44(2022.01)G06V 10/764(2022.01)G06V 10/82(2022.01)G06K 9/62(2022.01)G06N 3/04(2006.01)G06N 3/08(2006.01)G06T 7/62(2017.01)(54)发明名称一种基于深度学习的冬小麦遥感识别分析方法和系统(57)摘要本发明提出一种基于深度学习的冬小麦遥感识别分析方法和系统。
其中，方法包括：创建多边形区域的标签矢量文件，将标签矢量文件转化成栅格文件，生成方形矢量数据，利用方形矢量数据，批量裁剪多边形区域的五个生育期的中值合成影像和栅格文件，并调其大小，得到训练数据集、验证数据集和测试数据集；以每个生育期的训练数据集和验证数据集作为输入对语义分割模型进行训练，并对各个生育期的测试集进行分类。
生成各个生育期的冬小麦空间分布图，并进行冬小麦空间制图与面积提取。
本发明提出的方案，基于语义分割分类方法，总体精度高，分类效果好，其中拔节抽穗期冬小麦遥感识别精度最高。
深度学习方法拔节抽穗期研究区的冬小麦面积提取精度高。
权利要求书2页 说明书11页 附图4页CN 114463637 A 2022.05.10C N 114463637A1.一种基于深度学习的冬小麦遥感识别分析方法，其特征在于，所述方法包括：步骤S1、训练、验证和测试数据集的制作：从研究区选择部分所需要的多边形区域，创建所述多边形区域的标签矢量文件，将所述标签矢量文件转化成栅格文件，并重分类，生成方形矢量数据，利用所述方形矢量数据，批量裁剪所述多边形区域的五个生育期的sentienl‑2中值合成影像和所述栅格文件，并调裁剪得到的sentienl‑2中值合成影像和栅格文件的大小，得到所述训练数据集、验证数据集和测试数据集；所述得到的五个生育期的sentienl‑2中值合成影像共用一个标签；步骤S2、将所述研究区整个区域的五个生育期的sentienl‑2中值合成影像进行切割并处理，得到空间分布数据集；步骤S3、U‑Net语义分割模型构建与参数设置；步骤S4、U‑Net语义分割模型的训练：以每个生育期的训练数据集和验证数据集作为输入对所述U‑Net语义分割模型进行训练，得到各个生育期的最优权值下的U‑Net语义分割模型；步骤S5、调用各个生育期的最优权值下的U‑Net语义分割模型，对各个生育期的测试集进行分类，得到分类后的结果影像；步骤S6、调用各个生育期的最优权值下的U‑Net语义分割模型，对各个生育期的空间分布数据集进行分类，再将分类结果进行拼接，生成各个生育期的冬小麦空间分布图；步骤S7、U‑Net语义分割模型冬小麦分类精度评定；步骤S8、冬小麦空间制图与面积提取：选取分类精度最高的生育期的冬小麦空间分布图，统计冬小麦面积，得到提取面积，并应用所述提取面积与地面真实值，对所述提取面积进行精度评价。
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报一、引言冬小麦是世界上重要的粮食作物之一，对人类的生存和发展具有重要意义。
因此，准确预测冬小麦的产量和品质对于农业生产和国民经济发展至关重要。
然而，冬小麦产量和品质受到多种因素的影响，如土壤养分、气象条件等。
基于遥感数据和气象预报数据的DSSAT模型可以提供有效的冬小麦产量和品质的预测方法。
本文将重点探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测上的应用。
二、DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于农业科学原理和农业系统模拟的决策支持系统，广泛应用于全球各地的农业管理和决策中。
该模型可以模拟农田生态系统中的各种生理和生态过程，如作物生长、土壤水分和养分环境等。
通过输入土壤属性、作物品种、管理措施、气象数据等参数，DSSAT模型能够模拟和预测作物的生长和产量。
三、遥感数据在DSSAT模型中的应用遥感数据是通过卫星或飞机获取的地球表面的信息，包括地表温度、植被指数、土壤湿度等。
这些数据能够提供大面积的地表信息，对于农业生产的决策和管理具有重要意义。
在DSSAT 模型中，通过将遥感数据作为模型的输入，可以更精确地模拟和预测冬小麦的生长和产量。
例如，遥感数据可以提供冬小麦的叶绿素含量和植被覆盖度，从而反映作物的光合作用和生长状态。
同时，遥感数据还可以用于监测土壤湿度和作物水分胁迫等关键参数，为提高冬小麦产量和品质提供可靠的依据。
四、气象预报数据在DSSAT模型中的应用气象预报数据是指天气预报部门根据大气环流和气象要素变化趋势所进行的预测数据。
这些数据可以提供未来一段时间内的气温、降水量和光照等信息。
在DSSAT模型中，气象预报数据可以用于预测冬小麦的生长季节和气候条件。
基于遥感数据的冬小麦农情监测研究进展
基于遥感数据的冬小麦农情监测研究进展刘淑云;谷卫刚;朱建华【摘要】对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效.提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望.【期刊名称】《农业网络信息》【年(卷),期】2010(000)002【总页数】6页(P5-9,18)【关键词】遥感;小麦监测;冠层生化指标【作者】刘淑云;谷卫刚;朱建华【作者单位】山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100;山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100;山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100【正文语种】中文【中图分类】S127遥感具有覆盖范围大、探测周期短、现势性强、费用成本低等特点，能够为快速、准确、动态地获取生态资源信息提供重要的技术手段和充足的数据源，目前已经成为农作物面积估测、农作物大面积估产，以及农作物长势和品质监测等领域的重要技术手段。
卫星遥感监测的关键是要根据卫星经过时获得的地面植物群图像，从叶片的颜色等方面找到与作物成分、品质参数的对应关系和对应数据，然后综合起来对植物长势、产量和品质进行判断监测。
小麦对光谱的反射特性表现为：在可见光红光波段有强的吸收峰，近红外部分有强的反射峰，遥感数据的敏感波段及组合可以反映小麦生长的空间信息。
基于这一原理，可以利用遥感数据对小麦的实时苗情、生长态势、环境动态和分布状况进行宏观的估测。
1 冬小麦长势遥感监测农作物长势监测是农业遥感的重要研究领域，不仅为农业生产的宏观管理提供客观依据，也是农作物产量估测的必要前提，遥感技术通过反演作物生长过程的特征性因子来综合反映作物长势及其变化动态。
农作物病虫害遥感监测综述
农作物病虫害遥感监测综述随着科技的不断进步和发展，遥感技术已经成为农作物病虫害监测的重要手段。
本文将对农作物病虫害遥感监测进行综述，包括背景和意义、研究现状、方法和成果，以及未来研究方向和建议。
农作物病虫害遥感监测是指利用遥感技术对农作物病虫害进行大范围、实时、动态的监测和评估。
遥感技术的优势在于其具有大范围、快速、无损等特性，可以为农作物病虫害监测提供更为便捷和准确的数据支持。
农作物病虫害遥感监测的目的在于及时发现病虫害，防止其扩散和传播，降低农业生产损失。
随着遥感技术的不断发展，农作物病虫害遥感监测的方法也在不断改进和完善。
目前，农作物病虫害遥感监测主要采用以下几种方法：可见光和红外遥感技术是农作物病虫害遥感监测中最常用的方法之一。
通过获取农作物反射和发射的电磁波信号，可以获取农作物的光谱特征，进而识别出病虫害的类型和程度。
高光谱遥感技术是一种能够获取连续光谱信息的技术。
通过对农作物的高光谱数据进行处理和分析，可以得出农作物的生化成分、生长状况等信息，有助于准确判断农作物病虫害的状况。
雷达遥感技术是一种利用微波遥感农作物的技术。
该技术可以穿透云层和植被冠层，获取农作物的三维结构信息，进而计算出农作物的生物量、叶面积指数等信息，为农作物病虫害监测提供依据。
近年来，人工智能技术在农作物病虫害遥感监测中得到了广泛应用。
利用机器学习和深度学习等技术，对遥感图像进行自动分析和识别，能够快速、准确地检测出农作物病虫害的类型和范围。
农作物病虫害遥感监测应用前景及未来研究方向农作物病虫害遥感监测具有广阔的应用前景。
该技术可以为农业生产提供及时、准确的病虫害信息，指导农民进行科学防治，提高农业生产效率。
农作物病虫害遥感监测可以为农业部门提供决策支持，帮助制定合理的农业政策和措施。
该技术还可以为科研人员提供研究数据，有助于深入探讨农作物病虫害的发生规律和传播途径。
未来，农作物病虫害遥感监测研究方向主要包括以下几个方面：尽管目前农作物病虫害遥感监测技术已经取得了一定的成果，但在准确性和可靠性方面仍存在不足。
基于深度学习的多源遥感信息冬小麦提取研究
使用四旋翼精灵４无人机对试验区进行航摄。航摄面 积为 70km2。试验安排在冬小麦返青期（2023 年 2 月）、抽 穗 期（2023 年 4 月 ） 和 成 熟 期（2023 年 6 月 ）。 设 计 飞 行高度为 150m，旁向重叠度为 70%，航向重叠度为 80%。 无人机航线设计运用无人机管家软件，影像地面分辨率为 0.05m。将获取的航摄影像检查无误后导入大疆智图中进行 处理，选择软件中的农田场景进行 DOM 生产，最后通过 Arc GIS10.2、ENVI5.3 等软件中进行影像拼接、匀色和图像裁 剪等工作。
少量为冬油菜，并且占的面积较小，整体上提取效果较
好，长势稀疏的个别地块提取效果不明显，会出现漏提的
现象。抽穗期冬小麦模型的平均像素精度为 80.31，斑块
漏检率为 0.039，面积精度为 0.81，此时叶绿素达到最高
值，颜色纹理更饱满。但是早玉米、土豆作物随之成长起
来，另外地块旁边有成片的树木，阴影等因素会对冬小麦
1.tif
2.tif
3.tif
4.tif
5.tif
6.tif
图 2 样本标签
最终得到相应的分类结果。不仅可在较大程度上减少网 络参数，还能大幅增强网络模型的非线性能力，使模型 的学习能力更强。
ª p
«
yi
«
«
p
yi
«
«¬« p yi来自1 xi ;T1Tº »
2 xi ;T2T
» »
»
»
8 xi ;T8T ¼»
1.2 数据获取与预处理
为 2023 年 3 月底和 5 月底，包括 RGB 3 个波段，空间分辨 率为 1m。覆盖了冬小麦 3 个典型生长季。利用 ENVI 软件对 卫星影像进行处理，处理包括正射校正、影像融合和影像镶 嵌等。最终得到返青期的 ZY1、抽穗期的 GF2+GF7 以及成 熟期的 GF2 影像数据。
卫星遥感技术在冬小麦种植情况监测上的应用——以2020年全国冬小麦为例
卫星遥感技术在冬小麦种植情况监测上的应用——以2020年全国冬小麦为例随着我国农业现代化进程不断推进，卫星遥感技术在农业生产中的应用也越来越广泛。
冬小麦是中国农业的重要作物之一，而卫星遥感技术在冬小麦种植情况监测上的应用具有广阔的前景。
本文以2020年全国冬小麦为例，探讨卫星遥感技术在冬小麦种植情况监测上的应用。
一、卫星遥感技术在冬小麦种植情况监测上的重要性冬小麦是中国农业的重要作物，具有耐旱、抗寒、适应性强等特点，在我国种植面积和产量都处于领先地位。
然而，冬小麦生产受自然条件和人为因素的影响较大，如气候变化、土地利用转移、种植结构调整等，这些都使得冬小麦种植情况的监测变得非常重要。
卫星遥感技术可以获取大范围、高时空分辨率的数据，可以快速获取相关信息，实现快速反馈、快速响应，在冬小麦种植情况监测上应用广泛。
卫星遥感技术在冬小麦种植情况监测上的重要性包括以下几个方面：1.提高监测精度卫星遥感技术可以通过高精度的遥感数据对冬小麦种植情况进行监测。
与传统的调查方法相比，可以更加全面地获取数据，减少误差，提高监测精度。
2.实时监测卫星遥感技术可以实时获取信息，对冬小麦种植情况进行动态监测。
可以及时掌握冬小麦的生长情况，进行及时调整。
3.提高效率卫星遥感技术可以自动化地进行监测，提高效率，同时减少人力成本。
可以快速获取大范围的数据，更加全面地分析冬小麦种植情况。
二、卫星遥感技术在冬小麦种植情况监测上的应用案例1.植被指数植被指数是反映植被生长情况的一种指标，常用的植被指数有NDVI 和EVI等。
卫星遥感技术可以通过获取NDVI和EVI等指标来监测冬小麦的生长情况。
以2020年全国为例，通过卫星遥感技术获取的NDVI图像可以直观地显示出全国冬小麦生长的情况。
通过对NDVI图像的分析，可以发现不同地区冬小麦的生长情况存在差异。
其中，山东、江苏等地小麦的生长情况较好，而西北部分地区冬小麦的生长情况相对较差。
通过NDVI图像的分析，可以及时发现地区之间的差异，进行调整。
冬小麦冻害遥感监测应用研究
（ ． ｅａ ｍ ｎ ｏ Ｅ ｖ ｏｍ ｎａ Ｓ ｉ ｃ ｎ ｎｉｅｒ ｇ Ｎ ＩＴ。 ｎｉｇ ２ ０４ Ｃ ｉａ １ Ｄ ｐｒ ｅ ｔ ｆ ｎｉ ｎ ｅ ｔ ｃｅ ｅａｄＥ ｇｎｅ ｎ ， ＵＳ Ｎａｊ １０ ４， ｈｎ ； ｔ ｒ ｌ ｎ ｉ ｎ
２ Ｈ ｎｎＩｓ ｔｅｏ Ｍｅ ｏｏ ｇ ａ ｃｅ ｃｓＺ ｅｇｈｕ ４ ００ ， ｈｎ ） ． ｅ ａ ｎｔｕ ｆ ｔ ｒｌｉ ｌ Ｓｉｎｅ 。ｈｎｚｏ ５０ ３ Ｃ ｉａ ｉｔ ｅ ｏ ｃ
Ｆｅ ２ ０６ ｂ． ｏ
文 章 编 号 ：０ ０ ２ ２ （ ０ ６ ０ － ９ －７ １ ０ ・ ２ ２ ０ ） １ ０ ４０ ０ ０
冬 小 麦 冻 害 遥 感 监 测 应 用 研 究
张 雪 芬 ， 陈 怀 亮 ， 郑 有 飞 ， 邹 春 辉 陈 东 付 祥 建 ， 一 ， ，
ｉｄ ｅ ｎ ｏ ｄｔ ｎ ｒ ｈａｇ ｒｗ ｈｓ ｇｓ ｔｅｒ ｉ ａ ｄｓ ｂ ｔ ｎｏ ｖｒ ｕ ｅｒｅ ｒｅｉｇｉｊｒ ｓ ｎ ｉ ｓ ｄｃｎ ｉｏｓ ｅｔ ｇｏ ｔ ｔ ｅ ， ｇｏ ｌ ｉ ｒ ｕｉ ｆ ａ ｏ ｓ ｇｅ ｅｚ ｕ ｅ ｃ ａ ｉ ｆ ｗ ｏ ａ ｈ ｅ ｎ ｔ ｉ ｏ ｉ ｄ ｆ ｎ ｎ ｉ
基于深度学习的河南冬小麦春季冻害识别及年代际变化特征模拟
基于深度学习的河南冬小麦春季冻害识别及年代际变化特征模拟摘要：本研究旨在利用深度学习技术对河南冬小麦春季冻害进行准确识别，并分析其年代际变化特征。
通过收集大量的气象数据、冬小麦生长数据以及冻害发生情况数据，构建深度学习模型，实现对冻害的高效识别。
同时，对多年间的冻害数据进行分析，探讨其年代际变化规律，为河南冬小麦的生产管理和冻害防御提供科学依据。
关键词：深度学习；河南冬小麦；春季冻害；年代际变化一、引言（一）研究背景河南是我国冬小麦的主要产区之一，春季冻害对冬小麦的生长和产量具有重要影响。
随着气候变化和农业生产的发展，准确识别和理解冬小麦春季冻害的发生规律变得尤为重要。
（二）研究目的与意义目的是建立基于深度学习的冬小麦春季冻害识别方法，揭示其年代际变化特征，为冻害预警和农业生产决策提供支持。
意义在于提高冻害识别的准确性和效率，减少冻害对冬小麦生产的损失，保障粮食安全。
（三）国内外研究现状回顾国内外关于冬小麦冻害识别和气候变化对冻害影响的研究，重点关注深度学习在农业领域的应用以及河南地区冬小麦冻害的相关研究成果，指出当前研究的不足和本研究的创新点。
二、河南冬小麦春季冻害的类型与特征（一）春季冻害的类型1.早春冻害：发生在小麦返青至拔节阶段，介绍其形成原因和危害特点。
2.春末晚霜冻害：发生在小麦拔节至孕穗期，分析其对小麦生长发育的影响。
3.低温冷害：在小麦孕穗期遭受 0℃以上低温的危害，阐述其与冻害的区别和联系。
（二）春季冻害的症状表现1.叶片症状：如叶片皱缩、干枯、变色等。
2.茎秆症状：茎秆受冻后的形态变化和损伤程度。
3.幼穗症状：幼穗受冻后的发育异常、结实率降低等表现。
（三）影响春季冻害发生的因素1.气象因素：包括低温强度、持续时间、降温幅度等。
2.地形地貌：如山区、平原、谷地等地形对冻害的影响。
3.土壤条件：土壤质地、肥力、墒情等与冻害的关系。
4.小麦品种和生长状况：不同品种的抗寒性差异以及生长发育阶段对冻害的敏感性。
基于多平台遥感数据的冬小麦长势监测和产量预测
大面积冬小麦产量的快速预测
利用遥感数据，可以快速、准确地预测大面积冬小麦的产量，为农业管理部门提供决策支持。
精细化农业的推动
遥感数据的应用可以推动农业的精细化发展，提高冬小麦的产量和品质。
遥感数据在产量预测中的应用前景
遥感数据的获取和处理需要专业的技术和设备，同时还需要大量的计算资源。
数据获取与处理难度大
工作计划1
结合农业生产实际需求，开发更加智能、高效的冬小麦长势监测和产量预测系统，为农业生产管理提供更加全面、精准的支持。
工作计划2
加强与农业科研机构和农业部门的合作，共同推进研究成果的转化和应用，促进农业生产的现代化和可持续发展。
工作计划3
下一步工作计划和目标
THANKS
感谢观看
冬小麦长势与产量的直接关系
冬小麦的长势对其最终的产量有着直接的影响。通过遥感数据，我们可以实时监测冬小麦的长势，从而更好地预测其产量。
遥感数据的准确性和可靠性
遥感数据具有高空间、高光谱分辨率的特点，可以更准确地反映冬小麦的长势情况。同时，多平台遥感数据还可以提高数据的可靠性和稳定性。
长势与产量关系分析
研究内容和结构
02
基于多平台遥感数据监测冬小麦长势
遥感数据获取与处理
数据来源
利用多种遥感卫星如Landsat、Sentinel-2等，获取高分辨率、多波段、时间序列的冬小麦影像数据。
03
机器学习与模式识别
采用机器学习算法如支持向量机（SVM）、随机森林（RF）等，对冬小麦长势进行分类和识别。
冬小麦长势监测方法
研究基于多平台遥感数据的冬小麦长势监测和产量预测方法，对于提高冬小麦生产效率和保障国家粮食安全具有重要意义。
建立基于多平台遥感数据的冬小麦长势监测和产量预测模型，提高预测精度和效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于代价敏感学习的冬小麦病虫害与倒伏遥感检测方法研究农业灾害是影响作物产量的重要因素。
病虫害是作物生长过程中常见的一种农业灾害,作物病虫害的及时发现与有效防治是减少农业经济损失和提高粮食产量和质量的有效举措。
作物在生长过程中也经常遇到倒伏灾害,倒伏不仅降低作物产量,同时增加了后期收割难度。
准确的受灾面积与受灾程度估算能为农业保险的理赔等环节提供关键信息,并可为进一步的田间管理提供数据支持。
遥感技术可以在不破坏作物生长的基础上大范围快速有效的获取作物的生长状况信息,为作物的病虫害与倒伏监测提供信息。
目前作物病虫害与倒伏遥感监测研究多采用试验田人工诱导病菌与人工模拟倒伏,但是实际农业生产过程中,灾害的类型复杂多样,开放田块病虫害与倒伏灾害的光谱特征还与作物生长环境等诸多因素相关。
通过植被指数获取植株农学参数进行灾害的等级评估模型一般针对特定的农业灾害与地区,难以大范围展开。
代价敏感学习模型可以快速高效的检测作物灾害,可为早期的有效防治与及时采取相关措施提供信息。
代价敏感学习模型可以根据应用场景对不同类型设定不同的错分代价,从而提高重点关注目标类比的分类精度,使更多的目标类别被检测出来。
本研究主要以河南冬小麦为研究对象,分别研究利用遥感检测作物病虫害与倒伏的方法,具体包括:1)新乡市研究区内,以Sentinel-2A为主要数据源,进行病虫害遥感检测的特征挖掘与优选,探究代价敏感学习模型在提高作物病虫害识别精度的潜力;2)在长葛市研究区内,以国产GF-2数据为主要数据源,进行作物冬小麦倒伏检测的方法研究。
采用XGBoost模型对植被指数、纹理指数的分类能力进行定量评估获取最佳的特征组合,在此基础上进行代价敏感模型与对照试验的倒伏检测实验。
主要的研究结果与创新点如下:(1)基于代价敏感学习(cost-sensitive learning)分类方法,结合病虫害遥感检测最佳特征组合可实现作物病虫害的有效检测。
1)代价敏感学习方法在利用遥感进行作物病虫害检测方面具有明显的优势,能够大幅提高小麦病虫害的查全率,对早期有效防治具有重要意义。
其中
CS-SVM(cost-sensitive support vector machines)比SVM对冬小麦病虫害类型的制图精度提高了5%,在验证集的整体错分代价下降了22,CS-Na?ve Bayes比Na?ve Bayes病虫害小麦的制图精度提高了5%,达到最高值99%,整体错分代价也达到最小值26.6;2)感染病虫害作物的冠层光谱在红边范围变化明显,尤其
705nm、740nm与783nm三个波段上病虫害小麦与健康小麦光谱特征表现明显的差异,非常有利于作物病虫害与健康状况的区分。
3)利用Relief特征优选方法可以用来获取与具体的分类模型无关的最佳病虫害识别特征组合;4)虽然代价敏感学习方法面临着将部分健康小麦错分为病虫害的风险,但是通过牺牲部分健康小麦的精度来提高病虫害的制图精度是具有现实的经济意义。
(2)利用GF-2数据纹理特征与光谱特征结合代价敏感学习分类模型可以实现小麦倒伏的遥感高精度检测。
1)采用代价敏感学习模型可以提高小麦倒伏遥感检测的查全率,其中
CS-SVM比SVM制图精度提高了5.79%,在验证集的整体损失代价下降了231.75。
CS-Na?ve Bayes比Na?ve Bayes提高了4.19%,在验证集的错分代价下降了138.45。
检测结果为所有方法中最好。
2)GF-2数据的高空间分辨率特性非常有利于
作物倒伏的精细检测,倒伏后的小麦在可见光与近红外波段冠层光谱反射率表现明显的差异。
具体的,乳熟期的小麦倒伏后光谱在GF-2多波段的反射率都有所增加,其中近红外的增幅最大,其次是绿波段;3)增加高分辨率的纹理特征可以提高倒伏的检测效果,不同窗口尺寸大小的纹理特征分类能力不同,近红外、红波段的均值特征对倒伏检测的区分能力最大。
计算纹理特征测度时窗口尺寸太大容易造成边界错分,如果太小则分类结果零碎,本研究冬小麦倒伏检测的最佳窗口为5X5。
4)XGBoost模型除了用作遥感监督分类外也可对特征的分类能力进行定量评估,本研究使用XGBoost获取倒伏检测的最佳特征组合;5)多种特征组合可以充分发挥不同的优势进而提高模型的区分能力。
光谱特征、植被指数特征与纹理特征组合对倒伏的检测效果最好。