结合HJ卫星影像和最小二乘孪生支持向量机的小麦蚜虫遥感监测.PDFVIP

浙江大学学报（农业与生命科学版） 43（2）：211～219，2017 JournalofZhejiangUniversity(Agric.LifeSci.) /agr E-mail:zdxbnsb＠ DOI:10.3785/j.issn.1008-9209.2016.08.021 结合HJ卫星影像和最小二乘孪生支持向量机的小麦蚜虫遥感监测 1,2 1,2,3 4 1,2,3* 1,2 1,2 胡根生 ，吴问天 ，罗菊花 ，黄文江 ，梁栋 ，黄林生 （1.安徽大学安徽省农业生态大数据工程实验室，合肥230601；2.安徽大学电子信息工程学院，合肥230601；3.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；4.中国科学院南京地理与湖泊研究所，南京210008） 摘要 为了准确、及时地监测小麦蚜虫发生情况，利用野外定位调查数据及环境与灾害监测预报小卫星星座HJ- CCD和HJ-IRS影像数据，在北京市通州区和顺义区小麦蚜虫发生的关键生育期（灌浆期），提取对蚜虫病情影响较 大的小麦长势因子和生境因子，利用最小二乘孪生支持向量机建立该研究区的小麦蚜虫监测模型，并与传统支持 向量机、费歇尔线性判别分析和学习矢量量化神经网络模型的监测结果进行对比。结果表明：最小二乘孪生支持 向量机模型的总体监测精度达到86.4%，优于传统支持向量机模型（77.3%）、费歇尔线性判别分析模型（77.3%）和 学习矢量量化神经网络模型（72.7%），取得了较好的监测效果。 关键词 卫星影像；遥感监测；小麦蚜虫；最小二乘孪生支持向量机 中图分类号 TP79 文献标志码 A RemotesensingmonitoringofwheataphidsbycombiningHJsatelliteimageswithleastsquarestwin supportvectormachinemodel.JournalofZhejiangUniversity （Agric.LifeSci.）,2017,43（2）:211-219 1,2 1,2,3 4 1,2,3* 1,2 1,2 HU Gensheng , WU Wentian , LUO Juhua, HUANG Wenjiang , LIANG Dong , HUANG Linsheng （1. Anhui EngineeringLaboratoryofAgro- EcologicalBigData,AnhuiUniversity,Hefei 230601,China; 2.SchoolofElectronicsand InformationEngineering,AnhuiUniversity,Hefei 230601,China;3.KeyLaboratoryofDigitalEarthScience,InstituteofRemote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China; 4. Nanjing Institute of Geography and Limnology,ChineseAcademyofSciences,Nanjing210008,China） Summary Pestsanddiseaseshavebecomeseriousbecauseofglobalwarming,whichhavecausedgreateconomiclossesto agriculturalproduction,andhavethreatenedhumanlifeandhealth,soitwasveryurgentandchallengingtopreventorcontrol pestsanddisease