黄林生，阮 超,，黄文江 ，师 越，彭代亮，丁文娟

(1.安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心，合肥230601；2.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）

0 引 言

小麦白粉病是小麦生产过程中的主要病害之一[1]。及时有效地监测出小麦白粉病的发生对提高小麦的产量和质量具有重大意义[2]。传统的监测方法主要依靠地面调查，需要耗费大量的人力物力，不适合大区域的应用[3]，遥感技术的发展使大区域的监测成为可能。特征变量提取和监测模型构建是遥感监测的 2个重要环节。目前大部分学者采用相关性分析[4]、独立样本 T检验[5]、relief算法[6]和最小冗余最大相关（minimum redundancy maximum relevance，mRMR）[7]等算法进行特征提取。尽管这些特征选择方法在特征筛选中具有较好的适用性，但单一的方法无法同时考虑到特征之间的冗余性和特征与类别之间的相关性，如relief算法没有考虑特征之间存在的冗余性[8]，mRMR算法则无法体现不同特征对分类作用的差异[9]，而上述已有的研究并未考虑这种不足。将relief和mRMR算法结合使用，可有效弥补2种算法的不足，如王露等[10]利用遥感图像，通过 relief算法结合mRMR算法实现了对地物的分类，且分类精度高于只用relief算法和 mRMR算法的分类精度。Zhang等[9]利用relief算法和mRMR算法对数据集进行降维，在基因选择研究中也取得了较好的效果。

此外，建模方法的选择直接影响监测模型的效果。支持向量机（support vector machine，SVM）是一种基于统计学习理论的模型构建方法[11]，通常用在模式识别、分类及回归分析等问题中。……