基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

作     者：黄旭影 许章华 林璐 石文春 余坤勇 刘健 陈崇成 周华康 HUANG Xu-ying;XU Zhang-hua;LIN Lu;SHI Wen-chun;YU Kun-yong;LIU Jian;CHEN Chong-cheng;ZHOU Hua-kang

作者机构：福州大学环境与资源学院福建福州350116 空间数据挖掘与信息共享教育部重点实验室福建福州350116 福建省水土流失遥感监测评估与灾害防治重点实验室福建福州350116 福建省资源环境监测与可持续经营利用重点实验室福建三明3650045 福州大学信息与通信工程博士后科研流动站福建福州3501166 福建省南平市延平区林业局福建南平353000 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2019年第39卷第3期

页      面：857-864页

核心收录：

学科分类：07[理学] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金项目(41501361 41401385) 中国博士后科学基金面上项目(2018M630728) 福建省资源环境监测与可持续经营利用重点实验室开放基金项目(ZD1403) 福州大学人才基金项目(XRC-1345)资助 

主　　题：刚竹毒蛾 毛竹叶片 Fisher判别分析 BP神经网络 随机森林 

摘      要：虫害检测算法研究是开展虫害快速、准确监测,制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度,基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结,选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66～898.56 nm值(ρ_(733.66～898.56))、一阶微分光谱的562.95～585.25 nm值(ρ′_(562.95～585.25))与706.18～725.41 nm值(ρ′_(706.18～725.41))等理化参数,随机划分实验组(63组)和验证组(37组)并设计5次重复实验;分别运用Fisher判别分析、 BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型,从检测精度、 Kappa系数及R^2等指标对模型的检测效果予以分析和比较。结果显示, Fisher判别分析、 BP神经网络、随机森林的检测精度分别为69.19%, 65.41%, 83.78%, Kappa系数分别为0.576 9, 0.532 4和0.778 8,R^2分别为0.722 2, 0.582 6和0.870 9,总体而言,三种方法均具备刚竹毒蛾危害的检测能力,随机森林的检测效果最优, Fisher判别分析次之,再次为BP神经网络;从分等级来看,随机森林的检测精度亦优于Fisher判别分析与BP神经网络,但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考,并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。