基于连续小波分析的小麦病虫害光谱区分研究

利用光谱数据对病虫害进行识别和区分可为复杂农田环境下的病虫害遥感监测提供理论支持。该文基于连续小波分析(CWA)提出一种能够实现全光谱域优化搜索的病虫害区分小波特征选择方法,并以我国华北麦区3种常见的小麦病虫害(白粉病、条锈病和蚜虫)为例,分别采用费氏线性判别分析(FLDA)和支持向量机(SVM)建立相应的病虫害区分模型。结果显示,基于上述两种模型得到区分结果的总体验证精度均达70%以上,其中条锈病和蚜虫的识别精度高于白粉病的识别精度。研究表明,基于连续小波分析的病虫害区分模型由于能够捕捉光谱的形状特征,而具有较强的通用性和抗干扰能力,对于支持复杂农田环境下的病虫害区分和监测具有较大的潜力。