技术特征：
1.一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，包括：获取研究区域内水稻的多光谱图像；所述研究区域包括多个小区；基于所述多光谱图像，计算每个所述小区对应的水稻光谱反射率；基于所述水稻光谱反射率和第一回归模型确定每个所述小区对应的水稻叶片叶绿素含量，基于所述水稻光谱反射率和第二回归模型确定每个所述小区对应的水稻植株含水率；所述第一回归模型是基于第一样本数据集确定的；所述第二回归模型是基于第二样本数据集确定的；所述第一样本数据集包括多个样本水稻光谱反射率以及每个所述样本水稻光谱反射率对应的样本水稻叶片叶绿素含量，所述第二样本数据集包括多个所述样本水稻光谱反射率以及每个所述样本水稻光谱反射率对应的样本水稻植株含水率；所述样本水稻为白叶枯病胁迫下的水稻；基于相关性关系以及每个所述小区对应的水稻叶片叶绿素含量、水稻植株含水率，确定每个所述小区对应的水稻白叶枯病发病程度；所述相关性关系为水稻叶片叶绿素含量、水稻植株含水率、水稻白叶枯病发病程度之间的相关性关系；基于所述第一回归模型的变量投影重要性指标的得分值和所述第二回归模型的变量投影重要性指标的得分值，对所述水稻光谱反射率的特征变量进行筛选，以得到光谱指标；计算所述光谱指标与所述水稻白叶枯病发病程度之间的相关性，并基于所述光谱指标与所述水稻白叶枯病发病程度之间的相关性，生成所述研究区域内水稻白叶枯病害程度可视化分布图。2.根据权利要求1所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，还包括：计算所述光谱指标与所述水稻叶片叶绿素含量之间的相关性，并基于所述光谱指标与所述水稻叶片叶绿素含量之间的相关性，生成所述研究区域内水稻叶片叶绿素含量可视化分布图；和/或，计算所述光谱指标与所述水稻植株含水率之间的相关性，并基于所述光谱指标与所述水稻植株含水率之间的相关性，生成所述研究区域内水稻植株含水率可视化分布图；和/或，计算所述光谱指标与所述水稻叶片叶绿素含量之间的相关性，计算所述光谱指标与所述水稻植株含水率之间的相关性，并基于所述光谱指标与所述水稻白叶枯病发病程度之间的相关性、所述光谱指标与所述水稻叶片叶绿素含量之间的相关性、和所述光谱指标与所述水稻植株含水率之间的相关性，生成所述研究区域内水稻多表型参数可视化分布图；所述多表型参数包括水稻白叶枯病发病程度、水稻叶片叶绿素含量和水稻植株含水率。3.根据权利要求1所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，还包括：构建样本数据库；所述样本数据库包括第一样本数据集、第二样本数据集以及第三样本数据集；所述第三样本数据集包括多个样本水稻白叶枯病发病程度以及每个所述样本水稻白叶枯病发病程度对应的样本水稻叶片叶绿素含量和样本水稻植株含水率。4.根据权利要求3所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，所述样本水稻叶片叶绿素含量的确定过程为：使用spad-502叶绿素仪确定样本区域内每个小区对应的样本水稻叶片叶绿素含量。5.根据权利要求3所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特
征在于，所述样本水稻植株含水率的确定过程为：利用湿基含水率方法计算样本区域内每个小区对应的样本水稻植株含水率。6.根据权利要求1或3所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，所述第一回归模型的确定过程为：根据偏最小二乘回归方法和所述第一样本数据集，确定所述第一回归模型。7.根据权利要求1或3所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，所述第二回归模型的确定过程为：根据偏最小二乘回归方法和所述第二样本数据集，确定所述第二回归模型。8.根据权利要求1所述的一种基于多表型参数的水稻白叶枯病害程度预测方法，其特征在于，所述基于所述多光谱图像，计算每个所述小区对应的水稻光谱反射率，具体包括：对所述多光谱图像进行预处理；利用envi软件对预处理后的多光谱图像进行水稻光谱反射率的提取，进而确定每个所述小区对应的水稻光谱反射率。9.一种基于多表型参数的水稻白叶枯病害程度预测系统，其特征在于，包括：多光谱图像获取模块，用于获取研究区域内水稻的多光谱图像；所述研究区域包括多个小区；水稻光谱反射率计算模块，用于基于所述多光谱图像，计算每个所述小区对应的水稻光谱反射率；水稻叶片叶绿素含量和水稻植株含水率计算模块，用于基于所述水稻光谱反射率和第一回归模型确定每个所述小区对应的水稻叶片叶绿素含量，基于所述水稻光谱反射率和第二回归模型确定每个所述小区对应的水稻植株含水率；所述第一回归模型是基于第一样本数据集确定的；所述第二回归模型是基于第二样本数据集确定的；所述第一样本数据集包括多个样本水稻光谱反射率以及每个所述样本水稻光谱反射率对应的样本水稻叶片叶绿素含量，所述第二样本数据集包括多个所述样本水稻光谱反射率以及每个所述样本水稻光谱反射率对应的样本水稻植株含水率；所述样本水稻为白叶枯病胁迫下的水稻；水稻白叶枯病发病程度确定模块，用于基于相关性关系以及每个所述小区对应的水稻叶片叶绿素含量、水稻植株含水率，确定每个所述小区对应的水稻白叶枯病发病程度；所述相关性关系为水稻叶片叶绿素含量、水稻植株含水率、水稻白叶枯病发病程度之间的相关性关系；光谱指标确定模块，用于基于所述第一回归模型的变量投影重要性指标的得分值和所述第二回归模型的变量投影重要性指标的得分值，对所述水稻光谱反射率的特征变量进行筛选，以得到光谱指标；水稻白叶枯病害程度可视化分布图生成模块，用于计算所述光谱指标与所述水稻白叶枯病发病程度之间的相关性，并基于所述光谱指标与所述水稻白叶枯病发病程度之间的相关性，生成所述研究区域内水稻白叶枯病害程度可视化分布图。10.根据权利要求9所述的一种基于多表型参数的水稻白叶枯病害程度预测系统，其特征在于，还包括：水稻叶片叶绿素含量可视化分布图生成模块，用于计算所述光谱指标与所述水稻叶片叶绿素含量之间的相关性，并基于所述光谱指标与所述水稻叶片叶绿素含量之间的相关
性，生成所述研究区域内水稻叶片叶绿素含量可视化分布图；和/或，水稻植株含水率可视化分布图生成模块，用于计算所述光谱指标与所述水稻植株含水率之间的相关性，并基于所述光谱指标与所述水稻植株含水率之间的相关性，生成所述研究区域内水稻植株含水率可视化分布图；和/或，水稻多表型参数可视化分布图生成模块，用于计算所述光谱指标与所述水稻叶片叶绿素含量之间的相关性，计算所述光谱指标与所述水稻植株含水率之间的相关性，并基于所述光谱指标与所述水稻白叶枯病发病程度之间的相关性、所述光谱指标与所述水稻叶片叶绿素含量之间的相关性、和所述光谱指标与所述水稻植株含水率之间的相关性，生成所述研究区域内水稻多表型参数可视化分布图；所述多表型参数包括水稻白叶枯病发病程度、水稻叶片叶绿素含量和水稻植株含水率。
技术总结
本发明涉及一种基于多表型参数的水稻白叶枯病害程度预测方法及系统，涉及水稻白叶枯病害程度预测技术领域，该方法包括首先基于多光谱图像计算研究区域每个小区对应的水稻光谱反射率，并基于白叶枯病胁迫下的水稻叶片叶绿素含量和水稻植株含水率筛选特征变量，建立新的光谱指标；其次基于水稻光谱反射率和回归模型预测预测研究区域的水稻叶片叶绿素含量和水稻植株含水率，进而预测水稻白叶枯病发病程度；接着基于新的光谱指标和预测得到水稻白叶枯病发病程度水稻白叶枯病害程度的快速指示，适用于高通量水稻病害表型监测研究。适用于高通量水稻病害表型监测研究。适用于高通量水稻病害表型监测研究。
技术研发人员：何勇 白秀琳 冯旭萍
受保护的技术使用者：浙江大学
技术研发日：2022.05.26
技术公布日：2022/9/2