張衡，潘潔，廖振峰

(南京林業(yè)大學(xué)森林資源與環(huán)境學(xué)院，江蘇南京 210037)

森林病蟲(chóng)害是我國(guó)主要的森林災(zāi)害之一，每年都會(huì)對(duì)森林資源造成巨大損失，同時(shí)給生態(tài)環(huán)境帶來(lái)嚴(yán)重的負(fù)面影響。就目前所知，中國(guó)的森林病蟲(chóng)害共有8000多種，每年造成的經(jīng)濟(jì)損失高達(dá)50多億元，給我國(guó)的林業(yè)生產(chǎn)和生態(tài)環(huán)境建設(shè)帶來(lái)巨大影響，嚴(yán)重制約著我國(guó)林業(yè)的可持續(xù)發(fā)展［1］。因此，人們迫切地需要一種有效的方法來(lái)及時(shí)監(jiān)測(cè)和預(yù)防這些森林病蟲(chóng)害的發(fā)生發(fā)展。遙感技術(shù)的發(fā)展與應(yīng)用成為森林病蟲(chóng)害監(jiān)測(cè)的新的發(fā)展方向和研究熱點(diǎn)。

傳統(tǒng)的監(jiān)測(cè)方法是人們到現(xiàn)場(chǎng)用目測(cè)手查的手段觀(guān)察有無(wú)病蟲(chóng)害的發(fā)生及其危害程度，既費(fèi)時(shí)又費(fèi)力，而且獲取的信息還具有嚴(yán)重的滯后性，對(duì)預(yù)報(bào)準(zhǔn)確率有很大影響［2］。近年來(lái)，隨著信息技術(shù)的迅速發(fā)展，遙感作為一種快捷迅速的監(jiān)測(cè)手段被運(yùn)用到森林病蟲(chóng)害的監(jiān)測(cè)中。利用遙感監(jiān)測(cè)森林病蟲(chóng)害具有面積大、周期短、獲取的信息不受干擾等優(yōu)勢(shì)，越來(lái)越得到人們的廣泛關(guān)注，具有廣闊的發(fā)展前

景［3-5］。而高光譜遙感技術(shù)的出現(xiàn)進(jìn)一步拓寬了遙感監(jiān)測(cè)森林病蟲(chóng)害這一新領(lǐng)域，分析利用高光譜遙感技術(shù)監(jiān)測(cè)森林病蟲(chóng)害的原理及可行性對(duì)實(shí)現(xiàn)病蟲(chóng)害的早期防治具有重要意義［6］。

1 高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害的原理

高光譜遙感是高光譜分辨率遙感(Hyperspectral Remote Sensing)的簡(jiǎn)稱(chēng)，它是指利用很多很窄(通常波段寬度＜10 nm)的電磁波波段從目標(biāo)物體上獲取相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)可形成一條完整而且連續(xù)的光譜曲線(xiàn)［7］。高光譜遙感是本世紀(jì)初對(duì)地觀(guān)測(cè)方面所取得的重大技術(shù)突破之一，是當(dāng)今遙感的前沿技術(shù)。與傳統(tǒng)的遙感技術(shù)相比，高光譜遙感具有波段窄、通道多、圖像與光譜可以合二為一等優(yōu)點(diǎn)，它是以納米級(jí)的高光譜分辨率和幾十到幾百個(gè)波段同時(shí)對(duì)地物成像，因此，獲得的地物光譜信息連續(xù)且精細(xì)。高光譜遙感的這種特征非常有利于地物的精細(xì)識(shí)別和分類(lèi)，能改善植被類(lèi)型識(shí)別和分類(lèi)精度，提高植被參數(shù)的估測(cè)和反演精度［8-11］。

受害森林群落的光譜特征變化是利用遙感來(lái)監(jiān)測(cè)森林病蟲(chóng)害的主要依據(jù)。森林病蟲(chóng)害的種類(lèi)很多，其危害樹(shù)木的部位也各不相同，如葉片、樹(shù)干或樹(shù)根等。不管其危害樹(shù)木的哪一部位，最終都會(huì)導(dǎo)致樹(shù)木的生長(zhǎng)受到影響，外觀(guān)發(fā)生變化，如葉片枯黃、掉落或樹(shù)木枯死等。森林植物綠色葉片內(nèi)部組織結(jié)構(gòu)的變化、功能的變異和樹(shù)木形態(tài)結(jié)構(gòu)的非正常變化(葉片顏色的變化、葉片與植株變形、葉片物理結(jié)構(gòu)的變化、葉綠素含量的變化及葉片上所產(chǎn)生的殘留物等)都可使受病蟲(chóng)害侵染的樹(shù)木在光譜特征上發(fā)生明顯的變化。因此，根據(jù)通過(guò)遙感手段獲取的光譜反射率的差異和結(jié)構(gòu)異常，特別是借助于高光譜遙感數(shù)據(jù)的精細(xì)探測(cè)方法，并在地理信息系統(tǒng)和專(zhuān)家系統(tǒng)的支持下，能夠及時(shí)有效地實(shí)現(xiàn)森林病蟲(chóng)害的有效監(jiān)測(cè)［12-13］。

2 高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害研究現(xiàn)狀

利用高光譜影像和高光譜數(shù)據(jù)分析技術(shù)研究樹(shù)木受病蟲(chóng)危害后的變化，尋找病蟲(chóng)危害程度與原始光譜、植被指數(shù)等變化之間的關(guān)系，確定不同樹(shù)種病蟲(chóng)害監(jiān)測(cè)的敏感波段和敏感時(shí)期，是目前高光譜遙感用于森林病蟲(chóng)害監(jiān)測(cè)的研究熱點(diǎn)和關(guān)鍵［14-17］。

2.1 利用高光譜數(shù)據(jù)提取生化參數(shù)監(jiān)測(cè)森林病蟲(chóng)害目前，有許多研究是利用光譜儀獲取植株的高光譜數(shù)據(jù)后提取植物的各類(lèi)生化參數(shù)，得到植株的病蟲(chóng)害信息，以此來(lái)實(shí)施對(duì)森林病蟲(chóng)害的監(jiān)測(cè)。伍南等分析了炭疽病脅迫下杉木Cunninghamia lanceolata冠層的高光譜特征，并將冠層光譜、一階微分光譜參數(shù)與相應(yīng)的色素含量進(jìn)行回歸分析，發(fā)現(xiàn)病害脅迫下杉木冠層色素含量與一階微分光譜在紅邊(695～754 nm)內(nèi)相關(guān)性最高，且與單波段一階微分光譜741 nm處的相關(guān)系數(shù)最大，于是指出可利用高光譜信息定量估算病害脅迫下杉木冠層的色素含量，以此來(lái)實(shí)現(xiàn)對(duì)杉木炭疽病的早期監(jiān)測(cè)預(yù)報(bào)［18］。李軍 等以6年生意大利214楊Populus×canadensis cv．‘I-214’為材料，分別測(cè)定了試驗(yàn)和對(duì)照區(qū)冠層、葉片的高光譜數(shù)據(jù)及相應(yīng)的生化參數(shù)(葉綠素含量、含水量等)，結(jié)果表明，意大利214楊受楊扇舟蛾Clostera anachoreta和楊小舟蛾Micromelalopha troglodyta危害后，冠層和葉片的光譜反射率均變小，冠層和葉片光譜的紅邊具有“雙峰”現(xiàn)象，且相應(yīng)的生化參數(shù)葉綠素含量、含水量等均顯著減少［19］。許章華 等以福建省南平市延平區(qū)實(shí)測(cè)的51條不同馬尾松毛蟲(chóng)Dendrolimus punctata punctata蟲(chóng)害等級(jí)的馬尾松Pinus massoniana高光譜數(shù)據(jù)為基礎(chǔ)，分析了健康、輕度蟲(chóng)害、中度蟲(chóng)害、重度蟲(chóng)害等4個(gè)蟲(chóng)害等級(jí)的光譜反射率及一階微分光譜特征，并在建立7個(gè)檢驗(yàn)參數(shù)的基礎(chǔ)上，構(gòu)建了蟲(chóng)害等級(jí)的檢測(cè)模型［20］。王曉堂 等采用高光譜技術(shù)研究了松萎蔫病的動(dòng)態(tài)變化，發(fā)現(xiàn)可以借助高光譜數(shù)據(jù)分析，定量反演冠層葉綠素含量，判斷是否感病，以此實(shí)現(xiàn)松萎蔫病的早期監(jiān)測(cè)預(yù)警［21］(表1)。

表1 利用高光譜數(shù)據(jù)提取生化參數(shù)監(jiān)測(cè)森林病蟲(chóng)害示例

將植株的高光譜數(shù)據(jù)和葉綠素含量進(jìn)行相關(guān)性分析，建立二者的數(shù)學(xué)模型，然后利用獲得的高光譜數(shù)據(jù)反演植株的葉綠素含量，得到植株的病蟲(chóng)害信息，以此實(shí)現(xiàn)對(duì)病蟲(chóng)害的監(jiān)測(cè)也是目前研究的一大熱點(diǎn)。林輝 等以湖南省攸縣黃豐橋國(guó)有林場(chǎng)杉木成熟林為對(duì)象，利用手持式光譜儀采集波譜數(shù)據(jù)，并對(duì)數(shù)據(jù)和葉綠素含量進(jìn)行相關(guān)性分析，建立了杉木葉綠素含量的高光譜模型:y=0．291x395+20．172x521+0．758(x為某一波段處的光譜反射率)［22］。而劉秀英 等以類(lèi)似的方法，分析了樟樹(shù)Cinnamomum camphora葉片光譜與葉綠素含量之間的關(guān)系，并建立了樟樹(shù)葉綠素含量的高光譜模型:y=exp〔1．356+(-361．973)Db〕(Db是藍(lán)邊內(nèi)一階微分光譜中的最大值，藍(lán)邊覆蓋490～530 nm)［23］。石韌 等在2005年吉林省敦化、和龍兩市落葉松Larix gmelini冠層采樣測(cè)量數(shù)據(jù)的基礎(chǔ)上，根據(jù)不同健康程度的落葉松冠層光譜曲線(xiàn)在可見(jiàn)光及近紅外波段的差異，利用反應(yīng)這些差異的光譜特征參數(shù)建立了落葉松冠層光合色素含量的回歸模型［24］(表1)。這幾項(xiàng)研究為利用高光譜數(shù)據(jù)定量預(yù)測(cè)和反演森林光合色素含量提供了方法和依據(jù)，而如何將這些研究結(jié)果應(yīng)用到實(shí)踐中去是下一步研究的主要內(nèi)容。

以上大量研究表明，高光譜遙感技術(shù)可以準(zhǔn)確、迅速地提取植物的生化參數(shù)，得到植株的病蟲(chóng)害信息，以此來(lái)判斷植株是否感病，這種監(jiān)測(cè)方法不僅方便、快捷，而且獲得的信息具有較好的時(shí)效性，因此利用高光譜遙感技術(shù)提取生化參數(shù)監(jiān)測(cè)森林病蟲(chóng)害具有較高的應(yīng)用價(jià)值和廣闊的發(fā)展前景。

2.2 利用高光譜遙感影像的圖像處理和分析技術(shù)進(jìn)行森林病蟲(chóng)害監(jiān)測(cè) 利用高光譜遙感影像監(jiān)測(cè)森林病蟲(chóng)害也是目前研究的主要內(nèi)容，這類(lèi)監(jiān)測(cè)方法主要是先利用高光譜成像技術(shù)獲得遙感影像，然后處理和分析圖像，得到植株的病蟲(chóng)害信息，判斷植株的感病情況，以此實(shí)現(xiàn)對(duì)病蟲(chóng)害的監(jiān)測(cè)。王植 等首次提出利用高光譜遙感技術(shù)監(jiān)測(cè)板栗Castanea mollissima病蟲(chóng)害，根據(jù)板栗植株染病前后光譜反射率的差異和結(jié)構(gòu)異常在遙感數(shù)字圖像上的記錄，并結(jié)合地面調(diào)查，可實(shí)現(xiàn)板栗病蟲(chóng)害的早期監(jiān)測(cè)，為利用高光譜遙感技術(shù)監(jiān)測(cè)板栗病蟲(chóng)害提供了理論依據(jù)［25］。胡榮明 等分別從傳統(tǒng)基于光譜特征和面向?qū)ο筇卣?個(gè)方向?qū)Р“咛O(píng)果Malus pumila樹(shù)葉片的高光譜圖像進(jìn)行病斑提取，并加以分析，發(fā)現(xiàn)采用對(duì)象分類(lèi)法可以避免結(jié)果圖中的椒鹽噪聲，而且總體精度也達(dá)到98%以上，為利用遙感監(jiān)測(cè)植物病蟲(chóng)害提供了技術(shù)支持［26］。Aleixos利用高光譜成像技術(shù)評(píng)估了柑橘類(lèi)水果品質(zhì)，并以此開(kāi)發(fā)機(jī)器視覺(jué)系統(tǒng)［27］。蔡鍵榮 等探討了利用高光譜圖像技術(shù)檢測(cè)柑橘Citrus reticulata外部品質(zhì)的可行性，通過(guò)主成分分析選出最適宜檢測(cè)柑橘果銹的高光譜圖像，然后進(jìn)行中值濾波、平方根變換等運(yùn)算完成特征提取，以此檢測(cè)柑橘果銹。結(jié)果表明此方法對(duì)柑橘果銹檢測(cè)的正確率可達(dá)到90%，并指出可用此方法來(lái)檢測(cè)其它水果的品質(zhì)［28］。Lu，Xing和ElMasry分別用高光譜成像技術(shù)檢測(cè)蘋(píng)果瘀傷，并得到不同的結(jié)果，Lu認(rèn)為1000～1340 nm是檢測(cè)蘋(píng)果瘀傷的最佳波段，而Xing和ElMasry則認(rèn)為558～760 nm才是最優(yōu)波段［29-31］。Qin在波長(zhǎng)范圍450～930 nm之間獲取柑桔潰瘍病的高光譜圖像，并利用1個(gè)以光譜信息散度(SID)為基礎(chǔ)的分類(lèi)方法來(lái)區(qū)分病變與健康的水果，發(fā)現(xiàn)其精確度可達(dá)96%［32］。Shafri等利用機(jī)載高光譜成像技術(shù)對(duì)油棕櫚Elaeis guineensis植物園的靈芝莖基腐病進(jìn)行檢測(cè)，分別用不同植被指數(shù)和紅邊技術(shù)來(lái)區(qū)分病變和健康值株，結(jié)果發(fā)現(xiàn)其分類(lèi)精度在73%～84%之間，于是指出航空高光譜成像可以用于規(guī)模較大的種植園內(nèi)病害的檢測(cè)和管理［33］(表2)。由于利用高光譜遙感影像監(jiān)測(cè)森林病蟲(chóng)害是一個(gè)較新的領(lǐng)域，而且其成本也相對(duì)較高，所以到目前為止關(guān)于這方面的研究仍是比較少見(jiàn)，而如何達(dá)到費(fèi)用與成效的“雙贏”是下一步研究中有待解決的問(wèn)題。

表2 利用高光譜遙感影像的圖像處理和分析技術(shù)監(jiān)測(cè)林木病蟲(chóng)害示例

2.3 利用高光譜數(shù)據(jù)的統(tǒng)計(jì)分析與建模技術(shù)進(jìn)行森林病蟲(chóng)害監(jiān)測(cè)利用高光譜獲取的數(shù)據(jù)量比較龐大，如何充分利用這些高光譜數(shù)據(jù)進(jìn)行植被的定量對(duì)地觀(guān)測(cè)是目前研究所面臨的問(wèn)題之一，而尋找有效的高光譜分析算法是解決這一問(wèn)題的關(guān)鍵。

多元統(tǒng)計(jì)分析技術(shù)是在高光譜數(shù)據(jù)分析中普遍采用的技術(shù)，它以獲得的高光譜數(shù)據(jù)或它的變換形式(如對(duì)數(shù)、導(dǎo)數(shù)變換等)作為自變量，以采集樣本的生物物理、化學(xué)參數(shù)(如葉綠素或其它光合色素含量)為因變量，建立多元回歸估計(jì)模型。這一分析方法在目前的研究中比較常見(jiàn)，像王曉堂 等為了利用高光譜早期監(jiān)測(cè)馬尾松與黑松Pinus thunbergii的松萎蔫病，并對(duì)獲取的高光譜數(shù)據(jù)進(jìn)行處理，將單波段光譜指數(shù)以及通過(guò)波段組合獲取的多種變換參數(shù)與葉綠素濃度進(jìn)行回歸分析，篩選出相關(guān)系數(shù)最大的建立回歸模型，以此實(shí)現(xiàn)植株葉綠素含量的早期監(jiān)測(cè)并據(jù)此判斷是否感病［21］。而林輝、劉秀英、石韌 等都是根據(jù)這種方法，對(duì)測(cè)得的高光譜數(shù)據(jù)進(jìn)行分析，建立了葉綠素含量的高光譜模型，并在此基礎(chǔ)上做進(jìn)一步的研究［22-24］。而張永賀 等為了建立桉樹(shù)Eucalyptus spp．葉片光合色素含量的高光譜估算模型，采用了20個(gè)常見(jiàn)的高光譜吸收特征變量，然后利用SPSS統(tǒng)計(jì)軟件計(jì)算光合色素含量與這些高光譜特征變量之間的相關(guān)系數(shù)，以此建立估算模型并進(jìn)行精度檢驗(yàn)［34］。伍南 等通過(guò)實(shí)地調(diào)查，獲取杉木炭疽病病情指數(shù)以及各級(jí)病情梯度的高光譜遙感數(shù)據(jù)，然后將冠層光譜一階微分?jǐn)?shù)據(jù)與相應(yīng)的病情指數(shù)進(jìn)行相關(guān)性分析，選取相關(guān)系數(shù)大于0．7的高光譜微分指數(shù)來(lái)構(gòu)建反演模型并檢驗(yàn)精度，估測(cè)杉木的炭疽病病情［35］(表3)。

隨著研究的深入，許多理論也被應(yīng)用到高光譜數(shù)據(jù)的分析中。杜華強(qiáng) 等為了分析植被的健康狀況，在分析光譜特征參數(shù)的基礎(chǔ)上，提出利用分形理論對(duì)反射光譜曲線(xiàn)進(jìn)行分形測(cè)量，用分形維數(shù)來(lái)定量反映植被健康狀況，通過(guò)分析發(fā)現(xiàn)分形維數(shù)與綠峰反射高度、紅谷吸收深度以及紅邊面積存在較好的多元線(xiàn)性關(guān)系，指出分形維數(shù)可以作為1個(gè)綜合參數(shù)客觀(guān)反映植被葉片健康狀況［36］。同時(shí)杜華強(qiáng)等也將分形理論應(yīng)用在馬尾松松材線(xiàn)蟲(chóng)病的早期探測(cè)中，結(jié)果發(fā)現(xiàn)，分形維數(shù)綠峰反射高度和紅谷吸收深度存在正相關(guān)關(guān)系，指出利用分形理論實(shí)施對(duì)馬尾松松材線(xiàn)蟲(chóng)病的早期高光譜探測(cè)是可行的［37］(表3)。

表3 利用高光譜數(shù)據(jù)的統(tǒng)計(jì)分析與建模技術(shù)進(jìn)行林木病蟲(chóng)害監(jiān)測(cè)示例

3 高光譜遙感在森林病蟲(chóng)害監(jiān)測(cè)中的發(fā)展趨勢(shì)

隨著遙感在林業(yè)上的廣泛應(yīng)用，利用高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害也越來(lái)越引起人們的廣泛關(guān)注，但由于研究條件和時(shí)間的限制，目前關(guān)于這方面的研究并不多見(jiàn)，許多問(wèn)題還需要進(jìn)行更深入的探討和研究。今后利用高光譜監(jiān)測(cè)病蟲(chóng)害研究將主要集中在以下幾個(gè)方面:1)加強(qiáng)利用高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害的基礎(chǔ)理論研究，區(qū)分不同病蟲(chóng)害所引起的不同樹(shù)種的光譜特征變化，提高監(jiān)測(cè)的準(zhǔn)確性;2)將理論研究應(yīng)用于生產(chǎn)實(shí)踐，嘗試?yán)脽o(wú)人飛機(jī)獲取光譜數(shù)據(jù)和遙感影像進(jìn)行病蟲(chóng)害的早期監(jiān)測(cè);3)加大高光譜遙感在監(jiān)測(cè)森林病蟲(chóng)害中的應(yīng)用，建立多種森林病蟲(chóng)害的光譜數(shù)據(jù)庫(kù)，為利用高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害打下堅(jiān)實(shí)的理論基礎(chǔ);4)建立集監(jiān)測(cè)、預(yù)警及決策為一體的森林病蟲(chóng)害高光譜遙感監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)森林病蟲(chóng)害的實(shí)時(shí)監(jiān)測(cè)，做到對(duì)病蟲(chóng)害的早期預(yù)警及信息發(fā)布。

高光譜遙感技術(shù)的研究與應(yīng)用是當(dāng)前林業(yè)遙感領(lǐng)域的前沿，它的高分辨率、高時(shí)效性的特點(diǎn)，使得其能夠精準(zhǔn)的獲得植株的病蟲(chóng)害信息。雖然高光譜遙感在監(jiān)測(cè)森林病蟲(chóng)害上已經(jīng)取得一些進(jìn)展，但是要走向成熟仍是任重道遠(yuǎn)，隨著研究的進(jìn)一步深入，將理論研究推廣到實(shí)際運(yùn)作中去是今后研究的一個(gè)主要發(fā)展方向，而如何達(dá)到成本與成效的“雙贏”仍是有待解決的問(wèn)題。高光譜遙感在監(jiān)測(cè)森林病蟲(chóng)害上仍需要挖掘不同植株、不同病蟲(chóng)害的光譜信息，完善其在監(jiān)測(cè)方法上與其他行業(yè)相結(jié)合的管理模式，為林業(yè)遙感的發(fā)展帶來(lái)新的活力。

［1］ 高永剛，劉丹，張福娟，等．衛(wèi)星遙感在森林病蟲(chóng)害監(jiān)測(cè)上的研究進(jìn)展［J］．中國(guó)農(nóng)學(xué)通報(bào)，2006，22(2):113-117．

［2］ 云麗麗，欒慶書(shū)，金若忠，等．遙感技術(shù)在森林病蟲(chóng)害監(jiān)測(cè)上的研究進(jìn)展［J］．遼寧林業(yè)科技，2012(1):40-44．

［3］ 陳兵，李少昆，王克如，等．作物病蟲(chóng)害遙感監(jiān)測(cè)研究進(jìn)展［J］．棉花學(xué)報(bào)，2007，19(1):57-63．

［4］ 王蕾，駱有慶，張曉麗，等．遙感技術(shù)在森林病蟲(chóng)害監(jiān)測(cè)中的應(yīng)用研究進(jìn)展［J］．世界林業(yè)研究，2008，21(5):37-43．

［5］ 張?zhí)?，張曉麗，劉紅偉，等．遙感在森林病蟲(chóng)害監(jiān)測(cè)中的應(yīng)用研究［J］．安徽農(nóng)業(yè)科學(xué)，2010，38(21):11604-11607．

［6］ 姚云軍，秦其明，張自力，等．高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展［J］．農(nóng)業(yè)工程學(xué)報(bào)，2008，24(7):301-306．

［7］ 陳鵬程，張建華，雷勇輝，等．高光譜遙感監(jiān)測(cè)農(nóng)作物病蟲(chóng)害研究進(jìn)展［J］．中國(guó)農(nóng)學(xué)通報(bào)，2006，22(2):388-391．

［8］ 何誠(chéng)，馮仲科，袁進(jìn)軍，等．高光譜遙感技術(shù)在生物多樣性保護(hù)中的應(yīng)用研究進(jìn)展［J］．光譜學(xué)與光譜分析，2012，32(6):1628-1632．

［9］ Vane G，Goetz A F H．Terrestrial imaging spectrometry:current status，future trends［J］．Remote Sens Environ，1993，44:117-126．

［10］ Green RO，Eastwood M L，Sarture CM，et al．Imaging spectroscopy and the airborne visible/infrared imaging spectrometer(AVIRIS)［J］．Remote Sens Environ，1998，65:227-248．

［11］ 唐延林，黃敬峰．農(nóng)業(yè)高光譜遙感研究的現(xiàn)狀與發(fā)展趨勢(shì)［J］．遙感技術(shù)與應(yīng)用，2001，16(4):248-251．

［12］ 曾兵兵，張曉麗，路常寬，等．森林病蟲(chóng)害遙感監(jiān)測(cè)研究的現(xiàn)狀與展望［J］．中國(guó)森林病蟲(chóng)，2008，22(2):24-29．

［13］ 黃麟，張曉麗，石韌．森林病蟲(chóng)害遙感監(jiān)測(cè)技術(shù)研究的現(xiàn)狀與問(wèn)題［J］．遙感信息，2006(2):71-75．

［14］ 譚炳香．高光譜遙感森林應(yīng)用研究探討［J］．世界林業(yè)研究，2003，16(2):33-37．

［15］ 趙春燕，楊志高．高光譜遙感技術(shù)及其在森林監(jiān)測(cè)中的應(yīng)用探討［J］．林業(yè)調(diào)查規(guī)劃，2006，31(1):4-6．

［16］ 張光輝．高光譜遙感技術(shù)在現(xiàn)代林業(yè)中的應(yīng)用與發(fā)展［J］．四川林勘設(shè)計(jì)，2007(4):66-69．

［17］ 譚炳香，李增元，陳爾學(xué)，等．高光譜遙感森林信息提取研究進(jìn)展［J］．林業(yè)科學(xué)研究，2008，21(S1):105-111．

［18］ 伍南，劉君昂，周?chē)?guó)英，等．基于高光譜數(shù)據(jù)的病害脅迫下杉木冠層色素含量估算研究［J］．中國(guó)農(nóng)學(xué)通報(bào)，2012，28(1):73-79．

［19］ 李軍，楊秋珍，黃敬峰，等．楊扇舟蛾和楊小舟蛾危害對(duì)意大利214楊高光譜特征的影響［J］．北京林業(yè)大學(xué)學(xué)報(bào)，2007，29(6):148-155．

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

［21］ 王曉堂．基于高光譜的松萎蔫病動(dòng)態(tài)變化的研究［D］．2011，南京:南京林業(yè)大學(xué)．

［22］ 林輝，劉璇，臧卓，等．杉木葉綠素含量高光譜遙感模型研究［J］．中南林業(yè)科技大學(xué)學(xué)報(bào)，2010，30(11):1-5．

［23］ 劉秀英，熊建利，林輝．基于高光譜特征參數(shù)的樟樹(shù)葉綠素含量的估算模型研究［J］．廣東農(nóng)業(yè)科學(xué)，2011(5):1-4．

［24］ 石韌，劉禮，高娜．用高光譜數(shù)據(jù)反演健康與病害落葉松冠層光合色素含量的模型研究——基于2005年吉林省敦化、和龍兩市落葉松冠層采樣測(cè)量數(shù)據(jù)［J］．遙感技術(shù)與應(yīng)用，2008，23(3):264-271．

［25］ 王植，曹均，曹慶昌，等．高光譜遙感監(jiān)測(cè)板栗病蟲(chóng)害的可行性初探［J］．中國(guó)農(nóng)學(xué)通報(bào)，2010，26(13):380-384．

［26］ 胡榮明，魏曼，競(jìng)霞，等．基于成像高光譜的蘋(píng)果樹(shù)葉片病害區(qū)域提取方法研究［J］．西北農(nóng)林科技大學(xué)學(xué)報(bào)，2012，40(8):94-99．

［27］ Aleixos N，Blasco J，Navarrón F，et al．Multispectral inspection of citrus in real-time using machine vision and digital signal processors［J］．Computers and Electronics in Agriculture 2002，33(2):121-137．

［28］ 蔡健榮，王建黑，黃星奕，等．高光譜圖像技術(shù)檢測(cè)柑橘果銹［J］．光電工程，2009，36(6):26-30．

［29］ Lu R，Detection of bruises on apples using near-infrared hyperspectral imaging［J］．Transactions of the ASAE，2003，46(2):523-530．

［30］ Xing J，Bravo C，Jancsók PT，et al．Detecting bruises on‘golden delicious’apples using hyperspectral imaging with multiple wave bands［J］．Biosystems Engineering，2005，90(1):27-36．

［31］ ElMasry G，Wang N，Vigneault C，et al．Early detection of apple bruises on different background colors using hyperspectral imaging［J］．LWT Food Science and Technology，2008，41(2):337-345．

［32］ Qin J，Burks T F，Ritenour M A，et al．Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence［J］．Journal of Food Engineering，2009，93(2):183-191．

［33］ Shafri H Z M，Hamdan N．Hyperspectral imagery for mapping disease infection in oil palm plantation using vegetation indices and red edge techniques［J］．American Journal of Applied Sciences，2009，6(6):1031-1035．

［34］ 張永賀，陳文惠，郭喬影，等．桉樹(shù)葉片光合色素含量高光譜估算模型［J］．生態(tài)學(xué)報(bào)，2013，33(3):876-887．

［35］ 伍南，劉君昂，周?chē)?guó)英，等．基于高光譜微分指數(shù)的杉木炭疽病病情指數(shù)反演［J］．林業(yè)科學(xué)，2012，48(8):94-98．

［36］ 杜華強(qiáng)，金偉，葛宏立，等．用高光譜曲線(xiàn)分形維數(shù)分析植被健康狀況［J］．光譜學(xué)與光譜分析，2009，29(8):2136-2140．

［37］ 杜華強(qiáng)，葛宏立，范文義，等．分形理論在馬尾松松材線(xiàn)蟲(chóng)病發(fā)病早期高光譜探測(cè)中的應(yīng)用［J］．林業(yè)科學(xué)，2009，45(6):68-76．