欢迎来到优发表,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)

SCI投稿辅导 SCI发表咨询

Sentinel-2影像和BP神经网络结合的小麦条锈病监测方法

作者:黄林生; 江静; 黄文江; 叶回春; 赵晋陵; 马慧琴; 阮超 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心; 合肥230601; 三亚中科遥感研究所; 海南572029; 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

摘要:选用包含红边等多种不同波段信息的多光谱卫星数据,为区域尺度上展开作物病害监测研究提供更加丰富有效的信息,相比于常规的宽波段卫星遥感影像,搭载红边波段的Sentinel-2影像对作物病害胁迫更加敏感,能显著提高模型精度。该文以陕西省宁强县小麦条锈病为研究对象,基于Sentinel-2影像共提取了26个初选特征因子:3个可见光波段反射率(红、绿、蓝)、1个近红外波段反射率、3个红边波段反射率、14个对病害敏感的宽波段植被指数和5个红边植被指数。结合K-Means和ReliefF算法筛选病害敏感特征,最终筛选出3个宽波段植被指数,包括:增强型植被指数(enhanced vegetation index,EVI)、结构加强色素指数(structure intensive pigment index,SIPI)、简单比值植被指数(simpleratio index,SR),2个红边波段植被指数:归一化红边2植被指数(normalized red-edge2 index,NREDI2)、归一化红边3植被指数(normalized red-edge3 index,NREDI3)。利用BP神经网络方法(back propagation neural network,BPNN),分别以宽波段植被指数和宽波段植被指数结合红边波段指数作为输入变量构建小麦条锈病严重度监测模型,对比2种模型的监测精度。结果显示,基于宽波段植被指数结合红边波段植被指数的监测模型的总体精度达到83.3%,Kappa系数0.73,优于仅基于宽波段植被指数特征所建监测模型的精度73.3%,Kappa系数0.58。说明红边波段能够为病害监测提供有效信息,采用宽波段植被指数和红边波段植被指数相结合的方法能够有效提高作物病虫害监测模型精度。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

农业工程学报

北大期刊 下单

国际刊号:1002-6819

国内刊号:11-2047/S

杂志详情
相关热门期刊
  • 色谱
    北大期刊 下单

    国际刊号:1000-8713

    国内刊号:21-1185/O6

  • 城色
    北大期刊 下单

    国际刊号:1674-1013

    国内刊号:37-1457/Z

  • 绿色科技
    北大期刊 下单

    国际刊号:1674-9944

    国内刊号:42-1808/S

  • 绿色视野
    北大期刊 下单

    国际刊号:1673-0267

    国内刊号:34-1283/X

服务介绍LITERATURE

正规发表流程 加急见刊

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。