基于XGBoost的水稻纹枯病严重度监测方法

本发明提出一种基于XGBoost的水稻纹枯病严重度监测方法。步骤为：通过耦合遥感和气象指标来表征病害的信息；运用PCA来对遥感和气象特征降维；最后使用XGBoost方法来构建监测模型，在每一轮迭代中，XGBoost通过优化损失函数的梯度来训练下一个弱学习器，并将其添加到模型中以减少之前轮次的残差。通过XGBoost算法优化后的构建水稻纹枯病监测模型，并通过GS、GA和PSO这3种方法对模型进行参数优化，优化后AUC值为0.792，TSS值为0.621。相比默认参数构建的监测模型，AUC值提升了0.077，TSS值提升了0.138。