从无人机光谱图像中识别棉田作物开题报告

1. 研究目的与意义

棉花根腐病又名德克萨斯根腐病，1888年pammelm首次发现于得克萨斯州。

此病是棉花上一直破坏性很大的病害。

这是一种顽固的土壤真菌病害，此病在我国至今尚无发生的报道，1980年已列为我国对外植物检疫对象之一。

2. 国内外研究现状分析

在国外，adams,j.b等首次提出光谱混合分析模型，并用来解决混合像元问题。

然而，在光谱混合模型中，端元组分的确定是比较困难的。

jingfeng xiao等利用线性光谱混合模型来提取植被丰度，分别构造了三、四和五端元的光谱混合模型，利用高分辨率的正射影像图来检验三种模型的精度。

3. 研究的基本内容与计划

方案拟定：在envi中利用机器学习分类算法对高分辨率无人机遥感图像进行分析.通过马氏距离、光谱填图角、支持向量机等分类器对多块棉花田的正投影图像进行处理，得到根腐病感染区域分类图.与实地考察图像数据进行比对，确定优劣.对各种分类器根据不同兴趣区域创建的分类图，从实地考察数据判断分类图的准确度。

针对每块地特点的最佳分类器与最佳兴趣区域选择方法。

第1~2周熟悉任务，收集资料，填写开题报告；第3~4周继续进行必要的论文准备，并掌握有关棉花根腐病的各种知识；掌握envi软件基本技能。

4. 研究创新点

无论是卫星遥感技术还是近距离的独立野外遥感技术和无人机遥感技术都能够检测出棉田中棉花根腐病的发病区，但是他们的研究方向只是判断棉花的发病与正常，区分出的发病区域与空地易受到光照环境变化因素影响而引发误判。

通过提取作物田间耕作的空间规律辅助传统的遥感光谱分析技术应该可以减少遥感图像不确定性导致的误判，提高检测准确性。

但未见对自动提取农作物耕作空间规律并利用其辅助遥感数据分析的研究报导。