松毛蟲危害下馬尾松林冠層光譜特征探討范文

本站小編為你精心準備了松毛蟲危害下馬尾松林冠層光譜特征探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《國土資源遙感雜志》2016年第3期

摘要:

深入挖掘寄主光譜響應機制是推進馬尾松毛蟲害遙感快速監測與預警的必要基礎。將采集于福建省長汀縣、南平市建陽區的46條馬尾松林冠層光譜曲線數據設為規則組，利用單因素方差分析法實現不同危害等級可辨性波長的選擇。研究表明，不同危害等級下的馬尾松林冠層光譜數據呈現極顯著差異(P＜0．01)，其中，中度—重度危害的馬尾松林冠層光譜可辨性在516．51～598．99nm和700．68～706．18nm位置上有顯著差異(P＜0．05)，在708．92～810．62nm位置上有極顯著差異(P＜0．01)。為此，以519．20nm，540．72nm，758．40nm和785．88nm波段處光譜反射率為組合，以健康狀態下的馬尾松林冠層光譜數據為標準樣本，基于空間距離法、相關系數法及光譜角制圖法分別建立松毛蟲危害等級的定量化判定規則，并利用將樂縣、南平市延平區、華安縣的34條驗證組光譜曲線數據對此規則進行驗證。結果顯示，空間距離法的判定效果遠優于相關系數法與光譜角制圖法;無松毛蟲危害、輕度危害、中度危害以及重度危害的空間距離判定規則依次為:＜0．3553，［0．3553，0．7425)，［0．7425，0．9631)及≥0．9631，判定精度為88．24%，準確率達97．06%。

關鍵詞:

馬尾松毛蟲害;光譜特征可辨性;單因素方差分析;空間距離法;相關系數法;光譜角制圖法

0引言

森林蟲害是森林健康與生態安全的重要威脅。不同蟲害對森林的危害部位亦不相同，都會影響林木生長，使林木冠層與林相發生變化［1－3］，具體可表現為葉色變化、葉片物理結構變化、葉與植株變形、葉片上產生的殘留物及葉綠素含量變化等，使受害林木在光譜、紋理等特征上發生明顯變化［4－5］;而這也成為蟲害遙感監測的重要依據。Ahern等［6］通過對遙感影像光譜特征的大量分析，獲取了病蟲危害下的森林面積及危害程度等信息;Bowers［7］基于高分辨率遙感影像，借助光譜分析與空間分析方法對香液冷杉林冠變化進行監測;武紅敢等［8］利用TM與SPOT數據對馬尾松毛蟲害遙感監測進行了初步探討，得到TM5/TM4和TM7/TM4(即短波紅外/近紅外)是監測森林病蟲害有效參數的重要成果;云麗麗等［9］計算了7種植被指數和TM4在松毛蟲害發生后油松的光譜值，得出TM4，TM4/TM3，(TM4－TM3)/(TM4+TM3)是監測松毛蟲害的特征指數;Latifi等［10］利用多時相Landsat與SPOT數據，研究了歐洲云杉八齒小蠹的空間特征，建立了隨機森林模型。馬尾松毛蟲(DendrolimuspunctatusWalker)為食葉性害蟲，通過危害松針，使松林冠層特征發生變化，如松針呈被啃食狀、葉片枯黃、枝干干枯等，從而使馬尾松林冠層產生光譜反射率差異和紋理結構異常等現象。20世紀90年代，吳繼友等［11－12］開展了松毛蟲危害的光譜特征研究，分析了山東省招遠市不同危害等級下的原始光譜與一階微分光譜的變化規律，主要表現為光譜紅邊藍移及葉綠素反射峰紅移等現象。近年，筆者曾以福建省南平市延平區實測的51條馬尾松林冠層的高光譜數據為基礎，對無危害、輕度危害、中度危害和重度危害等4個松毛蟲危害等級的光譜反射率及一階微分光譜特征進行分析，亦得到“綠峰”紅移、紅邊位置藍移等類似規律，但在部分波長范圍其變化較為復雜［13］。此外，前期研究發現了松毛蟲不同危害等級下松林冠層的若干顯著性差異波長，但定量化描述仍有不足。基于此，本文進一步探索松毛蟲危害下的馬尾松林冠層光譜特征的可辨性，為繼續推進松毛蟲害遙感監測技術的提升與突破打好基礎。

1實驗區概況

選擇福建省長汀縣、南平市建陽區與延平區、將樂縣、華安縣為實驗區。各縣(區)在自然稟賦上相似度較高，森林資源十分豐富，森林覆蓋率均在75%左右，將樂縣更是接近85%，居全省之首。人工林占絕對優勢，純林比重大，抵御病蟲害等生態風險的能力不足，故長期以來森防檢疫都是這些林區(縣)的重要工作之一。

2研究方法

2．1松林冠層光譜測定松林冠層光譜測定

采用合肥儀思特光電技術有限公司生產的ISI921VF－256野外地物光譜輻射計，波長范圍為可見光－近紅外的380～1050nm，波段數為256個，光譜分辨率為4nm，視場角3°;選擇晴朗少云天氣，測量平均精度設為3，每轉換1個測位均對照白板予以校正。在光譜測定過程中，需要借助地形差及竹竿測得松林冠層光譜，部分條件不足區域通過采集離體樣本現場測量，由此測得松林冠層光譜數據。將松毛蟲危害等級劃分為無危害、輕度危害、中度危害及重度危害4個等級(圖1)，其判定過程詳見文獻［13］。篩選得到80條光譜曲線數據用于本文研究，其中長汀縣、南平市建陽區共46條，將樂縣、南平市延平區、華安縣共34條。前者用于可辨性波長的分析與定量化判定規則的建立，設為“規則組”;后者則用于對判定規則的檢驗，設為“驗證組”。各實驗區測點分布見圖2，光譜測定時間見表1。

2．2不同危害等級冠層光譜可辨性波長選擇

采用單因素方差分析(One－wayANOVA)比較無危害、輕度危害、中度危害和重度危害等4個危害等級下馬尾松林冠層光譜在各個波長處是否存在顯著性差異。若P＜0．01，表明在該波長位置上不同危害等級有極顯著差異;若P＜0．05，表明有顯著差異;若P＞0．05，表明無顯著差異。單因素方差分析在SPSS17．0平臺上實現。結合分析結果及應用要求，實現不同危害等級可辨性波長的有效選擇。

2．3不同危害等級定量化判定規則建立

采用空間距離法、相關系數法和光譜角制圖法對4個危害等級的光譜可辨性進行進一步分析，建立松毛蟲不同危害等級定量化判定規則。1)空間距離法。該方法是常用的相似性度量方法，基于向量空間模型構建，即如果特征向量的特征個數為N，則將向量視為N維向量空間的一個點，通過計算向量之間的距離衡量二者的相似程度。理想的相似性度量方法應與人類視覺特性一致，如果視覺上相似，則距離較小，反之，距離較大。利用各樣本與不同危害等級下松林冠層光譜的空間距離、相關系數及光譜角余弦值可一一獲得樣本的歸屬，由此判定樣本的危害等級。考慮到定量化判定規則的簡明性、可應用性，本文以未受松毛蟲危害的健康松林為標準，計算其平均值建立“標準樣本”，分別計算無危害、輕度危害、中度危害、重度危害與“標準樣本”的空間距離、相關系數及光譜角余弦值，由此建立不同危害等級的定量化判定規則。

3結果與分析

3．1松毛蟲危害下馬尾松林冠層波長可辨性分析

分別將規則組5條無危害、10條輕度危害、10條中度危害及21條重度危害的光譜數據進行均值計算。由于本文主要研究可見光及紅邊區域的光譜特征，同時考慮到與常用多光譜遙感影像藍光、綠光、紅光和近紅外等標準譜段的對應性，故只保留了810nm以內的數據。由此，繪制不同受害等級下的馬尾松林冠層反射率曲線(圖3)。松毛蟲不同危害等級下的松林冠層光譜單因素方差分析結果見表2。分析表2發現，松毛蟲不同危害等級間的馬尾松林冠層光譜數據差異顯著;無—輕度危害、無—中度危害、無—重度危害、輕度—中度危害、輕度—重度危害、中度—重度危害兩兩比較顯示，除中度—重度危害外，各危害等級間的松林冠層反射率均有極顯著差異(P＜0．01)，而中度—重度危害在516．51～598．99nm和700．68～706．18nm位置上有顯著差異(P＜0．05)，在708．92～810．62nm位置上呈極顯著差異(P＜0．01)，在其他波長范圍則無顯著差異(P＞0．05)。開展松毛蟲危害下的馬尾松林冠層光譜特征可辨性研究旨在進一步挖掘松毛蟲危害的光譜響應機制，并為實現該蟲害的遙感快速、精確監測與預警打好基礎。因此，在對地面實測光譜數據進行分析的同時需要考慮與遙感影像緊密聯合。ISI921VF－256野外地物光譜輻射計測得的光譜數據含256個波段，對應于LandsatTM/ETM+，ALOSAVNIR－2及HJ－1CCD等國內外多光譜影像數據的藍光、綠光、紅光及近紅外波段。諸多研究亦表明［14－17］，由上述波段計算或反演而得的多個植被指數、葉面積指數等對松毛蟲害的響應較為敏感，故綜合考慮單因素方差分析結果及研究成果應用的便捷性，分別在藍光、綠光、紅光和近紅外波段上選擇差異最為顯著的波長，以此作為松毛蟲危害下馬尾松林冠層可辨性波長。在蟲害遙感的相關研究中，有一被稱為“紅邊”的特殊波長，通常指綠色植物在680～780nm的波長范圍，它是植物光譜分析的重要特征［18－19］，本文分析結果亦發現，該區域范圍內各蟲害等級下的松林冠層光譜差異普遍顯著。分別選擇519．20nm，540．72nm，758．40nm和785．88nm波段來建立松毛蟲危害等級定量化判定規則。

3．2松毛蟲危害等級的定量化判定

3．2．1基于空間距離法判定規則的建立

以所選4個可辨性波長為組合，分別計算46組規則組樣本與標準樣本的空間距離，并利用求平均、標準差等方法確定無危害、輕度危害、中度危害、重度危害與標準樣本的空間距離判定規則(表3)，確保規則組樣本自檢精度最高。表3顯示，重度危害與標準樣本的空間距離≥0．9631，表明重度危害下與健康狀態的松林冠層光譜特征相異性最大;其次為中度危害，其與標準樣本的空間距離為［0．7425，0．9631);再次為輕度危害，與標準樣本的空間距離為［0．3553，0．7425);無危害與標準樣本的空間距離＜0．3553，即兩者的松林冠層光譜特征相異性最小。也就是說，隨著松毛蟲危害等級的上升，松林冠層光譜特征與健康狀態的相異性逐漸增大。

3．2．2基于相關系數法判定規則的建立

參照3．2．1節規則的建立方法，得到基于相關系數法的松毛蟲危害等級判定規則(表4)。由表4可知，中度危害與標準樣本的相關系數最大，無危害次之，再次為重度危害，輕度危害最小。與空間距離法顯示的規律不同，相關系數并不隨著松毛蟲危害等級的上升而同向增大或反向減小。中度危害下的松林冠層光譜與健康松林的相關性最大，說明二者反射率間更接近于比例變換;輕度危害下的松林冠層光譜與標準樣本的相關性最小，表明松林初受松毛蟲危害后，其冠層特征發生相對劇烈的變化，不同波長上的反射率和吸收率紊亂。總體上看，不同危害等級下的松林冠層光譜特征相關性均較大，表明受松毛蟲危害下的松林冠層仍保留植被的基本光譜特征，比如在550nm附近位置，受危害的松林冠層反射率仍較兩側高，“綠峰”仍然存在，呈現被“拉平”的特征并漸趨消失［13］;此外，高相關性亦為判定規則的建立增加了難度。

3．2．3基于光譜角制圖法判定規則的建立

同理，建立基于光譜角制圖法的松毛蟲危害等級判定規則(表5)。從表5中可以看出，光譜角余弦判定規則及其規律與基于相關系數法所得到的結果類似，中度危害與標準樣本的光譜角余弦值最大，即二者光譜夾角最小，光譜曲線的相似性最高;無危害次之，再次為重度危害，輕度危害最小，表明輕度危害下的松林冠層光譜與健康松林冠層光譜夾角最大，兩者相似性最低。

3．2．4定量化判定規則的驗證與比較

利用驗證組中的34組樣本，分別根據空間距離判定規則、相關系數判定規則及光譜角余弦判定規則實現樣本松毛蟲危害等級的判定，計算并比較3種定量化判定規則下的判定精度與準確率(表6)。判定精度為判定正確的樣本數與總樣本數的比值。準確率的計算方法為:若判定的危害等級與實際等級完全一致，計1;無危害與有危害之間互相混淆，計0;在輕度危害、中度危害與重度危害3個有危害等級間，若相差1級為基本符合，計75%;若相差2級，計50%［20］;以其平均值作為松毛蟲危害等級判定的準確率。由表6可看出，基于空間距離法的判定精度最高，達88．24%;基于相關系數法的判定精度次之，為58．82%;基于光譜角制圖法的判定精度最低，為55．88%。3種判別規則的判定精度順序為:空間距離判定規則＞相關系數判定規則＞光譜角余弦判定規則。比較準確率可知，3種定量化判定規則的準確率依次為97．06%，76．47%和79．41%，準確率順序為:空間距離判定規則＞光譜角余弦判定規則＞相關系數判定規則。由此可見，空間距離判定規則對松毛蟲不同危害等級下的馬尾松林冠層光譜的判定效果最佳，相關系數與光譜角余弦的判定效果差異不大，但從判定精度和準確率方面都遠劣于空間距離法。

4結論

馬尾松林冠層光譜是松毛蟲危害的重要響應特征，深入挖掘其響應機制是推進該蟲害遙感快速監測與準確預警的基礎。不同危害等級下的馬尾松林冠層光譜數據呈現極顯著差異(P＜0．01)，中度—重度危害的光譜可辨性相對較低，僅在516．51～598．99nm，700．68～706．18nm位置上有顯著差異(P＜0．05)，在708．92～810．62nm位置上有極顯著差異(P＜0．01)，其他波長范圍則無顯著差異(P＞0．05)。以519．20nm，540．72nm，758．40nm和785．88nm位置上的反射率數據為基礎，分別基于空間距離法、相關系數法及光譜角制圖法建立松毛蟲危害等級的定量化判定規則，空間距離判定規則的判定效果最佳，判定精度為88．24%，準確率達97．06%。本研究的不足之處在于僅考慮了單個波段的光譜特征，因此未來可更深入地開展光譜組合特征的可辨性問題研究。

參考文獻：

［1］陳高，代力民，姬蘭柱，等．森林生態系統健康評估Ⅰ．模式、計算方法和指標體系［J］．應用生態學報，2004，15(10):1743－1749．

［4］郭志華，肖文發，蔣有緒．遙感在林冠動態監測研究中的應用［J］．植物生態學報，2003，27(6):851－858．

［5］亓興蘭，劉健，胡宗慶，等．基于紋理特征的SPOT-5影像馬尾松毛蟲害信息提取［J］．西南林業大學學報，2012，32(1):46－50，111．

［8］武紅敢，黃建文，喬彥友，等．松毛蟲早期災害點遙感監測研究初報［J］．林業科學，1995，31(4):379－384．

［9］云麗麗，欒慶書，金若忠，等．遼西地區油松毛蟲遙感監測的研究［J］．防護林科技，2010(2):14－17．

［11］倪健，吳繼友，蔣本和．赤松林受蟲害后生物學及光譜學特征的變化［J］．植物生態學報，1994，18(4):322－327．

［12］吳繼友，倪健．松毛蟲危害的光譜特征與蟲害早期探測模式［J］．環境遙感，1995，10(4):250－258．

［13］許章華，劉健，余坤勇，等．松毛蟲危害馬尾松光譜特征分析與等級檢測［J］．光譜學與光譜分析，2013，33(2):428－433．

［14］楊俊泉，陳尚文，沈建中，等．馬尾松毛蟲危害區植被指數時序變化特征研究［J］．國土資源遙感，1997，9(4):7－13．doi:10．6046/gtzyyg．1997．04．02．

［15］許章華，劉健，龔從宏，等．馬尾松毛蟲寄主有效葉面積指數遙感反演模型研究［J］．中南林業科技大學學報，2012，32(10):72－78．

［16］劉志明，晏明，張旭東，等．用氣象衛星監測大范圍森林蟲害方法研究［J］．自然災害學報，2002，11(3):109－114．

［17］亓興蘭，劉健，陳國榮，等．應用MODIS遙感數據監測馬尾松毛蟲害研究［J］．西南林學院學報，2010，30(1):42－46．

作者:許章華 劉健 陳崇成 余坤勇 黃旭影 王美雅 單位:福州大學環境與資源學院 福建農林大學3S技術應用研究所 福建農林大學林學院 三明學院 福州大學地理空間信息技術國家地方聯合工程研究中心