下载文档原格式
基于支持向量机模型的冬小麦全蚀病为害等级遥感监测的报告，
600字
本报告采用基于支持向量机（SVM）模型，针对冬小麦全蚀
病为害等级进行遥感监测。
首先，通过遥感影像采集必要的数据，包括多光谱、光学反射等。
然后，将采集的图像数据转换为多类标签，识别出不同的土地覆盖类别，便于获取病害等级信息。
经过样本处理和训练，从而得出SVM模型。
该模型训
练出的决策函数可以根据输入的图像辅助数据，来自动完成冬小麦全蚀病的分类。
此外，该模型也能够处理多重分类问题，即病害等级超过两个，如一般、中等、严重三个等级，可以应用SVM模型，根据训
练获得的特征权重和支持向量，利用模型计算出分类结果。
综上所述，支持向量机模型可以有效的检测冬小麦全蚀病，并且可以实现多层次的病害等级分类，给农业病害检测带来便利，从而有助于减少对传统人工检测方法所带来的时间与精力损耗。
基于小波变换与支持向量机回归的冬小麦叶面积指数估算梁栋1,2，杨勤英1,2,3，黄文江2,3，彭代亮3，赵晋陵1,2，黄林生1,2，张东彦1,2，宋晓宇4(1.安徽大学计算机智能与信号处理教育部重点实验室，安徽合肥230039；2.安徽大学电子信息工程学院，安徽合肥230039；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.北京农业信息技术研究中心，北京100097)摘要：叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。
通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT)，然后利用小波系数与LAI 建立支持向量机回归(SVR)模型，实现冬小麦不同生育时期的叶面积指数估算。
通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。
结果表明：利用连续小波变换确定的LAI 的敏感波段为680、739、802、895nm ，对应尺度分别为8、4、9和8，对应小波系数的LAI 回归确定系数(R 2)明显高于冠层反射率的回归确定系数；利用小波系数与LAI 建立的SVR 模型的反演精度最高，模型实测值与预测值的检验精度(R 2)为0.86，均方根误差(RMSE)为0.43；而常用植被指数(归一化植被指数，NDVI ；比值植被指数，RVI)建立的估测模型对冬小麦多个生育时期LAI 反演精度最低(R 2<0.76，RMSE >0.56)。
因此利用连续小波变换进行数据预处理，能更好地筛选出对叶面积指数敏感的信息，LAI 回归方法比较结果表明，SVR 比PLS 更适合于LAI 的估测，通过将CWT 与SVR 结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。
关键词：叶面积指数(LAI)；高光谱；连续小波变换(CWT)；支持向量机回归(SVR)；偏最小二乘(PLS)中图分类号：TP391文献标志码：A文章编号：1007-2276(2015)01-0335-06Estimation of leaf area index based on wavelet transform andsupport vector machine regression in winter wheatLiang Dong 1,2,Yang Qinying 1,2,3,Huang Wenjiang 2,3,Peng Dailiang 3,Zhao Jinling 1,2,Huang Linsheng 1,2,Zhang Dongyan 1,2,Song Xiaoyu 4(1.Key Laboratory of Intelligent Computer &Signal Processing,Ministry of Education,Anhui University,Hefei 230039,China;2.School of Electronic and Information Engineering,Anhui University,Hefei 230039,China;3.Key Laboratory of Digital Earth Sciences,Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100094,China;4.Beijing Agriculture Information Technology Research Center,Beijing 100097,China)Abstract:Leaf area index (LAI)is an important parameter of crop diagnosis and yield prediction.The LAI of winter wheat obtained from Beijing city had been estimated successfully by support vector收稿日期：2014-05-18；修订日期：2014-06-24基金项目：国家自然科学基金(61172127，41301471，41271412)；国家863计划(2012AA12A307)作者简介：梁栋(1963-)，男，教授，博士，主要从事信号与信息处理方面的研究。
基于MODIS多时相数据的冬小麦种植面积提取方法研究宋博文;赫晓慧
【期刊名称】《安徽农业科学》
【年(卷),期】2013(041)010
【摘要】以河南省作为研究区域,采用冬小麦返青及拔节期间的高光谱数据MODIS-NDVI 16 d合成数据集,利用遥感手段对河南省冬小麦面积进行估测.利用剔除非耕地后的数据,使用最小噪声分离(MNF)的方法进行数据压缩处理,并基于连续最大角突锥模型的线性混合像元分解法进行估测计算.估测结果与当年河南省实际统计数据相比,在特殊气候影响下,其相对误差也仅在0 ～7％,说明这种方法提取效果较好,在农作物面积估测中具有较强的应用价值.
【总页数】3页(P4671-4672,4690)
【作者】宋博文;赫晓慧
【作者单位】郑州大学水利与环境学院,河南郑州450001;郑州大学水利与环境学院,河南郑州450001;中国水利水电科学研究院,北京100038
【正文语种】中文
【中图分类】S127
【相关文献】
1.基于MODIS数据提取华北典型区冬小麦种植面积 [J], 张佳华;胡小夏;刘学锋;何贞铭;
2.基于MODIS数据提取华北典型区冬小麦种植面积 [J], 张佳华;胡小夏;刘学锋;何
贞铭
3.基于MODIS EVI时序数据的冬小麦种植面积提取 [J], 芦杰;娄玉钦;姚丽
4.基于MODIS数据的冬小麦种植面积快速提取与长势监测 [J], 黄青;李丹丹;陈仲新;刘佳;王利民
5.基于种植制度利用MODIS数据提取冬小麦种植面积 [J], 隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青
因版权原因，仅展示原文概要，查看原文内容请购买。
基于RS的冬小麦种植面积提取及最佳时相选择冯美臣;杨武德【摘要】为探求冬小麦种植面积提取的方法,本研究通过多种图像处理方法对TM 数据进行处理,结合实地调查和研究区主要种植作物的物候历,利用TM数据提取了冬小麦的种植面积.同时为了提高解译精度,结合GIS进行了两次目视解译过程,消除了分类器分类会出现的多分和漏分现象.结果表明:通过分类后计算混淆矩阵与地面真实感兴趣区(ROI)进行比较,发现Mahalanobis Distance分类法阈值(最大误差距离)为2.9时分类效果最佳.得到2007年研究区域冬小麦遥感监测面积为560 650 hm2,提取精度达到了95.23%.三个地区以临汾地区提取精度最高,而晋中地区最低.因此利用该方法提取冬小麦种植面积是可行的.【期刊名称】《山西农业大学学报（自然科学版）》【年(卷),期】2010(030)006【总页数】4页(P487-490)【关键词】冬小麦;遥感;最佳时相;面积提取【作者】冯美臣;杨武德【作者单位】山西农业大学,农学院,山西,太谷,030801;山西农业大学,农学院,山西,太谷,030801【正文语种】中文【中图分类】S512;S127随着遥感技术在农作物长势监测和产量估测上的应用越来越广泛,估测精度的提高成为了研究重点,其中农作物种植面积的提取成为产量估测研究的关键。
农作物种植面积的提取是在收集分析不同农作物光谱特征的基础上,进行农作物类型的遥感识别,统计农作物的种植面积。
农作物的识别主要是利用绿色植物独特的波谱反射特征,将农作物与其它地物区分开[1]。
并通过建立统计模型,来估测冬小麦面积。
王乃斌、陈仲新等利用Landsat数据进行了冬小麦、玉米、水稻等作物面积的提取[2～5]。
Lau等利用多时相SPOT-XS影像进行作物的识别和种植面积的提取[6～8]。
Lenngton等[9]首先利用陆地卫星数据的混合像元分解进行了作物种植面积提取的实验。
多时相影像的冬小麦种植面积提取及估产刘红超;梁燕;张喜旺【摘要】针对多时相影像的农作物种植面积难以实现统一精确提取、不能高效地进行遥感估产研究的问题,以河南省濮阳市为研究区,基于Landsat TM影像,采用基于伪不变特征的相对辐射校正方法,在深入分析濮阳市内6类典型地物光谱的基础上,构建决策树提取冬小麦种植面积.然后,基于MODIS植被指数产品,结合相应年份统计数据进行植被指数校正,分别利用校正后关键生育期的归一化植被指数累计值和增强型植被指数累计值与冬小麦产量进行回归分析,建立冬小麦产量预测模型,利用2011年的产量进行验证.结果表明:各年份冬小麦的提取面积精度均在96.3％以上,利用归一化植被指数和增强型植被指数构建的估产模型,R2分别为0.834和0.926,估产精度分别为95.36％和96.44％.该研究可为市域冬小麦种植区的统一高效提取以及冬小麦产量预测提供参考.%It is difficult to uniformly and accurately extract the crop area to estimate crop yield when using multi-temporal image.This paper takes the Puyang city in Henan province as the study area.It uses the Landsat TM images as the main data.Adopting a relative radiation correction method based on pseudo-invariant features,the winter wheat planting area is extracted by using the decision tree with spectral characteristics of the six types of typical objects in Puyang City as factors.Then,the key growth period of the normalized difference vegetation index cumulative value and enhanced vegetation index cumulative value are corrected with the corresponding year statistical data.Winter wheat yield estimation models are established with the corrected images and yield of winter wheat,which are further verifiedby the data in 2011.The results show that the extraction accuracy of each year is above 96.3 ％,the R2 of winter wheat yield estimation models is0.834 and 0.926,respectively,and the accuracy is 95.36％ and96.44％,respectively.This study can provide a reference for extracting winter wheat planting area and winter wheat production prediction at city level.【期刊名称】《遥感信息》【年(卷),期】2017(032)005【总页数】6页(P87-92)【关键词】冬小麦;相对辐射校正;遥感估产;光谱;决策树【作者】刘红超;梁燕;张喜旺【作者单位】黄河中下游数字地理技术教育部重点实验室,河南开封475004;中国科学院遥感与数字地球研究所,北京100094;河南大学黄河文明与可持续发展中心暨黄河文明传承与现代文明建设河南省协同创新中心,河南开封475004;中国科学院遥感与数字地球研究所,北京100094;黄河中下游数字地理技术教育部重点实验室,河南开封475004【正文语种】中文【中图分类】S127随着人口的急剧增长，城市化进程的进一步加快，耕地资源的不断缩减，各国政府对日益突出的粮食安全问题给予高度的重视[1]。
