水稻病虫害遥感监测与预测研究进展

袁德宝,张冰瑞,叶回春,黄文江,郑琼,郭安廷,段艳慧,黄珊瑜

Advances in Remote Sensing Monitoring and Prediction of Rice Diseases and Pests

Debao YUAN,Bingrui ZHANG,Huichun YE,Wenjiang HUANG,Qiong ZHENG,Anting GUO,Yanhui DUAN,Shanyu HUANG

表1 遥感监测与预测典型模型

Table 1 Typical models of remote sensing monitoring and prediction

病虫害名称 建模方法 文献出处 稻颖枯病 主成分分析(PCA)、学习矢量量化(LVQ) [41] 褐斑病 多元逐步回归(MSR)、主成分分析(PCA)、偏最小二乘回归(PLS) [40] 稻瘟病 线性判别分析(LDA)、K近邻模型(K-NN)、支持向量机(SVM) [45] 纹枯病 线性回归(LR)、决策树(CART) [51] 叶枯病、稻瘟病和纹枯病 支持向量机(SVM)、逻辑回归(LR)、卷积神经网络(CNN) [14] 白叶枯病、纹枯病和稻瘟病 支持向量机(SVM) [43] 白叶枯病、褐斑病、窄褐斑病和稻瘟病 支持向量机(SVM) [47] 褐飞虱 多元线性回归(MLR) [55] 二化螟 反向传播神经网络(BPNN)、线性判别分析(LDA) [18] 褐飞虱和稻纵卷叶螟 多元线性回归(MLR) [42] 稻干尖线虫病、稻纵卷叶螟 概率神经网络(PNN) [13] 病虫害 卷积神经网络(CNN) [44]