雅氏落叶松尺蠖不同危害程度下林木冠层颜色高光谱判别

针叶害虫爆发将会削减林木针叶水分和叶绿素含量,导致林木冠层颜色发生变化,甚至使林木死亡。这严重威胁森林生态系统健康安全。通过遥感技术监测受害林木冠层颜色变化,可对虫害林生态系统安全进行快速评估。因此,虫害林木冠层不同颜色判别研究极为重要。基于此,选择蒙古国肯特省和杭爱省的3个雅氏落叶松尺蠖爆发林区(binder, Ikhtamir和Battsengel)为试验区,开展落叶松受害过程冠层颜色变化信息调查和光谱测量试验,并利用高光谱特征和机器学习算法判别了落叶松冠层不同颜色。首先通过虫害灾区林木调查对冠层颜色进行了分色,即绿色、黄色、红色和灰色。同时根据不同危害程度下林木冠层不同颜色,从试验区选取66棵样本树,并对其冠层进行了光谱测量。其次以样本树光谱反射率曲线为基础数据,计算平滑光谱反射率(SSR)、微分光谱反射率(DSR)和平滑光谱连续小波系数(SSR-CWC)等高光谱特征,并借助方差分析法揭示了这些高光谱特征对冠层不同颜色的敏感性。再次采用Findpeaks函数和连续投影算法结合模式(Findpeaks-SPA)快速提取了SSR, DSR和SSR-CWC等高光谱特征的敏感特征。最后通过随机森林分类(RF)和支持向量机分类(SVMC)算法构建雅氏落叶松尺蠖虫害林木冠层不同颜色判别模型,并与费歇尔判别(FD)模型进行比较,评价了判别模型精度。研究发现:(1)可见光的多个波段, SSR-CWC对冠层不同颜色表现出了极显著的敏感性。(2)基于Findpeaks-SPA模式能够有效提取敏感高光谱特征,该模式不仅大大降低高光谱特征数量,而且改善了多重共线性问题。(3)判别冠层不同颜色最有潜力的高光谱特征为SSR-CWC,其Daubechies系、 Biorthogonal系、 Coiflets系和Symlets系的最优小波基分别为db9, bior1.5, coif1和sym4,其中db9-RF(SVMC)达到了最高的判别总体精度(0.900 0)。这比SSR-RF(SVMC)和DSR-RF(SVMC)模型分别提高了0.250 0(0.450 0)和0.250 0(0.100 0)。(4)基于DSR和SSR-CWC的RF和SVMC模型判别精度优于FD模型,尤其db9-RF(SVMC)模型更为明显,其判别总体精度和Kappa系数比db9-FD模型分别提高了0.150 0和0.167 0。可见,在虫害林木冠层不同颜色判别中db9-RF(SVMC)有极大潜力。这为林业和生态安全相关部门对森林虫害严重程度进行遥感监测提供重要参考和实用价值。

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。