1、中國作為一個農(nóng)業(yè)大國，農(nóng)作物病蟲害發(fā)生種類多且影響范圍廣，給我國糧食生產(chǎn)造成了巨大的損失。區(qū)域尺度上準確、及時地監(jiān)測農(nóng)作物病蟲害的發(fā)生情況有利于高效地指導防治工作，利用遙感技術(shù)對農(nóng)作物病蟲害信息進行提取以及區(qū)域尺度上的作物病蟲害監(jiān)測已經(jīng)成為了熱門的研究課題。然而，如何選取合適有效的方法以及最大限度地挖掘遙感影像數(shù)據(jù)中有效的信息是研究者面臨的主要問題。本文以小麥的常見病蟲害—小麥白粉病和小麥蚜蟲為研究對象，以小麥白粉病和小麥蚜蟲在區(qū)域尺度

2、上的監(jiān)測為研究主線，分別利用Landsat-8遙感衛(wèi)星影像數(shù)據(jù)和環(huán)境與災害監(jiān)測預報小衛(wèi)星影像數(shù)據(jù)開展小麥病蟲害遙感監(jiān)測模型以及方法研究，具體研究內(nèi)容和成果如下:
　　(1)給出一種粒子群優(yōu)化最小二乘支持向量機的小麥白粉病監(jiān)測算法。以陜西省關(guān)中平原部分地區(qū)2014年發(fā)生的小麥白粉病為研究對象，利用Landsat-8衛(wèi)星OLI和TIRS數(shù)據(jù)，提取出對小麥白粉病病情影響較大的小麥長勢因子和田間環(huán)境因子共5項，包括歸一化植被指數(shù)(NDVI

3、)、比例植被指數(shù)(RVI)、綠度（GREENNESS）、濕度(WETNESS)和地表溫度(LST)，利用最小二乘支持向量機(LSSVM)對小麥白粉病進行監(jiān)測，并用粒子群優(yōu)化算法(PSO)優(yōu)化模型參數(shù)，將監(jiān)測結(jié)果與傳統(tǒng)最小二乘支持向量機和支持向量機(SVM)的監(jiān)測結(jié)果進行對比分析。結(jié)果表明:經(jīng)過粒子群算法優(yōu)化的最小二乘支持向量機模型(PSO-LSSVM)的總體監(jiān)測精度達到92.8％，優(yōu)于傳統(tǒng)LSSVM的85.7％和SVM的71.4％，取得

4、了較好的監(jiān)測效果。
　　(2)給出一種基于最小二乘孿生支持向量機的小麥蚜蟲遙感監(jiān)測算法。以北京市通州區(qū)和順義區(qū)2010年發(fā)生的小麥蚜蟲為研究對象，基于環(huán)境與災害監(jiān)測預報小衛(wèi)星HJ-CCD和HJ-IRS數(shù)據(jù)，在區(qū)域尺度上對小麥蚜蟲的發(fā)生情況進行遙感監(jiān)測。在小麥蚜蟲發(fā)生的關(guān)鍵生育期（灌漿期），提取對蚜蟲病情影響較大的小麥長勢因子和生境因子。通過獨立樣本t檢驗的方法并結(jié)合地面調(diào)查數(shù)據(jù)對提取的特征因子進行篩選，最終選取置信度達到0.999

5、水平的特征因子:紅波段反射率、歸一化植被指數(shù)(NDVI)、綠度歸一化植被指數(shù)(GNDVI)、表征土壤水分含量的垂直干旱指數(shù)(PDI)以及表征小麥生長過程中田間溫度狀況的地表溫度(LST)作為監(jiān)測模型的輸入變量，最后利用最小二乘孿生支持向量機建立研究區(qū)域的小麥蚜蟲監(jiān)測模型，并與傳統(tǒng)支持向量機、Fisher線性判別分析和LVQ神經(jīng)網(wǎng)絡(luò)模型的監(jiān)測結(jié)果進行對比。最后的研究結(jié)果表明:最小二乘孿生支持向量機模型的總體監(jiān)測精度達到86.4％，優(yōu)于傳統(tǒng)