利用随机森林法协同SIF和反射率光谱监测小麦条锈病.pdfVIP

第 35 卷 第 13 期 农 业 工 程 学 报 Vol.35 No.13 154 2019 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2019 利用随机森林法协同 SIF 和反射率光谱监测小麦条锈病 1 1 1,2 2 竞 霞 ，白宗璠 ，高 媛 ，刘良云 （1. 西安科技大学测绘科学与技术学院，西安 710054 ；2. 中国科学院遥感与数字地球研究所，北京 100094 ） 摘 要：小麦受到条锈病菌侵染后，作物的光合能力及色素含量等均会发生变化，日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence，SIF)对作物光合生理的变化比较敏感，而反射率光谱则受作物生化参数的影响较大，为了提高小 麦条锈病的遥感探测精度，该文利用随机森林(random forest，RF)等机器学习算法开展了协同冠层 SIF 和反射率微分光谱 指数的小麦条锈病病情严重度的遥感探测研究。首先利用 3FLD(three bands fraunhofer line discrimination)算法提取了冠层 SIF 数据，然后结合对小麦条锈病病情严重度敏感的 11 种反射率微分光谱指数分别基于 RF 和后向传播(back propagation， BP)神经网络算法构建了反射率微分光谱指数与冠层 SIF 协同的小麦条锈病病情严重度预测模型。研究结果表明：RF 算 法构建的小麦条锈病病情严重度预测模型优于 BP 神经网络算法，3 个样本组中 RF 模型病情指数(disease index，DI)估测 值与实测值间的决定系数 R2 平均为 0.92，比BP 神经网络模型（R2 的平均值为0.83 ）提高了 11%，均方根误差(root mean square error，RMSE)平均为 0.08，比同组BP 神经网络模型（RMSE 的平均值为0.12 ）减少了33%，RF 算法更适合于小 麦条锈病病情严重度的遥感探测。在反射率微分光谱指数中加入冠层 SIF 数据后，RF 模型和 BP 神经网络模型精度均有 所改善，其中 RF 模型估测值与实测值间的平均 R2 提高了 4% ，平均RMSE 减少了 22% ，BP 神经网络模型估测值与实测 值间的平均 R2 提高了 14%，平均RMSE 减少了 28% ，综合利用冠层 SIF 和反射率微分光谱指数能够改善小麦条锈病病情 严重度的遥感探测精度。研究结果可为进一步实现作物健康状况大面积高精度遥感监测提供新的思路。 关键词：遥感；监测；小麦；条锈病；随机森林；日光诱导叶绿素荧光；微分光谱指数 doi ：10.11975/j.issn.1002-6819.2019.13.017 中图分类号： S512.1+1 文献标志码：A 文章编号：1002-6819(2019)-13-0154-09 竞 霞，白宗璠，高 媛，刘良云. 利用随机森林法协同 SIF 和反射率光谱监测小麦条锈病[J]. 农业工程学报，2019， 35(13)：154－161. doi ：10.11975/j.issn.1002-6819.2019.13.017 http :// Jing Xia, Bai Zongfa