[发明专利]田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法在审
| 申请号: | 201410685108.9 | 申请日: | 2014-11-25 |
| 公开(公告)号: | CN104408307A | 公开(公告)日: | 2015-03-11 |
| 发明(设计)人: | 冯伟;李晓;王晓宇;韩巧霞;康国章;郭天财 | 申请(专利权)人: | 河南农业大学 |
| 主分类号: | G06F19/00 | 分类号: | G06F19/00;G01N21/25 |
| 代理公司: | 河南科技通律师事务所 41123 | 代理人: | 樊羿 |
| 地址: | 450002 河南省郑州市金*** | 国省代码: | 河南;41 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 田间 小麦 白粉病 发病 程度 快速 监测 方法 及其 模型 构建 | ||
1.一种田间小麦白粉病发病程度监测模型的构建方法,其特征在于,包括下列步骤:
(1)信息采集:按常规方法分别采集小麦白粉病不同发病区域内的不同生长时期小麦冠层高光谱信息,再采用常规的五步平滑方法对光谱曲线进行平滑处理;与光谱信息采集同步,对应的按照常规方法调查该区域的小麦白粉病严重度以及叶面积,得到传统病情指数cDI和叶面积指数LAI;
(2)确立修正型病情指数mDI:传统病情指数cDI除以对应调查区域的叶面积指数LAI,得到单位叶面积下病情指数的大小,用修正型病情指数mDI来表示:mDI=cDI/LAI;
(3)确立敏感波段区域:分析随着修正型病情指数mDI的增加,在可见光波段350~710 nm内光谱反射率随之变化的情况,得到敏感波段区域在500~600 nm之间;
(4)构建绿光双波段指数:由下式计算得出绿光双波段指数GRVI:
,
其中,Rref λ1和Rref λ2分别为健康小麦冠层光谱λ1nm和λ2nm波段处反射率,Rdis λ1和Rdis λ2分别为白粉病菌侵染小麦的冠层光谱λ1nm和λ2nm波段处反射率,λ1和λ2位于敏感波段区域500~600 nm内;
(5)确定最优波段组合:将绿光双波段指数GRVI与步骤(2)所得的对应的小麦白粉病修正型病情指数mDI进行相关性分析,采用高光谱数据减量精细采样算法,取相关性最高时的两个波段,确定为λ1nm和λ2nm;
(6)建立监测模型:根据不同生长时期的小麦白粉病修正型病情指数mDI与绿光双波段指数GRVI之间的定量关系,构建出如下对应的小麦白粉病发生程度监测模型:
Y=a×GRVI b,其中,Y为小麦白粉病严重度,GRVI为绿光双波段指数,a为系数,b为常数项,且a、b的值经由回归方式求得。
2.根据权利要求1所述的田间小麦白粉病发病程度监测模型的构建方法,其特征在于,在步骤(6)之后还包括:
步骤(7)检验模型:使用独立年份小麦试验数据测试与检验步骤(6)所述小麦白粉病发生程度监测模型的准确性和普适性,采用复相关系数R2、均方根差RMSE和相对误差RE对其进行综合评价,其中RMSE和RE的计算公式如下:
,
其中Oi为试验中小麦白粉病严重度实测的修正型病情指数mDI,Pi为监测模型估测的小麦白粉病严重度值,n为模型测试检验样本数。
3.根据权利要求1所述的田间小麦白粉病发病程度监测模型的构建方法,其特征在于,步骤(1)中小麦冠层高光谱信息测量采用野外高光谱辐射仪,波段值为350~1100 nm,光谱采样间隔为1.4 nm,光谱分辨率为3 nm。
4.根据权利要求1所述的田间小麦白粉病发病程度监测模型的构建方法,其特征在于,
步骤(1)中传统病情指数cDI和叶面积指数LAI的测定方法为:与光谱信息采集同步,在光谱测量的位置约0.6 m2范围内选取20株小麦,利用正方形网格计算小麦叶片发病面积占叶片总面积的百分比来表示严重度,严重度分为9个梯度等级,即0、1%、10%、20%、30%、45%、60%、80%和100%,人工记录各严重度的小麦叶片数,得到传统病情指数cDI计算公式如下:
,
式中,x为各梯度的级值,n为最高梯度值9,f为各梯度的叶片数;
对每小区所取20株小麦,按器官分离,量取各叶片面积,计算叶面积指数LAI。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南农业大学,未经河南农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410685108.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种医疗器械互联组件及装置
- 下一篇:医用终端和数据处理方法
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用





