高光谱在小麦条锈病严重度分级识别中应用.pdf

第27卷t第9期 光谱学与光谱分析 2oo7年9月 and sp∞troscopyspectralAnal”is SeDternb蔷：2007 高光谱在小麦条锈病严重度分级识别中的应用 王海光1，马占鸿1，王韬2，蔡成静1，安虎1，张录达2。 1．中国农业大学植物病理学系．北京100094 2．中国农业大学理学院．北京100094 摘要小麦条锈病是我国小麦生产上造成损失最大、危及范围最广的一种病害，对该病的监测预报是实 施有效治理措施的重要基础和依据。文章以88个小麦叶片为试验材料，其中条锈病叶按严重度分为8级， 健康小麦叶片为对照，由AsD Pr0FR Field_Spec2500型光谱仪和L}corl800_12外置积分球获取高光谱数 t 据，采用S、rM算法对不同严重度的小麦条锈病病叶进行了判别分析。按1l比例随机划分样品集，校正集 的44个样品建立模型，对预测集的44个样品的严重度进行预测识别，总体正确识别率达97％，表明SvM 算法用于小麦条锈病严重度分级识别是可行的。 关键词高光谱；小麦条锈病1分级识别支持向量机 中圈分类号：0657．3文献标识码：A 文章编号：1㈣593(2007}09—1811_04 病叶片光谱数据建立数学模型，对不同发病叶片进行严重度 引言 识别，为进一步利用航空航天高光谱成像遥感技术对小麦条 锈病进行病情监测奠定一定基础。 小麦条锈病由条形柄锈菌小麦专化型P础咖缸m剃加r- 支持向量机(8upport 耐5wesL￡sp．川fi“E挑setHenm引起，是我国小麦生学习理论(statis石d j髑r玎jng幽eory，SLT)的核心内容‘”“”， 产上造成损失最大、危及范围最广的一种病害。小麦条锈病 它基于Vc维理论和结构风险最小化原理，在很大程度上克 主要为害叶片，也可为害叶鞘、茎秆和穗部。流行年份，小 服了传统机器学习中维数灾难、局部极小点以及过学习等困 麦条锈病可引起减产20％～30％，严重的达50％以上，甚至 难。sⅥ讧具有良好的泛化能力，这一理论已经成功应用于数 绝产。小麦条锈病是影响我国小麦高产、稳产的重要因素之 据挖掘和模式识别，例如手写体数字的识别、物体的识别、 一。该病的有效治理对于保障我国粮食安全生产具有重要意 语音识别等[1“日，sVM也已经成功的用于光谱分析中的的 义。小麦条锈病的监测预警是预测预报和实施有效治理措施 两类识别同题口”，本文将SvM用于光谱分析的多类识别问 的重要基础和依据。长期以来我国小麦条锈病监测工作主要 题，建立了小麦条锈病多级识别的S~M识别模型。 是通过植保人员田间调查来完成。针对大面积病害的监测， 传统方法不但耗费大量人力物力，而且往往不能对病害进行 l材料与方法 宴时报道，从而影响及时对病害预测预报和采取适当的治理 措施。因此，寻求一种快速、方便、经济的小麦条锈病实时 1．1试验材料 监测技术对于我国该病监测工作来说意义重大。 配制小麦条锈病菌孢子悬浮液，在2005年4月18日 植物发病以后．叶片光合色紊音量和内部结构会发生一 (小麦拔节期)傍晚喷雾接种京冬8号，利用经水喷雾处理的 定的变化，叶片在可见光区和近红外区光谱反射率也会发生 塑料薄膜覆盖过夜，以保持饱和湿度，利于小