基于无人机多光谱图像和集成学习的橡胶树白粉病检测

橡胶树是我国重要的热带经济作物,其生长过程中易受白粉病的侵染,准确、及时地监测橡胶树白粉病是防止其大规模蔓延的关键。近年来,无人机遥感技术在农林领域得到了广泛应用,本研究评估了采用低空遥感技术大规模检测橡胶树白粉病的可行性,并致力于提高检测的准确性。基于大疆精灵4多光谱无人机获取橡胶树冠层多光谱图像,计算植被指数(VI)和纹理特征(TF),然后结合皮尔逊相关系数(PCCs)和Boruta-SHAP算法进行相关性分析和特征重要性分析,去除冗余特征,Blue-MEA、WI、DVIRE、PPR和GI被选为最佳特征组合,最后基于K近邻(KNN)、朴素贝叶斯(Bayes)、支持向量机(SVM)、随机森林(RF)、极端梯度提升(XGB)和Stacking集成算法构建橡胶树白粉病监测模型。结果表明:经特征筛选后,Stacking集成模型的准确率(OA)和Kappa(KC)值分别达到96.39%和92.78%,相比于5个单一基础模型KNN、Bayes、SVM、RF、XGB分类的效果,集成学习模型的准确率分别提高了3.15%、5.52%、1.80%、3.04%、1.14%,Kappa值提高了6.32%、11.05%、3.61%、6.09%、2.27%;在绘制橡胶树白粉病空间分布图时,使用17×17窗口大小的像素聚合策略分类准确率最高(OA=96.22%)。