小波分析与支持向量机结合的冬小麦白粉病遥感监测

黄林生，刘文静,2，黄文江,2※，赵晋陵，宋富冉,2

（1. 安徽大学安徽省农业生态大数据工程实验室，合肥 230601；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）

·农业信息与电气技术·

小波分析与支持向量机结合的冬小麦白粉病遥感监测

黄林生1，刘文静1,2，黄文江1,2※，赵晋陵1，宋富冉1,2

（1. 安徽大学安徽省农业生态大数据工程实验室，合肥 230601；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）

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况，该研究基于环境与灾害监测预报小卫星（HJ-1A/1B）数据对地表温度（land surface temperature，LST）进行反演、提取4个波段反射率数据并构建 7个植被指数。耦合K-mean和 Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机（support vector machine，SVM）与小波特征（Gabor）结合SVM（GaborSVM）的方法分别建立河北省晋州市小麦白粉病发生监测模型，并对2种模型的监测精度进行对比。结果表明：归一化植被指数（normalized difference vegetation index，NDVI）、比值植被指数（simple ratio index，SR）和地表温度3种特征参量可较好地表征小麦白粉病的发生情况，GaborSVM的总体精度达到86.7%，优于SVM的80%。因此，小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测，对提高病害监测精度具有重要应用价值。

遥感；支持向量机；病害；白粉病；小波特征

0 引 言

小麦白粉病严重影响小麦产量，据统计，白粉病危害一般可使小麦减产5%～10%，严重区域可达20%以上[1]。准确获取病害发生状况和其空间分布对于病害防治是十分必要的，传统的病虫害监测主要依靠植保人员的田间调查和田间取样等方式，尽管这些传统方法的真实性和可靠性较高，但耗时、费力，难以适应目前大范围的病虫害实时监测和预报的需求，因此有必要建立基于遥感影像的监测模型[2]。……