CN108333140B - 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 - Google Patents
用于刚竹毒蛾危害检测的特征光谱指数及检测方法 Download PDFInfo
- Publication number
- CN108333140B CN108333140B CN201810099887.2A CN201810099887A CN108333140B CN 108333140 B CN108333140 B CN 108333140B CN 201810099887 A CN201810099887 A CN 201810099887A CN 108333140 B CN108333140 B CN 108333140B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- bamboo
- sensing satellite
- wave band
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000017166 Bambusa arundinacea Nutrition 0.000 title claims abstract description 59
- 235000017491 Bambusa tulda Nutrition 0.000 title claims abstract description 59
- 235000015334 Phyllostachys viridis Nutrition 0.000 title claims abstract description 59
- 239000011425 bamboo Substances 0.000 title claims abstract description 59
- 241001330002 Bambuseae Species 0.000 title claims abstract description 58
- 230000003595 spectral effect Effects 0.000 title claims abstract description 54
- 230000006378 damage Effects 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000002310 reflectometry Methods 0.000 claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims description 24
- 244000302661 Phyllostachys pubescens Species 0.000 claims description 11
- 235000003570 Phyllostachys pubescens Nutrition 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 241000500437 Plutella xylostella Species 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 abstract description 22
- 241000238631 Hexapoda Species 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002023 wood Substances 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000132542 Conyza Species 0.000 description 2
- 241000745988 Phyllostachys Species 0.000 description 2
- 240000005827 Phyllostachys nigra Species 0.000 description 2
- 235000010717 Phyllostachys nigra Nutrition 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000209128 Bambusa Species 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 241000255777 Lepidoptera Species 0.000 description 1
- 240000009132 Sagittaria sagittifolia Species 0.000 description 1
- 235000015874 Sinocalamus latiflorus Nutrition 0.000 description 1
- 244000092524 Sinocalamus latiflorus Species 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002381 microspectrum Methods 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出一种用于刚竹毒蛾危害检测的特征光谱指数及检测方法，其特征在于，基于表达式：
；其中，CSI为刚竹毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星影像绿光波段的反射率；所述多光谱遥感卫星光谱图通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。本发明检测效率高、准确率高、能够满足对该虫害的快速、简易、准确的识别，通过能够直接获得的遥感卫星数据直接大规模地进行病虫害的评估，节约了大量人力、物力资源，具有广泛的应用前景，对社会生产生活具有很大的促进作用。
Description
技术领域
本发明属于病虫害检测领域，尤其涉及一种用于刚竹毒蛾危害检测的特征光 谱指数及检测方法。
背景技术
刚竹毒蛾(Pantanaphyllostachysae Chao)属鳞翅目毒蛾科竹毒蛾属，初 孵幼虫长2～3mm，灰黑色，老熟幼虫体长20～22mm，淡黄色。具长短不一的毛， 呈丛状或刷状。前胸背面两侧各有1束向前伸得灰黑色丛状长毛，1～4节腹部背 面中央有4簇桔黄色刷状毛，第8腹节背面中央有一簇橘黄色刷状毛，腹部末节 背面有1束向后伸得灰黑色丛状长毛，主要寄主有毛竹、金竹、慈竹、龙竹、绵 竹和苦竹等，是竹的最主要食叶害虫之一。其首次报道于1977年，国内分布于 福建、江西、浙江、湖南、四川、贵州、江苏、广东、广西等省区，国外尚未有 该虫分布的报道。刚竹毒蛾1年发生3-4代，以卵或1-2龄幼虫在竹叶背上越冬； 3龄前幼虫具有群聚性，其暴发成灾时虫口密度急剧上升，每株毛竹虫口数可能 高达2000头以上，短时间内即可将竹叶取食殆尽，大大影响次年与第三年的出 笋量，使竹材变脆，重则成片枯死，状如火烧，严重影响竹林生产与竹业生产， 造成严重的经济损失。据统计，“十二·五”以来，福建省平均每年刚竹毒蛾的 发生面积达8.4万hm2，危害面积达6.2万hm2，该虫害已成为制约竹产业健康 发展的主要因素。传统的监测方法不但时间、经济成本高，且所得数据滞后性较 大，采集的信息往往不够全面，无法实现大范围的宏观动态监测，此外，其无法 阐明特定生态系统的可入侵性，以及入侵与灾变的关系。显然传统的监测方法已 无法满足林业现代数字化管理及森林可持续发展战略的实施，故发展更为科学的 监测体系，构建更为实用的虫害预警机制，已成为森林虫害防治工作中一项刻不 容缓的任务。
发明内容
为了解决现有技术存在的空白和不足，本发明采用以下技术方案：
一种用于刚竹毒蛾危害检测的特征光谱指数，其特征在于，基于表达式：
CSI＝[NIR+(NIR-R)]×(R-G)；
其中，CSI为刚竹毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波 段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星 影像绿光波段的反射率；
所述多光谱遥感卫星光谱图通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。
优选地，根据叶片尺度所得特征波长与多光谱遥感卫星传感器波段设置之间 的对应性，参照Landsat 8OLI(NASA的Landsat 8卫星的OLI载荷，其中OLI (全称：Operational Land Imager，陆地成像仪))，将733.66-898.56nm对 应于多光谱遥感卫星影像近红外波段处的光谱值(NIR)；706.18-725.41nm对 应于多光谱遥感卫星影像红光波段与近红外波段间的一阶微分光谱值(NIR-R)； 562.95-585.25nm对应于多光谱遥感卫星影像绿光波段与红光波段间的一阶微 分光谱值(R-G)。
以及，一种用于刚竹毒蛾危害检测的检测方法，其特征在于，包括以下步骤： 步骤1：测定多组无危害及受刚竹毒蛾危害的毛竹叶片光谱数据；
步骤2：运用相关数理统计方法，获取刚竹毒蛾危害下毛竹叶片特征波长；
步骤3：根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；
步骤4：基于所得特征波长，构建刚竹毒蛾危害特征光谱指数；
步骤5：从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；
步骤6：根据各竹林像元所对应的特征光谱指数值，判断竹林是否受刚竹毒蛾危害。
优选地，步骤2中提取特征波长的分析对象包括原始光谱数据和一阶微分光 谱数据。
优选地，步骤2中提取特征波长的方法包括单因素方差分析法和/或欧式距 离法和/或相关系数法和/或光谱角余弦法。
优选地，所述特征波长包括：原始光谱的733.66-898.56nm、一阶微分光 谱的562.95-585.25nm与706.18-725.41nm。
优选地，步骤3中，遥感尺度下的特征波长包括：近红外波段处的原始光谱 值ρA、红光波段同近红外波段间的一阶微分光谱值ρB、绿光波段和红光波段 间的一阶微分光谱值ρC。
优选地，：步骤5中刚竹毒蛾危害特征光谱指数的构建方式为： ρC×(ρA+ρB)。
优选地，步骤6的判断根据特征光谱指数的值进行。
本发明检测效率高、准确率高、能够满足对该虫害的快速、简易、准确的识 别，通过能够直接获得的遥感卫星数据直接大规模地进行病虫害的评估，节约了 大量人力、物力资源，具有广泛的应用前景，对社会生产生活具有很大的促进作 用。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
图1是本发明实施例方法流程示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
如图1所示，本发明实施例包括以下步骤：
步骤1：测定多组无危害及受刚竹毒蛾危害的毛竹叶片光谱数据；
步骤2：运用相关数理统计方法，获取刚竹毒蛾危害下毛竹叶片特征波长；
步骤3：根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；
步骤4：基于所得特征波长，构建刚竹毒蛾危害特征光谱指数；
步骤5：从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；
步骤6：根据各竹林像元所对应的特征光谱指数值，判断竹林是否受刚竹毒蛾危害。
在本实施例中，步骤2中提取特征波长的分析对象包括原始光谱数据和一阶 微分光谱数据，步骤2中提取特征波长的方法包括单因素方差分析法和/或欧式 距离法和/或相关系数法和/或光谱角余弦法。
在本实施例中，特征波长包括：原始光谱的733.66-898.56nm、一阶微分 光谱的562.95-585.25nm与706.18-725.41nm。
步骤3中，遥感尺度下的特征波长包括：近红外波段处的原始光谱值ρA、 红光波段同近红外波段间的一阶微分光谱值ρB、绿光波段和红光波段间的一阶 微分光谱值ρC。
步骤5中刚竹毒蛾危害特征光谱指数的构建方式为：ρC×(ρA+ρB)。
同时，基于本实施例的以上技术方案的内容，我们可以得到特征光谱指数的 表达式：
CSI＝[NIR+(NIR-R)]×(R-G)；
其中，CSI为刚竹毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波 段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星 影像绿光波段的反射率；
所述多光谱遥感卫星光谱影像通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。
更具体地，根据叶片尺度所得特征波长与多光谱遥感卫星传感器波段设置之 间的对应性，参照Landsat 8 OLI(NASA的Landsat 8卫星的OLI载荷，其中 OLI(全称：Operational Land Imager，陆地成像仪))，将733.66-898.56nm 对应于多光谱遥感卫星影像近红外波段处的光谱值(NIR)；706.18-725.41nm 对应于多光谱遥感卫星影像红光波段与近红外波段间的一阶微分光谱值 (NIR-R)；562.95-585.25nm对应于多光谱遥感卫星影像绿光波段与红光波段 间的一阶微分光谱值(R-G)。
以下为本发明所提供实施例的具体实施过程。
(1)刚竹毒蛾的年生代数因地而异，江西省、四川省为1年4代，福建省 则多为3代。分别于刚竹毒蛾越冬代、第一代及第二代赴延平区受害县域，以小 班为单位进行实地踏查，记录健康毛竹林小班及刚竹毒蛾危害点毛竹林小班的坐 标点。本文叶片尺度危害等级的确定采用综合判定法：1)根据刚竹毒蛾的危害 机制以及国家林业局发布的《林业有害生物发生及成灾标准》，将单株失叶率(无 危害：0％、轻度危害：0～25％、中度危害：25～50％、重度危害：＞50％)及虫 口数量(无危害：＜10条、轻度危害：10～30条、中度危害：31～80、重度危害： ＞80条)列入虫害等级划分的参考因子；2)以植物保护、森林保护等学科背景 的高校学者及长期从事森防检疫工作的林业从业人员为对象，利用专家咨询法对 虫害等级进行最终判定。
(2)利用合肥仪思特光电技术有限公司生产的ISI921VF-256野外地物光谱 辐射计测定毛竹叶片光谱数据。该设备波长范围为380～1050nm，计256个波段， 光谱分辨率为4nm，视场角为3°。为保证光谱数据的准确性，每当测量位置发 生变化时进行一次标准白板校正；每片竹叶分别测定近叶尖处、叶中、近叶基处 3个部位，每个部位取连续测定3次的平均值，将3个部位的平均光谱数据作为 该叶片光谱值，并汇入数据库。
(3)运用单因素方差分析法，选择无危害-轻度危害、无危害-中度危害、 无危害-重度危害、轻度危害-中度危害、轻度危害-重度危害、中度危害-重度危 害等级叶片间具有极显著差异的波长(P<0.01)，当4组(或以上)差异同时达 极显著水平(P<0.01)时，记录该波长。利用欧式距离、相关系数与光谱角匹配 等3种判别方法分析所选波长的虫害判别能力，若通过两种或以上方法检验，则 将其确定为特征波长。此外，考虑到高光谱数据的冗余问题及其与遥感影像的对 应性，对波长范围小于10nm的波长予以剔除，最终确定原始光谱的 733.66～898.56nm、一阶微分光谱的562.95～585.25nm与706.18～725.41nm为刚 竹毒蛾危害下的毛竹叶片特征波长。
(4)根据所选特征波长与Landsat8卫星传感器波段设置的对应性，将近红 外波段处的原始光谱值(ρA)、红光波段同近红外波段间的一阶微分光谱值 (ρB)及绿光波段和红光波段间的一阶微分光谱值(ρC)作为遥感尺度下刚 竹毒蛾危害检测研究的特征波长。一阶微分光谱计算公式为：
式中：FDRλi为波段i和波段i+1之间的一阶微分光谱值；λi为波段序号；
与
分别代表λi+1与λi处的光谱反射率；Δλ代表λi+1到λi之间的差值。运用单因 素方差分析法检验各虫害等级寄主竹林ρA、ρB及ρC值的差异(表5-8)。总的 来看，各虫害等级竹林的ρA值不具备显著性差异(P＞0.05)，而ρB及ρC值差 异则均达到了显著性水平(P＞0.05)，其中ρC达到了极显著性水平(P＞0.01)。
表1 单因素方差分析表
注：*表示P＜0.05，有显著差异；**表示P＜0.01，有极显著差异。
(5)阴影作为图像退化的一种特殊形式，使得遥感影像中阴影区域里的地 物信息量减少，目标信息失真，严重影响目标信息识别，延平区地势复杂，境内 山地丘陵较多，大量的山体阴影严重干扰了不同虫害等级竹林的光谱可辨性，其 中阴坡植被的近红外波段信息损失较大。然而，刚竹毒蛾危害下寄主竹林的近红 外波段变化信息是进行虫害检测研究的重要内容，故将ρA值与ρB值相加，以 此增大各虫害等级竹林间的差异，但受制于山体阴影的干扰，仅靠ρA+ρB值无 法完全描述寄主竹林的变化规律；由表1可知，无危害竹林与刚竹毒蛾危害竹林 间的ρC值具有极显著差异，故将其与ρA+ρB值相乘，从而进一步放大各虫害等级竹林间的差异。特征光谱指数CSI的表达式为：
CSI＝[NIR+(NIR-R)]×(R-G) (1)
式中：NIR代表近红外波段的反射率；R代表红光波段的反射率；G代表绿 光波段的反射率。(6)考虑到多光谱遥感影像数据与地面实测高光谱数据间的尺 度差异问题，在此仅将无危害竹林与受害竹林作为研究对象。将实测点数据随机 划分为实验组(85个)和验证组(33个)，基于实验组数据，以CSI为自变量， 建立无危害竹林与受害竹林的Fisher判别函数(表2)。
表2 Fisher判别函数
运用验证组数据对其进行检验。可以看出，以CSI为自变量的判别函数对刚 竹毒蛾危害的判别能力较好(表3)，无危害、受害竹林的判别精度分别为90.91％、 72.73％，总判别精度达78.79％。由此证明了CSI在刚竹毒蛾危害判别研究中的 可行性
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其 它各种形式的用于刚竹毒蛾危害检测的特征光谱指数及检测方法，凡依本发明申 请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。
Claims (4)
1.一种用于刚竹毒蛾危害检测的检测方法，其特征在于，包括以下步骤：
步骤1：测定多组无危害及受刚竹毒蛾危害的毛竹叶片光谱数据；
步骤2：运用相关数理统计方法，获取刚竹毒蛾危害下毛竹叶片特征波长；
步骤3：根据多光谱遥感卫星传感器波段设置与所得特征波长间的对应关系，得到遥感尺度下的特征波长；
步骤4：基于所得特征波长，构建刚竹毒蛾危害特征光谱指数；
步骤5：从所述多光谱遥感卫星影像中提取相应的特征光谱指数值；
步骤6：根据各竹林像元所对应的特征光谱指数值，判断竹林是否受刚竹毒蛾危害；
步骤2中提取特征波长的分析对象包括原始光谱数据和一阶微分光谱数据；
步骤2中提取特征波长的方法包括单因素方差分析法和/或欧式距离法和/或相关系数法和/或光谱角余弦法；
步骤3中，遥感尺度下的特征波长包括：近红外波段处的原始光谱值ρA、红光波段同近红外波段间的一阶微分光谱值ρB、绿光波段和红光波段间的一阶微分光谱值ρC；
步骤4中刚竹毒蛾危害特征光谱指数的构建方式为：ρC×(ρA+ρB)。
2.根据权利要求1所述的用于刚竹毒蛾危害检测的检测方法，其特征在于：所述特征波长包括：原始光谱的733.66-898.56nm、一阶微分光谱的562.95-585.25nm与706.18-725.41nm。
3.根据权利要求1所述的用于刚竹毒蛾危害检测的检测方法，其特征在于：所述特征光谱指数值基于表达式：
CSI＝[NIR+(NIR-R)]×(R-G)；
其中，CSI为刚竹毒蛾危害特征光谱指数；NIR为多光谱遥感卫星影像近红外波段的反射率；R为多光谱遥感卫星影像红光波段的反射率；G为多光谱遥感卫星影像绿光波段的反射率；
所述多光谱遥感卫星影像通过多光谱遥感卫星传感器对竹林所在区域进行采集获得。
4.根据权利要求3所述的用于刚竹毒蛾危害检测的检测方法，其特征在于：根据Landsat 8 OLI：
NIR对应于多光谱遥感卫星影像近红外波段733.66-898.56nm处的光谱值；
NIR-R对应于多光谱遥感卫星影像红光波段与近红外波段间706.18-725.41nm的一阶微分光谱值；R-G对应于多光谱遥感卫星影像绿光波段与红光波段间562.95-585.25nm的一阶微分光谱值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810099887.2A CN108333140B (zh) | 2018-02-01 | 2018-02-01 | 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810099887.2A CN108333140B (zh) | 2018-02-01 | 2018-02-01 | 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108333140A CN108333140A (zh) | 2018-07-27 |
| CN108333140B true CN108333140B (zh) | 2020-10-09 |
Family
ID=62927481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810099887.2A Active CN108333140B (zh) | 2018-02-01 | 2018-02-01 | 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108333140B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108694391B (zh) * | 2018-05-16 | 2021-11-09 | 黄铁成 | 基于高光谱遥感的胡杨林春尺蠖灾害监测方法 |
| CN109816270B (zh) * | 2019-02-22 | 2022-05-13 | 福州大学 | 一种确定刚竹毒蛾危害遥感最佳诊断时段的方法 |
| CN109738368A (zh) * | 2019-02-25 | 2019-05-10 | 浙江省检验检疫科学技术研究院 | 一种毒蛾危害检测的特征光谱指数及检测系统及方法 |
| CN110020679A (zh) * | 2019-03-25 | 2019-07-16 | 中国科学院半导体研究所 | 基于单因素方差分析选择高光谱波长的分类方法及装置 |
| CN114708491A (zh) * | 2021-12-23 | 2022-07-05 | 福州大学 | 一种刚竹毒蛾虫害早期虫源点的识别方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
| CN102937574A (zh) * | 2012-07-20 | 2013-02-20 | 北京农业信息技术研究中心 | 一种基于卫星影像的病虫害信息提取方法 |
| CN104089647A (zh) * | 2014-07-01 | 2014-10-08 | 北京农业信息技术研究中心 | 一种作物病害发生范围监测方法及系统 |
| CN105303198A (zh) * | 2015-11-17 | 2016-02-03 | 福州大学 | 一种自定步长学习的遥感影像半监督分类方法 |
| CN106092915A (zh) * | 2016-05-31 | 2016-11-09 | 太原理工大学 | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 |
| CN106778888A (zh) * | 2016-12-27 | 2017-05-31 | 浙江大学 | 一种基于无人机遥感的果园病虫害普查系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8306942B2 (en) * | 2008-05-06 | 2012-11-06 | Lawrence Livermore National Security, Llc | Discriminant forest classification method and system |
-
2018
- 2018-02-01 CN CN201810099887.2A patent/CN108333140B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
| CN102937574A (zh) * | 2012-07-20 | 2013-02-20 | 北京农业信息技术研究中心 | 一种基于卫星影像的病虫害信息提取方法 |
| CN104089647A (zh) * | 2014-07-01 | 2014-10-08 | 北京农业信息技术研究中心 | 一种作物病害发生范围监测方法及系统 |
| CN105303198A (zh) * | 2015-11-17 | 2016-02-03 | 福州大学 | 一种自定步长学习的遥感影像半监督分类方法 |
| CN106092915A (zh) * | 2016-05-31 | 2016-11-09 | 太原理工大学 | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 |
| CN106778888A (zh) * | 2016-12-27 | 2017-05-31 | 浙江大学 | 一种基于无人机遥感的果园病虫害普查系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于优化指数的玉米冠层含水量遥感估测;吴见 等;《湖南农业大学学报(自然科学版)》;20151231;第41卷(第6期);第685-690页 * |
| 基于高光谱的春玉米大斑病害遥感监测指数选择;王利民 等;《农业工程学报》;20170331;第33卷(第5期);第170-177页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108333140A (zh) | 2018-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108333140B (zh) | 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 | |
| Ghiyamat et al. | A review on hyperspectral remote sensing for homogeneous and heterogeneous forest biodiversity assessment | |
| CN108828147B (zh) | 一种耦合遥感响应特征的刚竹毒蛾危害检测方法 | |
| Key et al. | Landscape assessment (LA) | |
| Leckie et al. | Detection and assessment of trees with Phellinus weirii (laminated root rot) using high resolution multi-spectral imagery | |
| CN109816270B (zh) | 一种确定刚竹毒蛾危害遥感最佳诊断时段的方法 | |
| Data | Factors affecting defoliation assessment using airborne multispectral scanner data | |
| CN107314990A (zh) | 一种春玉米遥感识别方法 | |
| Ismail et al. | Discriminating Sirex noctilio attack in pine forest plantations in South Africa using high spectral resolution data | |
| CN108596254B (zh) | 耦合叶片多表征的刚竹毒蛾危害检测方法 | |
| Doi | Simple luminosity normalization of greenness, yellowness and redness/greenness for comparison of leaf spectral profiles in multi-temporally acquired remote sensing images | |
| Fadaei | Advanced land observing satellite data to identify ground vegetation in a juniper forest, northeast Iran | |
| Stone et al. | Effects of leaf age and psyllid damage on the spectral reflectance properties of Eucalyptus saligna foliage | |
| Zhang et al. | A highly chlorophyll-sensitive and LAI-insensitive index based on the red-edge band: CSI | |
| Sims et al. | Assessing the health of Pinus radiata plantations using remote sensing data and decision tree analysis | |
| Nigam et al. | Wheat blast detection and assessment combining ground-based hyperspectral and satellite based multispectral data | |
| Tamás et al. | Beyond NDVI-Spectral indexing of biomass. | |
| Ye et al. | Inter-relationships between canopy features and fruit yield in citrus as detected by airborne multispectral imagery | |
| Cipar et al. | Distinguishing between coniferous and deciduous forests using hyperspectral imagery | |
| Lindsey et al. | Quantification of root lodging damage in corn using uncrewed aerial vehicle imagery | |
| Noble et al. | Plant discrimination based on leaf reflectance | |
| Maingi et al. | Mapping insect-induced pine mortality in the Daniel Boone National Forest, Kentucky using Landsat TM and ETM+ data | |
| Ivanov et al. | Remote sensing based vegetation analysis in Parangalitsa reserved area. | |
| Liu et al. | Typical Landscape Tree Species Recognition Based on RedEdge-MX: Suitability Analysis of Two Texture Extraction Forms under Random Forest Supervision. | |
| Cavalcante et al. | Spectral Evaluation of Cocoa: A Methodological Proposal for its Management and Application of the Cabruca Decree |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |