融合GA与SVR算法的小麦条锈病特征优选与模型构建
2020-11-24白宗璠黄文江
农业机械学报 2020年11期
竞 霞 张 腾 白宗璠 黄文江
(1.西安科技大学测绘科学与技术学院, 西安 710054; 2.中国科学院空天信息创新研究院, 北京 100094)
0 引言
小麦条锈病是小麦的主要病害之一,具有爆发性和流行性的特点,严重影响小麦的安全生产[1]。实时准确获取小麦条锈病发病信息,对小麦病害的精准防治、减少农药污染、提高小麦产量和质量具有重要意义。人工田间取样的传统病害调查方式费时、费力、时效性差,难以满足多点同时大范围监测的需求[2]。遥感技术具有快速、大面积、无损害等优点,已被广泛应用于小麦病害监测中[3-5]。高光谱遥感数据能提供精细的地物光谱信息,定量识别作物受病虫害的胁迫程度,受到了众多学者的关注[6-9]。目前,小麦病害高光谱遥感监测主要利用光谱特征参量与病情指数之间的相关性作为优选敏感因子的标准,采用过滤法确定模型构建的特征参量[10-12],该方法从数据特征的结构出发,特征参量的选择独立于模型算法,算法简单、通用性好[13],但忽略了各特征参量间的相关性,难以保证所选特征参量是适合于建模算法的最优因子,影响了模型构建的精度。封装法将特征选择算法和建模方法相结合,进行特征参量提取,能够降低模型的复杂性,提高模型预测精度[14-16]。已有研究表明采用封装法进行特征选择和模型构建能够有效剔除光谱冗余信息[17],以较少的敏感波段达到较高的反演精度[18],所建模型具有较强的预测能力[19]。在众多的特征选择和模型构建算法中,GA能够模拟自然选择和遗传学机理的生物进化过程,具有原理和操作简单、通用性强、能在短时间内达到全局最优的特点[20],在特征选择中得到了广泛应用[21-23]。……
登录APP查看全文
