申请/专利权人：安徽大学

申请日：2023-12-27

公开（公告）日：2024-06-14

公开（公告）号：CN118195331A

主分类号：G06Q10/0637

分类号：G06Q10/0637;G06Q10/067;G06Q50/02;G06F18/10;G06F18/213;G06F18/214

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明涉及一种基于多源卫星遥感的水稻纹枯病生境适宜性分析方法，包括：获取多源数据；对多源数据进行预处理；进行特征因子的筛选；采用八种模型进行建模，经筛选得到八个初步模型；对比和分析各个初步模型的精度，筛选出初步模型进行集成，得到生境适宜性分析模型，将待分析区域的筛选后的特征因子输入，输出待分析区域的水稻纹枯病生境适宜性结果；对水稻纹枯病生境适宜性结果进行分析，研究纹枯病适生区的分布，变化和主要影响因素。本发明通过生境适宜性分析模型有助于综合考虑影响水稻纹枯病的各特征因子，通过生境适宜性分析模型和时空分析方法，可以及早预警纹枯病可能出现的新生境，从而采取防范措施，减轻其对农业生产的影响。

主权项：1.一种基于多源卫星遥感的水稻纹枯病生境适宜性分析方法，其特征在于：该方法包括下列顺序的步骤：1获取多源数据：所述多源数据包括气象数据、卫星数据、水稻纹枯病地面调查数据和水稻种植区域分布数据，所述气象数据包括气温、地表温度、降水量、相对湿度和太阳辐射数据，所述卫星数据包括高程数据、微波数据、多光谱数据、日间和夜间LST数据；2对多源数据进行预处理：对气象数据进行插值；对气象数据、微波数据、日间和夜间LST数据进行重采样和时间聚合，使气象数据、微波数据、日间和夜间LST数据拥有一致的空间分辨率和时间分辨率；对高程数据进行重采样；利用水稻种植区对多源数据进行掩膜，统一数据的空间范围；提取多源数据在地面调查点上对应的值，作为特征因子；3进行特征因子的筛选：计算特征因子之间的相关性系数和基尼重要性，保留相关性系数小于0.85的特征因子，定义相关性系数大于等于0.85的特征因子为强相关变量，在多个强相关变量中仅选取基尼重要性最高的变量保留，筛除其他强相关变量，将地面调查点和筛选后的特征因子作为输入数据集；4采用一般线性模型GLM、广义提升模型GBM、多元自适应回归MARS、随机森林RF、人工神经网络ANN、灵活判别分析FDA、分类树分析CTA、最大熵模型MAXENT共八种模型进行建模，将输入数据集分别输入八种模型中进行训练，经过筛选后得到八个初步模型；5对比分析各个初步模型的精度，筛选出精度大于0.85的初步模型进行集成，得到生境适宜性分析模型，将待分析区域的筛选后的特征因子输入生境适宜性分析模型，生境适宜性分析模型输出待分析区域的水稻纹枯病生境适宜性结果；6对水稻纹枯病生境适宜性结果进行分析，研究纹枯病适生区的分布，变化和主要影响因素。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于多源卫星遥感的水稻纹枯病生境适宜性分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD