农业机械学报

作者：谷玲霄，方涛，杜林丹，吴喜芳，李长春，连增增，岳哲

单位：河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南理工大学,

关键词：小麦条锈病;光谱变换;特征波段选择;相关性分析;连续投影法;竞争性自适应重加权采样

基金：河南省重点研发与推广专项（科技攻关）项目（232102210093、242102320198）、河南理工大学测绘科学与技术“双一流”学科创建项目（SYJX02）、河南理工大学博士基金项目（B2023-37）、无人机高光谱土壤环境污染评估在工业选址中的应用项目（H23-140）、河南省自然科学基金项目（242300420221）和河南理工大学国家级重大科研成果培育基金项目（NSFRF240101）

作物病害会严重制约作物产量和品质，传统的病害监测方法效率低且易受主观因素影响。高光谱遥感技术以其高光谱分辨率和客观真实性在作物病害监测中展现出重要潜力。本文利用多生育期冬小麦地面高光谱及田间病情指数(Disease index, DI)，基于相关性分析(Correlation analysis, CA)和连续投影法(Successive projections algorithm,SPA)分别对光谱数据进行光谱特征降维，通过构建最优参数的竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选小麦条锈病敏感波段，最后利用偏最小二乘回归(Partial least squares regression, PLSR)、反向传播神经网络(Back propagation neural network, BPNN)和极限学习机(Extreme learning machine, ELM)算法建立基于特征光谱的病情指数模型，比较不同建模方法的建模效果，实现小麦条锈病监测。研究结果表明，不同生育期均显示小麦条锈病敏感特征波段多集中于近红外和短波红外波段，其中挑旗期为842、850、858nm，灌浆期为947、953、1275、1277、1590、1663、1665nm;对比不同建模算法，PLSR模型表现最佳，满足小麦早期病虫害监测需求，且在病害中期显示更明显特征;挑旗期和灌浆期分别以SPA-CARS-MCX和CA-CARS-MSC数据构建PLSR模型预测效果最优，验证集R2分别为0.782和0.861，RMSE分别为0.022和0.094，RPD分别为2.140和2.687。本文构建算法能够为不同生育期小麦条锈病监测提供参考。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期