《表2 病害监测指数与病情严重度等级线性》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数字图像棉花黄萎病诊断与防治的管理远程监测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:**表示显著性水平为0.01

通过Relief-F算法由SG滤波后的光谱数据得到各波段的棉花黄萎病症状严重度等级的权重分布。植被可见光波段光谱反射率与棉花黄萎病症状严重度呈正相关，随着病害症状严重度增加，植被可见光波段光谱反射率增大。近红外波段光谱反射率随着棉花黄萎病症状严重度增加，植被指数值下降，近红外波段光谱反射率减少，植被指数与病害症状严重度呈负相关。因此，在植被可见光和近红外波段，权重分别表现为增加、减少的趋势。由于感病植被指数有效地综合相关的光谱信号，在植被信息增强时非植被信号最小化。本论文研究选取Relief-F算法得到权重最大的2个波段701、1 300 nm，用于获取CVWI。植被光谱特征随着棉花黄萎病症状严重度增加呈平行移动，光谱的归一化差异有助于区别棉花黄萎病危害严重度的等级，对于权重大的450～950 nm波段，参照归一化植被指数（NDVI）的形式构建归一化波段组合特征。通过Relief-F算法从归一化特征组合中提取权重最大的归一化波段组合ND-VI（532、700 nm），诊断棉花黄萎病发病情况。通过方法归一化差异组合表示与结构相关植被指数和叶绿素相关植被指数与棉花黄萎病病情严重度的相关性。把权重最大的单波段特征、归一化差异波段进行线性组合，获取CVWI。表2，图3