论文部分内容阅读
槟榔是中国海南省主要的热带作物之一。高温高湿环境为槟榔黄化病的发生提供了适宜的条件。黄化病作为影响槟榔生长的主要因素之一,严重制约了海南省槟榔种植产业的发展。迫切需要对该病害进行及时监测与高效防控。目前,常规的作物病害监测、预报和防控体系相对传统,多在“点”上开展工作,缺乏大范围的测报手段,易造成病害漏防成灾和防控效率低下等问题。传统的人工调查方法耗时、费力、准确性不高,并会对作物造成不同程度的破坏。相比之下,卫星遥感和无人机遥感在作物病害的大面积、时序、动态监测和空间制图方面存在优势,可以实现不同空间尺度的快速监测。论文选取海南省万宁市北大镇为研究区,主要研究:基于Planet卫星遥感影像的槟榔种植面积提取;在区域尺度上,分别基于Planet卫星遥感影像和无人机载多光谱数据开展槟榔黄化病的监测研究。论文的主要研究内容如下:(1)基于Planet卫星影像的槟榔种植面积提取研究基于高分辨率Planet卫星影像,选取原始光谱波段、植被指数等光谱特征以及纹理特征,利用随机森林RF(Random Forest)进行特征优化,并以全部特征变量和优化后的特征子集为输入,分别构建支持向量机SVM(Support Vector Machine)、后向传播神经网络BPNN(Back Propagation Neural Network)和RF分类模型,通过精度评价,分析特征优化对槟榔种植面积提取精度的影响,并对比三种方法的分类精度,得到最优的槟榔种植面积提取方法。实验结果表明,经过RF特征优化后的SVM-2、BPNN-2和RF-2模型的总体分类精度分别为74.82%、83.67%和88.30%,相比较于未经过RF特征优化的SVM-1、BPNN-1和RF-1模型,总体精度分别提高了3.90%、7.77%和7.45%;且在特征优化后的3种分类模型中,RF-2模型的总体精度为3种模型中最高,说明RF方法对槟榔种植面积提取的适用性更好。(2)基于Planet卫星影像的槟榔黄化病监测利用Planet卫星遥感影像,以基于RF方法提取的槟榔种植区为基础,选取常用于植被长势和病虫害监测的光谱特征作为建模初选因子,利用相关性分析CA(Correlation Analysis)和独立样本T检验筛选出与健康、病害样本相关性高且具有极显著性差异的特征变量,利用RF构建二分类槟榔黄化病区分模型,并以BPNN和AdaBoost建立模型进行对比分析。结果表明,RF模型对槟榔黄化病的总体识别精度最高,达到86.7%,分别比BPNN和AdaBoost模型高出3.4%和23.4%;总体上来看,RF模型对健康和病害样本的漏分和错分较少。同时,RF模型的Kappa系数为0.738,为3个模型中最高。研究结果表明,Planet遥感影像可用于区域尺度槟榔黄化病的监测,且RF方法更适用于对槟榔黄化病的遥感监测。(3)基于无人机多光谱影像的槟榔黄化病监测研究利用大疆精灵Phantom 4 Pro V2.0四旋翼无人机搭载MicaSense RedEdge-M?多光谱相机获取5波段多光谱影像,基于最小冗余最大相关算法mRMR(minimum Redundancy Maximum Relevance)从15个潜在的植被指数中优选比值植被指数RVI(Ratio Vegetation Index)、改进的简单比值指数MSR(Modified Simple Ratio Index)和花青素反射指数ARI(Anthocyanin Reflectance Index)作为敏感特征,分别利用BPNN、RF和SVM共3种分类算法,构建了槟榔黄化病严重度监测模型。结果表明,BPNN模型的总体精度达到91.7%,分别比RF模型和SVM模型高出6.7%和10.0%,且Kappa系数为0.875,为所有模型中最高;同时BPNN模型的漏分、错分误差也最小。结果证明了无人机多光谱影像监测槟榔黄化病的可行性,同时也为其他经济作物病害监测提供参考。