基于因子分析-BP神经网络的小麦叶片白粉病反演模型

• Published in: 农业工程学报 Vol. 31; no. 22; pp. 183 - 190
• Main Author: 沈文颖 李映雪 冯伟 张海艳 张元帅 谢迎新 郭天财
• Format: Journal Article
• Language: Chinese
• Published: 河南农业大学河南粮食作物协同创新中心,郑州450002 2015; 南京信息工程大学应用气象学院,南京210044%南京信息工程大学应用气象学院,南京,210044%河南农业大学河南粮食作物协同创新中心,郑州,450002
• Subjects: 神经网络;光谱分析;病害;冬小麦;白粉病;高光谱;因子分析; 病害; powdery mildew; 因子分析; neural networks; hyperspectra; diseases; 神经网络; winter wheat; 高光谱; factor analysis; spectrum analysis; 白粉病; 光谱分析; 冬小麦
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2015.22.025

明确白粉病胁迫下小麦叶片受害程度并构建误差小、精度高的反演模型,是实现小麦白粉病遥感监测和精确防控的基础。基于大田小区小麦白粉病人工接种试验,采用高光谱仪测试不同白粉病危害程度下冬小麦叶片光谱反射率,利用常规光谱特征参数、比值指数和归一化指数及因子分析(factor analysis,FA)与BP神经网络(back propagation neural network,BPNN)相结合的方法对小麦叶片白粉病严重度进行模型模拟并对模型拟合精度与适用性比较。结果表明:对小麦白粉病反应敏感的光谱波段为415、485~495、620~640 nm。常规光谱参数中表现较好的光谱植被指数和两波段比值及归一化植被指数的决定系数范围为0.6~0.8,均方根误差范围为8.5~11.5,其中,RI(670,855)、NDVI(680,880)、RGRcn和PSRI对白粉病反演精度及误差控制表现得相对较好。经过FA提取敏感波段的公共因子,进而利用BPNN算法进行模拟,较常规光谱参数有效提高了病情严重度的估算精度,各个测定时期模拟检验决定系数大于0.80,模型的检验均方根误差小于8.09,整个灌浆期反演模型检验的均方根误差和相对误差分别为7.84和7.56%,反演模型对小麦白粉病的整个病症期均具有很好的适用性。由此可得,基于FA-BPNN法所建立的反演模型精度高、误差小,对小麦白粉病病害时期兼容性好,研究结果对植物病害精确防控具有重要意义。