基于地面高光谱数据的油茶炭疽病病情指数反演

伍 南， 刘君昂＊， 闫瑞坤， 臧 卓

（1.中南林业科技大学，林业生物技术湖南省重点实验室，长沙 410004；2.中南林业科技大学，林业遥感信息工程研究中心，长沙 410004）

基于地面高光谱数据的油茶炭疽病病情指数反演

伍 南1， 刘君昂1＊， 闫瑞坤1， 臧 卓2

（1.中南林业科技大学，林业生物技术湖南省重点实验室，长沙 410004；2.中南林业科技大学，林业遥感信息工程研究中心，长沙 410004）

使用FieldSpec HandHeldTM地物光谱仪采集不同发病程度的油茶冠层光谱数据，并实地调查油茶炭疽病病情指数，将光谱数据进行一阶微分与滑动平均滤波相结合的预处理，提取与病情指数相关性较高的敏感波段，并采用主成分分析法（principal component analysis，PCA）对敏感波段的光谱数据进行降维，分别以敏感波段和PCA降维处理后的敏感波段作为输入变量建立了病情指数的BP神经网络反演模型。两种建模方法建立的BP神经网络模型计算出的预测值与观测值之间的决定系数（R2）均达99%以上。精度检验证明，以PCA降维所得到的前10个主成分作为输入变量建立的10－7－1三层BP神经网络模型预测精度更高，模型计算出的预测值与观测值之间的决定系数（R2）和均方根误差（RMSE）分别为0.998 6和0.814 8。该研究表明，利用地面高光谱数据结合主成分分析和BP神经网络算法反演油茶炭疽病病情指数是一种有效的方法。

高光谱； 油茶炭疽病； 主成分分析； BP神经网络； 病情指数； 反演

油茶炭疽病（Colletotrichumgloeosporioides）是中国油茶产区普遍发生的一种重要病害，易引起落果、落蕾、枝梢枯死，甚至整株衰亡，严重影响油茶产量，造成重大经济损失［1］。……