1.基于高光谱数据波段选择的水稻黑穗病提取方法，其特征在于：包括以下步骤：获取高光谱影像数据并进行预处理；

实地测量并获取水稻区域健康水稻以及患黑穗病水稻的位置分布信息；

对比高光谱影像数据和实地测量水稻健康与患黑穗病位置信息，得到采样点光谱反射率数据；

构建预测模型，所述预测模型利用偏最小二乘与采样点光谱反射率数据筛选出优选特征波段；

确定特征波段阈值，根据特征波段阈值从采样点光谱反射率数据选择得到最优特征波段组合，所述最优特征波段组合作为水稻黑穗病预测数据；

所述特征波段阈值通过计算相关系数得到相关系数阈值和所述特征波段阈值通过计算类间不稳定指数得到类间不稳定指数阈值；

所述相关系数按照以下步骤进行：

其中，为皮尔逊相关系数，和 分别是变量X和Y的均值， 和 则分别是变量X和Y元素值；n为变量的元素个数；

所述相关系数阈值按照以下步骤进行：

根据相关系数与预设阈值比较得到优选高光谱波段，利用预测模型计算优选高光谱波段的预测精度，得到使得预测精度最高的相关系数阈值作为监测模型的相关系数阈值；

所述类间不稳定指数按照以下步骤进行：

公式中， 是在第个波段处两类样本的类间不稳定指数， 和 分别是类内偏差和类间偏差， 为第一类样本在第个波段的标准差， 为第二类样本在第个波段的标准差， 为第一类样本在第个波段的均值， 为第二类样本在第个波段的均值；

所述类间不稳定指数阈值按照以下步骤进行：

根据类间不稳定指数设置阈值区间，在阈值区间内用某一阈值选出优选特征波段，根据优选特征波段和预测模型，得到类间不稳定指数阈值。

2.如权利要求1所述的基于高光谱数据波段选择的水稻黑穗病提取方法，其特征在于：所述获取高光谱影像数据并进行预处理按照以下步骤进行：获取研究区域的高光谱影像得到影像为一个时间段内多次摄影测量的高光谱影像；

对高光谱影像数据进行滤波处理、归一化处理操作。

3.如权利要求1所述的基于高光谱数据波段选择的水稻黑穗病提取方法，其特征在于：还包括以下步骤：

根据二分类情况使用混淆矩阵和准确率、精确率、召回率和F1分数建立预测模型的评价标准，所述准确率、精确率、召回率和F1分数按照以下公式计算：其中， 表示矩阵和准确率； 表示精确率； 表示召回率； 表示F1分数；TP为预测结果为正例且真实情况为正例的数量，FP为真实情况为反例但是预测为正例的数量；TN为预测结果为反例且真实情况为反例的数量，FN为真实情况为反例但是预测为正例的数量。

4.如权利要求1所述的基于高光谱数据波段选择的水稻黑穗病提取方法，其特征在于：所述高光谱数据归一化处理按照以下公式进行：公式中，为某个波段的光谱反射值， 和 分别为某个波段的最大值和最小值。

5.基于高光谱数据波段选择的水稻黑穗病提取系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现上述权利要求1至4任一项所述的方法。