基于MODIS-MOD09Q1数据的雅氏落叶松尺蠖灾区提取及其适生气候特征分析

通过MODIS-MOD09Q1遥感数据,使用归一化植被指数(NDVI)、比值植被指数(RVI)和近红外波段反射率(NIR)3个易获取且与虫害发生程度具有响应的指标,划分灾区受害度等级植被指数的变化,构建虫害综合指数(PCI)模型,实现雅氏落叶松尺蠖(Eeannis jacobssoni)灾区信息快速提取。在此基础上,借助气温和降水量数据,结合GIS空间叠加分析方法,揭示了害虫适生气候特征。结果表明,利用虫害综合指数能够准确提取害虫灾区严重度信息,其总体精度和Kappa系数分别为85.00%和0.81;雅氏落叶松尺蠖适宜于冬季、春季降水量较少、夏季降水量较多,气温不宜太高的气候,这与其生物学特性相吻合。该气候与大兴安岭林区相似,入侵风险较大,应引起中国林业部门的高度重视。

基于高光谱特征的雅氏落叶松尺蠖虫口密度估算

【目的】多年来,蒙古高原典型落叶松害虫雅氏落叶松尺蠖Eeannis jacobsoni发生频繁,使森林生态系统遭到严重破坏。虫口密度可直接描述森林虫害严重程度,进而及时、快速获得害虫虫口密度信息显得极为重要。本研究旨在依据雅氏落叶松尺蠖暴发区的落叶松光谱实测数据和虫口密度数据,构建基于高光谱特征的虫口密度估算方法。【方法】以蒙古国后杭爱省和肯特省4个地点雅氏落叶松尺蠖暴发区为试验区。首先从这4个试验区选取不同程度受害的110株西伯利亚落叶松Larix sibirica样本树,调查虫口密度和测量冠层光谱反射率;其次通过光谱反射率数据获得微分光谱反射率(differential spectral reflectance,DSR)和计算改进型光谱指数(modified spectral index,MSI);再次运用多项式曲线拟合法,分析DSR和MSI对虫口密度的敏感性;然后借助连续投影算法(successive projection algorithm,SPA)提取敏感DSR和MSI;最后利用敏感DSR和MSI,结合多项式回归(polynomial regression,PR)和支持向量机回归(support vector machine regression,SVMR)算法,建立雅氏落叶松尺蠖虫口密度估算模型,并评定了其精度。【结果】DSR的敏感波段主要在黄边和红边波段内,其中572 nm的敏感性最显著(R2=0.5821,P<0.001),MSI的最敏感指数为TVI(R2=0.5386,P<0.001);TVI(R2CV=0.6323,RMSECV=0.1513)比DSR572(R2CV=0.5581,RMSECV=0.1649)估算精度高,而多个DSR(R2=0.7309,RMSECV=0.1347)比多个MSI(R2CV=0.6537,RMSECV=0.1453)更有估算潜力,其中SVMR模型性能始终优于PR模型,说明SVMR更加适用于虫口密度估算。【结论】MSI和DSR可作为虫口密度估算的敏感指标,多项式曲线拟合法能够挖掘MSI和DSR对虫口密度的敏感性;SPA是虫口密度敏感光谱特征提取的一种有效方法,其提取的DSR敏感指标和MSI敏感指数充分捕捉了针叶叶绿素吸收特征、水分吸收特征以及针叶细胞受损引起的反射特征。该研究不仅为利用航空航天遥感监测森林害虫虫口密度提供实验理论基础,而且为森林虫害遥感监测拓展了新途径。

不同遥感传感器监测森林虫害研究进展与展望

森林约占陆地面积的1/4,是全球生态系统重要组成部分。近年来害虫侵袭致使林木大量死亡,森林生态安全遭到破坏,亟需探寻一种简洁、高效的森林虫害监测方法。通过分析与总结国内外学者的研究,并查询相关书籍资料,对比多光谱、高光谱和微波等遥感传感器在森林虫害监测中的应用,对其优劣势进行分析。研究发现多光谱遥感空间分辨率高,但光谱分辨率较差,难以感知林木内部细微变化;高光谱遥感光谱分辨率高,可以感知林木内部细微变化,但其空间分辨率较低,且数据量大不易计算;微波遥感具有很强的穿透性,可进行全天候、全天时监测且不易受天气影响,但其空间分辨率低,难以获取林木光谱信息。未来应提高害虫区分能力、早期监测能力以及通过多源数据构建星空地协同的森林虫害遥感监测系统等发展趋势。为森林虫害遥感监测研究提供一种新思路。