本发明涉及病害评估，更具体的说是涉及一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估方法及系统。
背景技术：
1、棉花作为全球最重要的经济作物之一，不仅是纺织工业的基础，更是农民生计的重要来源。从种植到纺织再到深加工，棉花产业链贯穿多个环节。然而，这条产业链也面临着众多严峻挑战，被人们称作“棉田癌症”的病害——黄萎病（vw），是威胁棉花生长和产量的重要土传维管束病害，vw病菌通过根部侵染植物，影响维管系统，导致植株萎蔫、早衰，严重时可造成大幅度减产甚至绝收。由于vw病菌具有寄主范围广、在土壤中存活时间长及隐性感染特性，传统的病害防控手段如轮作、土壤处理和化学防治难以取得理想效果，培育和应用抗病品种被广泛认为是当前控制棉花黄萎病最经济有效且环境友好的方式。
2、精确、快速地进行棉花黄萎病抗性评估，对提升棉花黄萎病优质抗性品种的筛选效率与优质抗性基因的挖掘有重要意义，然而目前传统的棉花黄萎病抗性评估方法仍存在以下缺点：
3、1）通过专业的调查员在田间调查群体植株的病株率和病情指数，基于棉花黄萎病发病高峰期内群体植株中每一株的病害严重度分级（0-4级）计算病情指数；然而，病情等级的划分方式较为粗糙，主观性强，评估标准不精准且难以统一，并且多次调查效率低下、消耗大量人力，难以精确、快速地进行棉花黄萎病抗性品种筛选；
4、2）传统遥感技术进行黄萎病抗性评估，大多是通过黄萎病高峰期单次或少数几次的冠层光谱特征来筛选棉花黄萎病抗性品种，但是获取冠层光谱的时间窗口并没有统一的标准，不同抗性品种的发病早晚与病害增速存在差异，因此这种抗性评估方式存在一定的鉴定误差；
5、3）不同抗性品种在发病时间和发病速率上存在显著差异，因此病害发展速率对于精确且快速的抗性评估有重要意义，目前基于时序遥感数据进行棉花黄萎病抗性评估有效地避免了单次评估带来的误差，但忽略了病害发展速率差异在精准评估中的作用，难以在短时间周期里完成精准且快速的抗性评估。
6、因此，尝试在病害侵染前期结合病害动态发展速率，探究不同抗性品种病害发展速率的差异，筛选并确定敏感动态发展速率光谱时序特征，是实现特定生物胁迫的精准快速抗性评估的一种有效的方法，也是本领域技术人员亟需解决的技术问题。
技术实现思路
1、有鉴于此，本发明提供了一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估方法及系统，解决了背景技术存在的问题。
2、为了实现上述目的，本发明提供如下技术方案：
3、一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估方法，包括以下步骤：
4、s1、采集试验区域内不同抗性品种的地面数据、遥感数据和抗性评估数据，构建多源数据集；
5、s2、对多源数据集中的高光谱数据进行预处理，获取时序光谱反射率及植被指数，基于相邻时间点的光谱反射率与光谱植被指数，计算动态发展速率光谱特征；
6、s3、基于cohen＇s效应量，筛选不同抗性品种间的显著差异动态发展速率特征；
7、s4、结合cohen＇s效应量置信区间与sbs方法，进一步筛选敏感动态发展速率特征；
8、s5、以敏感动态发展速率特征为输入、抗性级别为输出，构建随机森林分类模型并进行模型训练，利用训练好的棉花黄萎病抗性评估模型筛选抗性品种。
9、可选的，s1中的多源数据集具体为：
10、地面数据包括不同基因型叶片的生理数据、冠层结构数据，其中，生理数据包括叶绿素含量、类胡萝卜素含量、花青素、含水量，冠层结构数据包括叶面积指数；
11、遥感数据为无人机在病害侵染前期定期采集的冠层尺度高光谱数据；
12、抗性评估数据包括棉株病情分级、群体植株相对病情指数、抗性评估结果。
13、可选的，抗性评估数据的获取方式具体为：
14、冠层尺度高光谱数据采集前后，对试验区域进行抗性评估调查；依据抗性调查标准，将棉花黄萎病严重度分为5级，其中，0级为健康、1级为轻度发病、2级为中度发病、3级为重度发病、4级为枯死；
15、病情指数的计算公式为：
16、
17、式中：表示被鉴定品种的病情指数，表示相应病级，表示各病级的病株数，表示总株数；
18、感病对照品种病情指数在35.1~65.0时，采用相对病情指数衡量品种的抗性，计算公式为：
19、
20、
21、式中：表示相对病情指数， k表示校正系数，50.0是感病对照标准病情指数，表示本次鉴定感病对照病情指数；
22、对每个时间点的取平均得到相对病情指数均值，将试验品种的棉花抗性评估结果按照抗性调查标准进行划分。
23、可选的，s2中，预处理操作具体为：
24、对高光谱数据进行初步预处理，使用envi 5.3软件进行图像拼接，并通过漫反射板将dn值转换成brf双向反射率因子，获得试验区域的预处理高光谱图像；
25、采用savitzky-golay滤波器对高光谱图像中的光谱噪声进行去除处理，获得时序高光谱数据。
26、可选的，s2中，动态发展速率光谱特征的计算公式为：
27、
28、
29、式中：表示时间段的光谱反射率，、分别表示时间点、的波长反射率，表示时间段的光谱植被指数，、分别表示时间点、的植被指数值，表示时间间隔。
30、可选的，s3中，cohen＇s效应量的计算方式为：
31、
32、筛选的显著差异特征，获得显著差异波长和显著差异植被指数。
33、可选的，s5中，随机森林分类模型的分类结果通过overall accuracy、precision、recall、f1-score与kappa系数五项评价指标进行性能评估；其中，overall accuracy代表模型整体分类的准确性，precision衡量正类预测的精确性，recall反映正类样本的识别能力，f1-score为精度与召回率的调和平均数，kappa系数评估模型预测与真实分类之间的一致性。
34、一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估系统，执行以上任一项所述的一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估方法，包括：
35、数据获取模块，用于采集试验区域内不同抗性品种的地面数据、遥感数据和抗性评估数据，构建多源数据集；
36、特征提取模块，用于对多源数据集中的高光谱数据进行预处理，获取时序光谱反射率及植被指数，基于相邻时间点的光谱反射率与光谱植被指数，计算动态发展速率光谱特征；
37、第一筛选模块，用于根据cohen＇s效应量，筛选不同抗性品种间的显著差异动态发展速率特征；
38、第二筛选模块，用于结合cohen＇s效应量置信区间与sbs方法，进一步筛选敏感动态发展速率特征；
39、模型构建及评估模块，用于以敏感动态发展速率特征为输入、抗性级别为输出，构建随机森林分类模型并进行模型训练，利用训练好的棉花黄萎病抗性评估模型筛选抗性品种。
40、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于病害动态发展速率的棉花黄萎病抗性遥感精准评估方法及系统，结合棉花黄萎病发生发展过程中不同抗性品种动态发展速率差异，基于地面实测生理及非生理参数明确敏感动态发展速率光谱特征，构建棉花黄萎病抗性评估模型，为实现棉花黄萎病的大范围快速准确地抗性评估提供了可行的技术支持方案，对挖掘优质种质资源、经济高效地降低棉花黄萎病损失具有重要意义。