基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

虫害检测算法研究是开展虫害快速、准确监测，制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度，基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结，选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66~898.56 nm值(ρ_{733.66~898.56})、一阶微分光谱的562.95~585.25 nm值(ρ′_{562.95~585.25})与706.18~725.41 nm值(ρ′_{706.18~725.41})等理化参数，随机划分实验组(63组)和验证组(37组)并设计5次重复实验；分别运用Fisher判别分析、BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型，从检测精度、Kappa系数及R2等指标对模型的检测效果予以分析和比较。结果显示，Fisher判别分析、BP神经网络、随机森林的检测精度分别为69.19%，65.41%，83.78%，Kappa系数分别为0.576 9，0.532 4和0.778 8，R2分别为0.722 2，0.582 6和0.870 9，总体而言，三种方法均具备刚竹毒蛾危害的检测能力，随机森林的检测效果最优，Fisher判别分析次之，再次为BP神经网络；从分等级来看，随机森林的检测精度亦优于Fisher判别分析与BP神经网络，但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考，并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。     

基于Fisher判别分析与随机森林的马尾松毛虫害检测

虫害检测算法的构建是耦合“地-天”特征的过程,是实现其遥感监测的重要保障。以福建省三明市、将乐县、沙县、南平市延平区等4个县(区、市)为试验区,收集182组马尾松毛虫害样本数据,随机划分为训练集与验证集,设置5次重复试验及1次指标筛除试验。结合马尾松毛虫危害下的寄主表征,获取松林叶面积指数LAI、叶面积指数标准误SEL、归一化差值植被指数NDVI、缨帽变换湿度轴WET及影像绿光波段B₂、红光波段B₃、近红外波段B₄等7个地面与遥感特征指标,建立其危害等级的Fisher判别分析与随机森林模型,从检测精度、Kappa系数、ROC曲线等角度综合比较两种算法的检测效果,并给予配对t检验。结果表明：7个指标均具备虫害响应能力,SEL和NDVI相对较弱;Fisher判别分析6次试验的虫害平均检测精度为73.26%,Kappa系数为0.631 9,而RF法则分别为79.30%,0.715 1,显著优于前者(p＜0.05);RF法对无危害、轻度危害、中度危害3个虫害等级的检测精度、Kappa系数、AUC均显著高于Fisher判别分析(p＜0.05),对于重度危害等级,Fisher判别分析则占优。总体而言,RF法对马尾松毛虫害的检测效果优于Fisher判别分析,但Fisher判别分析对重度危害等级有更高准确性且模型明确、易于推广,可综合应用两种算法开展虫害监测工作。该成果为马尾松毛虫害及其他森林病虫害的有效检测提供技术参考,奠定其遥感监测的基础。     

龄组植被指数的构建及其初步应用研究

林龄(龄组)是划分林分结构的主要指标之一,其对监测森林健康,推进森林可持续发展具有重要意义。本文提出一种基于遥感数据的龄组植被指数(AGVI),并对其可行性进行验证。以福建省三明市、将乐县、沙县、南平市、华安县、云霄县、南安市、安溪县、莆田市、长汀县、建阳市、宁德市及福清市等13个县(市)518组松林龄组数据及同时相HJ-1 CCD多光谱影像为基础,对各龄组松林冠层的蓝光、绿光、红光、近红外及NDVI的光谱差异性进行分析,各龄组在近红外波段表现为幼龄林＞中龄林＞过熟林＞成熟林＞近熟林的特征,NDVI则表现为成熟林＞近熟林＞过熟林＞幼龄林＞中龄林的特征,由此构建龄组植被指数AGVI;该指数可以扩大各龄组松林的绝对及相对光谱差异。采用K-均值法对松林AGVI进行聚类分析,结果显示,松林龄组的划分精度为80.45%,准确率为90.41%。由此证实本文所构建的龄组植被指数具备有效性。     

阴影植被指数SVI的构建及其在四种遥感影像中的应用效果

阴影是遥感影像中普遍存在的干扰因素,如何有效去除阴影已成为共识,寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。以Landsat TM,ALOS AVNIR-2,CBERS-02B CCD及HJ-1 CCD影像为试验数据,立足于进一步增大阴影区植被与明亮区植被、水体间的差异,实现影像阴影的有效检测,构建了一个新的植被指数——阴影植被指数SVI,该指数既可保证明亮区植被、阴影区植被、水体区在近红外波段的绝对差异,又能对NDVI进行放大,消除可能存在的混淆现象,改变NDVI直方图的“偏态”现象,使植被指数值更接近于正态分布,更符合地面实际;该指数适用于近红外波段辐射特征差异较大的地物。采用精度评估法验证SVI对明亮区植被、阴影区植被、水体区三类地物的识别效果,结果显示,四幅影像总分类精度依次高达98.89%,100%,97.78%,97.78%,总Kappa系数依次为0.983 3,1,0.966 7,0.966 7, 说明SVI对明亮区植被、阴影区植被及水体区具有极好的检测效果;对子影像、SVI与NDVI的统计指标对比亦说明,SVI可靠、有效,可以将其应用于影像阴影去除。     

松毛虫危害马尾松光谱特征分析与等级检测

以福建省延平区实测51条不同虫害等级的马尾松高光谱数据为基础,对健康、轻度虫害、中度虫害、重度虫害等4个虫害等级光谱反射率及一阶微分光谱特征进行分析,并在建立7个检验参数的基础上,构建了虫害等级的检测模型。结果表明:(1)虫害状态下的马尾松光谱反射率明显较健康状态低,虫害等级越高,反射率越低;(2)随着虫害等级的上升,马尾松光谱反射率曲线"绿峰"和"红谷"渐趋消失,红边被拉平;(3)虫害导致光谱"绿峰"红移、红边位置蓝移,但"红谷"与近红外反射峰位置的变化则较为复杂;(4)CARI,RES,REA,REDVI与松毛虫害等级显著相关,REP,RERVI,RENDVI与虫害等级的相关性较弱;(5)以7个检验参数为自变量的多元线性回归模型可以较为有效地检测松毛虫害等级,检测精度与准确度均达0.85以上。