The Crop Journal │ 河南农业大学提出一种应用多角度遥感数据监测小麦白粉病的方法

近年来，全球气候变化导致农作物病害发生频率高，范围大，危害重。小麦白粉病是一种气传性病害，严重影响小麦产量和品质。前人基于遥感技术监测小麦白粉病取得了显著进展，但该病害具有自下而上的感病特征，要及早准确监测，多角度遥感技术具有明显的优势。值得注意的是，先前采用的线性模型及方法无法解决多角度遥感数据应用时导致的角度效应，不利于多角度数据的生产应用。目前，利用多角度观测技术获取作物冠层多角度反射光谱数据，通过特征波段选择筛选敏感的光谱波段，进而利用现代机器学习算法尝试解决白粉病监测中存在的角度效应研究尚未见报道。

近日，河南农业大学国家小麦工程技术研究中心郭天财教授和冯伟研究员课题组在The Crop Journal在线发表了题为“Comparison of algorithms for monitoring wheat powdery mildew using multi-angular remote sensing data”的研究论文，通过选择4种波段筛选方法（CARS、SPA、 GA和Relief-F），分别筛选出13个观测角度（−60°、+60°、 −50°、+50°、 −40°、+40°、 −30°、+30°、−20°、+20°、 −10°、 +10°和 0°）条件下对白粉病严重程度敏感的光谱波段，进而将优化确立的敏感波段作为变量输入到4种机器学习（ELM 、PLS、RF和SVM）建模算法中。通过比较机器学习算法对病害严重程度的预测结果，确立了能够弱化角度观测效应的最优化估算方法CARS-ELM。

研究者系统评估了观测角度、敏感波段数量和机器学习方法对白粉病监测效果的影响。结果表明，小麦冠层反射光谱具有明显的角度效应，尤其在大角度条件下，常规监测方法的病情指数估算精度显著降低。通过对13个观测角度的敏感波段进行筛选，并结合机器学习算法进行建模估算，除CARS-ELM和GA-ELM模型外，其他模型的估算精度均表现出明显的单峰趋势。其中，CARS-ELM模型显著提高了白粉病监测的准确性，特别在大角度条件下，该模型算法的角度效应得到有效缓解。因此，遥感监测白粉病的角度可以扩展至正负60度范围，从而使病害监测可以在较大视野的条件下进行。研究结果为小麦白粉病的快速和大规模监测提供了关键技术支持。

作者和基金项目

河南农业大学2021级博士研究生宋莉为该文第一作者，郭天财教授和冯伟研究员为共同通信作者。该研究得到国家自然科学基金项目（31971791）和"十三五"国家重点研发计划项目(2017YFD0300204)资助。河南农业大学/国家小麦工程技术研究中心小麦生长监测与智慧栽培课题组长期从事小麦生理生态与农情监测、小麦智慧化生产与精准调控技术等方面的研究工作，已在Remote Sensing of Environment 、Science of The Total Environment、European Journal of Agronomy等学术期刊上发表多篇高水平研究论文。

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！