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。