多源数据小麦条锈病预测研究

作     者：孔钰如 王李娟 张竞成 杨贵军 岳云 杨小冬 Kong Yuru;Wang Lijuan;Zhang Jingcheng;Yang Guijun;Yue Yun;Yang Xiaodong

作者机构：农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 晋城合为规划设计集团山西晋城048000 江苏师范大学地理测绘与城乡规划学院江苏徐州221116 杭州电子科技大学生命信息与仪器工程学院浙江杭州310018 甘肃省农业技术推广总站甘肃兰州730020 

基　　金：国家自然科学基金项目(41771469) 广东省重点领域研发计划项目(2019B020216001) 江苏省研究生科研与实践创新计划项目(KYCX20_2370) 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2022年第37卷第3期

页      码：571-579页

摘      要：小麦条锈病是导致小麦大规模减产的气传性病害,其传播扩散过程受多种因素影响,常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测,提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区,首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数,然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率,进而建立SEIR-StripeRust模型,最后采用后向传播神经网络(BPNN)、支持向量回归(SVR)和多元线性回归(MLR)模型对比验证SEIR-StripeRust模型的有效性。结果表明:平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关,其建立的SEIRStripeRust模型预测精度最高,决定系数R~2达到0.79,均方根误差RMSE为0.10,平均绝对误差MAE为0.09,均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIRStripeRust模型能够有效预测小麦条锈病发病率,并为县域尺度的小麦条锈病预测和精确防控提供技术支持。

主 题 词：小麦条锈病 遥感 气象数据 发病率 SEIR-StripeRust模型 

学科分类：083002[083002] 0830[工学-生物工程类] 08[工学] 09[农学] 0804[工学-材料学] 0903[农学-动物生产类] 0816[工学-纺织类] 081602[081602] 0901[农学-植物生产类] 081102[081102] 0811[工学-水利类] 

核心收录：

D　O　I：10.11873/j.issn.1004-0323.2022.3.0571

馆 藏 号：203114615...