联合FOD和CWT的水稻稻纵卷叶螟遥感监测

针对高光谱数据存在数据冗余、信息利用率低等缺点,采用分数阶微分和连续小波变换两种光谱细化方法,以提高光谱有效信息的利用率,并在现有光谱指数基础上构建分数阶微分光谱指数,结合连续小波变换选取的特征波段,基于PSO-SVR算法,实现水稻稻纵卷叶螟严重程度遥感监测。结果显示:水稻冠层光谱反射率和稻纵卷叶螟危害的水稻受害程度最大相关系数位于1.2阶处,与受害程度相关性最好的分数阶微分光谱指数是DI和GDI;在连续小波变换提取特征时,有效光谱信息主要集中在低分解尺度;分数阶微分光谱指数和小波特征的组合特征建模精度最高,R 2=0.861,RMSE=0.059,MAE=0.044。研究表明,FOD和CWT可以有效挖掘光谱中的细微信息,为实现水稻稻纵卷叶螟的精准监测提供依据。