书目详细信息
： 基于多光谱遥感技术的烟草花叶病监测识别研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于多光谱遥感技术的烟草花叶病监测识别研究/.张荣琴著/.陈齐斌指导 |
| 出版发行项： | 2023.06.13 |
| 载体形态项： | 52页:;+图表:;+30cm |
| 一般附注： | 植物保护学院, 学号2021240335 |
| 提要文摘： | 烟草花叶病毒病（Tobacco mosaic virus，TMV）是世界性的病害，高发病率和不可治愈是烟草在精减政策下提高烟叶质量面临的关键障碍，及早发现及时防控是提高烟叶质量的重要前提。与传统田间调查采样识别病害方法相比，光谱遥感技术具有快速、无损、简易等优势，为大面积监测烟草花叶病提供了可能。烟草感染TMV后，其内部生理指标会发生变化，导致叶片在不同波段反射率会随之发生改变，这为光谱技术监测花叶病提供了原理。植被指数可以综合反映作物光谱信息，被广泛运用于农作物病虫害监测研究中。基于此，本研究利用手持式光谱仪和无人机多光谱平台采集了花叶病烟草叶片光谱反射率及冠层影像光谱数据，通过叶绿素荧光成像系统测定了接种TMV后不同时间烟草叶片的荧光参数，研究了不同时期、不同病害程度的光谱特征，对光谱反射率、植被指数与病害程度进行相关性分析，筛选出烟草花叶病敏感波段和最佳监测植被指数，在此基础上构建了烟草花叶病遥感监测识别模型，并将模型应用于研究区多光谱影像中，为烟草花叶病病害监测识别提供一种新的方法。论文取得以下研究结果： （1）分析了不同病害程度花叶病烟草叶片光谱特征和冠层影像光谱特征，发现受花叶病影响后，烟草叶片及冠层光谱反射率在可见光波段随病害程度的加重呈上升趋势，而在近红外波段则相反，二者光谱变化规律一致，但冠层影像光谱反射率明显低于叶片光谱反射率；不同时期花叶病烟草叶片光谱反射率变化同病情发展基本同步，即随着烟草生育期的推进，病害程度也在增加；分析不同病害严重程度烟草叶片一阶微分光谱反射率分析，发现红边位置向蓝光方向移动，出现了明显的“单峰”现象，并且随着病害水平上升，偏移量也逐渐增大。 （2）研究发现接种TMV前，对照组和处理组之间所有荧光参数值均无显著差异，在接种花叶病毒后6d、12d、18d后，烟草叶片叶绿素荧光参数值均有所变化， Fo’、Fm’、Fv/Fm、Y(NO)随着病害水平的增加而下降，而 qN 参数值是随病害程度增加而上升。 （3）计算叶片光谱反射率和病情指数相关系数，筛选出花叶病敏感波段，并构建相应病害估测识别模型，基于一阶微分747nm波段建立的一元线性回归估测模型精度最高，模型y=1318.83996x747-0.80568 ，相关系数0.8，决定系数0.7，RMSE为1.7；基于研究全波段构建随机森林和偏最小二乘回归病害监测识别模型，建模集和验证集决定系数均在0.9以上，但偏最小二乘回归模型相较于随机森林模型方差较大。 （4）基于无人机多光谱影像光谱反射率，利用随机森林建立了烟草花叶病估测识别模型，模型y=0.92802x+0.01752，建模集R2为0.96，RMSE为3.6507，验证集R2为0.958，RMSE为5.5471，预测DI值和实测DI值线性拟合度较高。 （5）根据在研究区获取的多光谱影像数据，计算与病害监测相关的4个植被指数，通过与花叶病病情指数相关性分析，选出NDVI和OSAVI作为最佳病情指示变量并利用随机森林建立病害估测识别模型，结果显示NDVI和OSAV组合建模，其决定系数达到0.97，RMSE为0.4，精度远高于单植被指数模型。将模型用于监测区域遥感影像反演得出烟草花叶病等级分布图，利用地面实地调查的60个样点数据检验遥感反演精度，验证结果R2为0.8。 |
| 并列题名： | Tobacco mosaic disease monitoring and identification based on multispectral remote sensing technology eng |
| 题名主题： | 烟草花叶病 多光谱 遥感监测 光谱反射率 植被指数 叶绿素荧光 识别模型 学位论文 |
| 中图分类： | S435.72-533 |
| 个人名称等同： | 张荣琴 著 |
| 个人名称次要： | 陈齐斌 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |