基于最大熵模型的神农架林区华山松大小蠹灾害遥感监测

掌握森林病虫害的发生范围和危害程度,对于森林管理部门制定及时、有效的防治决策至关重要。本研究以2014年湖北省神农架林区华山松大小蠹(Dendroctonus armandi)灾害为背景,以野外调查数据、多光谱陆地资源卫星影像(Landsat)和数字高程模型(DEM)为基础数据源,结合最大熵(Max Ent)模型和迭代阈值分割算法,提出了适用于复杂林区的森林病虫害遥感监测方法(Max Ent-Segmentation),实现了神农架林区华山松大小蠹灾害空间分布范围和灾害程度的专题制图与精度评价。同时,为衡量所提出方法对于灾害程度评估的可靠性与准确度,本文还与传统光谱指数分析法进行了对比研究。结果表明:结合遥感光谱指数、海拔、坡度及有效太阳辐射等环境因子构建的Max Ent模型能够较为准确地监测华山松大小蠹灾害发生范围,受试者工作特征曲线下面积(AUC)值为0.938;当分类类型包括健康、轻度和重度时,Max Ent-Segmentation法分类精度最高达73.68%,明显高于传统光谱指数分析法(64.47%),表明该算法能够提高森林虫灾监测精度,适合用于植被类型多样、地形复杂林区的病虫害遥感监测。