《基于PLS算法的棉花黄萎病高空间分辨率遥感监测 Remote sensing monitoring severity level of cotton verticillium wilt based on partial least squares regressive analysis》.pdfVIP

第26卷第8期 农业工程学报 、，01．26No．8 2010征8月 TransactionsoftheCSAE 229 Aug．2010 基于PLS算法的棉花黄萎病高空间分辨率遥感监测 竞霞1，黄文江2※，琚存勇3，徐新刚2 (1．西安科技大学测绘科学与技术学院，西安710054：2．国家农业信息化工程技术研究中心，北京100097； 3．东北林业大学林学院，哈尔滨150040) 摘要：棉花黄萎病危害程度大，发生范围广，已成为中国乃至世界上棉花主要病害之一。论文基于野外定位调查数据 及高空间分辨率遥感影像，利用变量投影重要性(VIP)准则筛选最优变量，用偏最小■乘同归(PLS)方法建立棉花黄 萎病病情严重度的定量估测模型，并利用已建立的估测模型和高分辨率IKONOS影像获取了不同病情严重度的空问分布 图。研究结果表明：在所分析的13个遥感因子中，增强植被指数(EVI)、再归一化植被指数(兄D玎)、全球环境监测指 严重度遥感估测的敏感因子，能够有效估测棉花黄萎病病情严重度，其模型预测值与实测值间的R2、RMSE和RE分别 为0．78、0．45、9．2％。论文利用PLS算法和高分辨率卫星影像实现了棉花黄萎病病情严重的遥感监测，研究结果对实现 大范围农作物病虫害的遥感监测具有重要的参考价值。 关键词：遥感监测，偏最小二乘法，高空间分辨率，棉花黄萎病，病情严重度 doi-10。39690．issn．1002—6819．2010．08．039 中图分类号：S127 文献标识码：A 文章编号：1002-6819(2010)-08-0229-07 cotton wilt a1．Remote levelof verticilliumbasedon JingXia，HuangWenjiang，JuCunyong，et sensingmonitoringseverity least regressive ofthe Chinesewith partialsquares analysis[J]．TransactionsCSAE，2010，26(8)：229--235．(inEnglishabstract) 航天航空遥感影像具有空间上的连续性，结合GIS可以 0引言 较容易的实现灾害发生范围的监测和预测。 棉花黄萎病危害程度大，发生范围广，已成为中国 多变量回归分析技术是农作物病虫害定量遥感监测 乃至世界范围棉花主要病害之一，严重影响棉花生产效 的主要方法之一，国内外学者利用普通最小二乘算法的 益的提高，尤其是落叶型黄萎病对棉花产量和品质所造 回归分析技术在农作物病虫害遥感监测方面做了许多研 成的损失更具毁灭性，少则减产10％～20％，严重时高达 究【6{】并取得了一定的成果。利用普通最小二乘算法进行 50％～70％。如何及早发现黄萎病害并控制其蔓延已成为 多元回归分析时，若自变量间存在严重多蕈相关性则会 当前研究的难点和重点。棉花黄萎病的传统监测主要由 使普通最小二乘算法失效，使所建模型的准确性、可靠 植保专家等通过田间调查取样的方法判断其病害严重 性难以得到保证，而PLS算法则可以消除各变量间多重 度，费时费力，时效性差，难以在大范围内展开，而且 共线性对估测模型的影响【9。o】。基于此本文在遥感因子与 其严重度评价受观测者的宅观因素影响较大。棉花受黄 黄萎病病情严重度相关分析基础上，采用PL