微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率

害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率(DSR,对光谱反射率求一阶导数)和微分光谱连续小波系数(DSR-CWC,利用Biorthogonal,Coiflets,Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换),分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks(Fp)函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法(SPA)对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归(PLSR)和支持向量机回归(SVMR)失叶率估测模型,并与逐步多元线性回归(SMLR)模型进行比较。研究结果表明:①DSR-CWC与DSR相比,对失叶率变化的敏感性更显著且敏感波段亦较多,其敏感波段主要分布于三个吸收谷(440~515,630~760和1420~1470nm)和三个反射峰(516~620,761~1000和1548~1610nm)范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式(Fp-SPA)不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4,coif2,db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型(R2M=0.9340,RMSEM=0.0890)提高的最为显著,比DSR-PLSR的R2M提高了0.0475并且比DSR-PLSR的RMSEM降低了0.0249。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见,DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。

雅氏落叶松尺蠖在蒙古高原适生区的分布

【目的】为防控蒙古国雅氏落叶松尺蠖(Erannis jacobsoni Djak)扩散,预测该虫在蒙古高原的潜在适生区分布。【方法】选取影响雅氏落叶松尺蠖适生性的6个气象指标,基于害虫分布点和寄主分布数据,利用Maxent模型和气候相似性分析方法,结合GIS空间分析方法预测害虫适生区,并将这2种方法相结合预测害虫适生区细化分布。利用Kappa系数对3种方法的预测精度进行评定。【结果】Maxent模型、气候相似性分析法以及2种方法综合预测的适生区总面积分别为9.11,10.34和7.56万km^2;三者预测的适生区总体分布基本一致,包括我国内蒙古呼伦贝尔、兴安盟及锡林郭勒和蒙古国库苏古尔、东方、色楞格、布尔干、扎布汗、肯特、后杭爱、中央、鄂尔浑、乌兰巴托及前杭爱等地区,其中极高和高适生区主要分布在蒙古国布尔干、后杭爱及库苏古尔;三者预测的Kappa系数分别为0.778,0.733和0.813,表明2种方法综合预测精度优于Maxent模型和气候相似性分析法。【结论】雅氏落叶松尺蠖在蒙古高原的适生区分布较广,应趁早采取防范措施保障蒙古高原森林生态系统安全;2种方法综合预测精度较高。

森林害虫雅氏落叶松尺蠖在蒙古国的适生区分布预测

对雅氏落叶松尺蠖(Erannis jacobsoni Djak)在蒙古国的适生区分布进行预测,旨在为有效防控该虫扩散提供科学依据。利用Maxent生态位模型和GIS空间分析方法预测雅氏落叶松尺蠖在蒙古国的适生区并对其进行等级划分,然后用受试者工作特征曲线(ROC曲线)对预测结果进行精度评定,最后采用刀切法(Jackknife)分析环境变量对害虫适生的重要性。结果表明,雅氏落叶松尺蠖适生区面积达13 988 265.42hm2,主要分布在蒙古国北部10省(后杭爱、布尔干、前杭爱、库苏古尔、鄂尔浑、中央、乌兰巴托、色楞格、肯特和扎布汗)和东部1省(东方),其中极高适生区主要分布在布尔干、后杭爱和中央等,高适生区主要分布在布尔干、库苏古尔和中央等;中适生区主要分布在库苏古尔、肯特和色楞格等;低适生区主要分布在后杭爱、布尔干和肯特等。森林种类、最暖季度平均温度、年降水量、最热月份最高温度和最冷月份最低温度等环境变量对预测的贡献率达77.91%。可见,雅氏落叶松尺蠖在蒙古国的适生区分布广,一旦暴发后果不堪设想。蒙古国东部的害虫适生区分布,将威胁中国大兴安岭林区生态系统安全。森林种类、最暖季度平均温度、年降水量、最热月份最高温度及最冷月份最低温度是主要影响害虫适生的环境变量。

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。

基于生态位模型的森林害虫潜在分布区预测研究进展——以蒙古高原雅氏落叶松尺蠖为例

指出了生态位模型是使用物种分布和系列环境变量数据,借助于某一算法对物种的生态需求进行分析,其运算结果在不同时空中的表达即为物种的实际和潜在分布区。近年来,该种模型在物种潜在分布区、动植物入侵风险、生物多样性保护、全球气候变化与物种分布等研究中得到广泛应用。从雅氏落叶松尺蠖的分布现状、生态位模型构建的基本原理应用等方面探讨了生态位模型在雅氏落叶松尺蠖潜在分布预测中的应用。生态位模型利用物种的分布点数据及与之相关的环境变量来模拟物种潜在分布,预测结果取决于环境变量的类别、分辨率等因素。MaxEnt模型基于有限的分布信息进行潜在分布区预测,且能在预测时充分考虑已知信息,而对未知信息不做过多揣测,根据客观的环境变量特征得出约束条件,探寻此约束条件下,该模型能够根据物种“出现点”的最大熵的可能分布。该种模型在蒙古高原雅氏落叶松尺蠖潜在分布预测研究中极具应用潜力。