基于无人机多光谱成像与对象分类的斯里兰卡椰树萎蔫病早期诊断技术研究

为解决斯里兰卡椰树萎蔫病(WCLWD)传统检测方法灵敏度低的问题，研究人员创新性结合无人机(UAV)多光谱成像与对象分类分析(OBIA)技术，通过支持向量机(SVM)分类器在蓝、绿、红边和近红外波段实现79.25%的病害识别准确率，为植物病害遥感监测提供新范式。

　　

斯里兰卡椰产业正遭受萎蔫病(Weligama Coconut Leaf Wilt Disease, WCLWD)的严重威胁，该病害导致椰树生产力骤降且死亡率居高不下。传统目视检查和实验室检测因灵敏度不足难以实现早期诊断。研究团队另辟蹊径，采用装载多光谱传感器的无人机(UAV)采集红、绿、蓝、红边和近红外五个波段影像，结合对象基图像分析(Object-Based Image Analysis, OBIA)技术构建诊断模型。

通过支持向量机(Support Vector Machine, SVM)分类器验证发现，"蓝+绿+红边+近红外"四波段组合表现最优，诊断准确率达79.25%，卡帕系数(kappa coefficient)0.493显示中等一致性。田间实地调查数据进一步证实，这种空基生物量检测技术能有效区分健康与染病椰树。尽管当前精度尚有提升空间，但研究证实了先进遥感技术在植物病害监测中的应用潜力，为建立椰园病害传播预警系统提供了技术支撑。未来通过优化分类算法并整合多源数据，有望实现椰树萎蔫病的精准防控。