粒子群优化的最小二乘支持向量机在小麦白粉病监测中的应用

编号 zgly0001592290

文献类型 期刊论文

文献题名 粒子群优化的最小二乘支持向量机在小麦白粉病监测中的应用

作者 胡根生  吴问天  黄文江  梁栋  黄林生 

作者单位 安徽大学安徽省农业生态大数据工程实验室  中国科学院遥感与数字地球研究所数字地球重点实验室 

母体文献 遥感技术与应用 

年卷期 2017年02期

年份 2017 

分类号 TP79 

关键词 遥感监测  小麦白粉病  最小二乘支持向量机  粒子群优化 

文摘内容 小麦白粉病严重影响小麦的产量和品质,区域尺度上准确、及时地监测小麦白粉病的发生情况有利于高效地指导防治工作。利用Landsat-8遥感影像,提取出对小麦白粉病病情影响较大的长势因子和生境因子,包括归一化植被指数(NDVI)、比例植被指数(RVI)、绿度(Greenness)、湿度(Wetness)和地表温度(LST),利用最小二乘支持向量机(LSSVM)对陕西省关中平原部分地区的小麦白粉病进行监测,并用粒子群算法(PSO)优化模型参数,将监测结果分别与传统支持向量机(SVM)和最小二乘支持向量机(LSSVM)的监测结果进行对比分析。结果表明:经过粒子群优化的最小二乘支持向量机模型(PSO-LSSVM)的总体监测精度达到92.8%,优于SVM的71.4%和LSSVM的85.7%,取得了较好的监测效果。