許章華， 劉健， 陳崇成， 余坤勇， 黃旭影， 王美雅

(1．福州大學(xué)環(huán)境與資源學(xué)院，福州　350116； 2．福建農(nóng)林大學(xué)3S技術(shù)應(yīng)用研究所，福州　350002；3．福建農(nóng)林大學(xué)林學(xué)院，福州　350002； 4．三明學(xué)院，三明　365000； 5．福州大學(xué)地理空間

松毛蟲危害下的馬尾松林冠層光譜特征可辨性分析

許章華1， 劉健2,3,4， 陳崇成5， 余坤勇2,3， 黃旭影1， 王美雅1

(1．福州大學(xué)環(huán)境與資源學(xué)院，福州350116； 2．福建農(nóng)林大學(xué)3S技術(shù)應(yīng)用研究所，福州350002；3．福建農(nóng)林大學(xué)林學(xué)院，福州350002； 4．三明學(xué)院，三明365000； 5．福州大學(xué)地理空間

信息技術(shù)國家地方聯(lián)合工程研究中心，福州350002)

摘要：深入挖掘寄主光譜響應(yīng)機(jī)制是推進(jìn)馬尾松毛蟲害遙感快速監(jiān)測(cè)與預(yù)警的必要基礎(chǔ)。將采集于福建省長(zhǎng)汀縣、南平市建陽區(qū)的46條馬尾松林冠層光譜曲線數(shù)據(jù)設(shè)為規(guī)則組，利用單因素方差分析法實(shí)現(xiàn)不同危害等級(jí)可辨性波長(zhǎng)的選擇。研究表明，不同危害等級(jí)下的馬尾松林冠層光譜數(shù)據(jù)呈現(xiàn)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516.51～598.99 nm和700.68～706.18 nm位置上有顯著差異(P<0.05)，在708.92～810.62 nm位置上有極顯著差異(P<0.01)。為此，以519.20 nm，540.72 nm，758.40 nm和785.88 nm波段處光譜反射率為組合，以健康狀態(tài)下的馬尾松林冠層光譜數(shù)據(jù)為標(biāo)準(zhǔn)樣本，基于空間距離法、相關(guān)系數(shù)法及光譜角制圖法分別建立松毛蟲危害等級(jí)的定量化判定規(guī)則，并利用將樂縣、南平市延平區(qū)、華安縣的34條驗(yàn)證組光譜曲線數(shù)據(jù)對(duì)此規(guī)則進(jìn)行驗(yàn)證。結(jié)果顯示，空間距離法的判定效果遠(yuǎn)優(yōu)于相關(guān)系數(shù)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(guī)則依次為： <0.355 3，[0.355 3，0.742 5)，[0.742 5，0.963 1)及≥0.963 1，判定精度為88.24%，準(zhǔn)確率達(dá)97.06%。

關(guān)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(guān)系數(shù)法； 光譜角制圖法

0引言

森林蟲害是森林健康與生態(tài)安全的重要威脅。不同蟲害對(duì)森林的危害部位亦不相同，都會(huì)影響林木生長(zhǎng)，使林木冠層與林相發(fā)生變化[1-3]，具體可表現(xiàn)為葉色變化、葉片物理結(jié)構(gòu)變化、葉與植株變形、葉片上產(chǎn)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(fā)生明顯變化[4-5]； 而這也成為蟲害遙感監(jiān)測(cè)的重要依據(jù)。Ahern 等[6]通過對(duì)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(duì)香液冷杉林冠變化進(jìn)行監(jiān)測(cè)； 武紅敢等[8]利用TM與SPOT數(shù)據(jù)對(duì)馬尾松毛蟲害遙感監(jiān)測(cè)進(jìn)行了初步探討，得到TM5/TM4和TM7/TM4(即短波紅外/近紅外)是監(jiān)測(cè)森林病蟲害有效參數(shù)的重要成果； 云麗麗等[9]計(jì)算了7種植被指數(shù)和TM4在松毛蟲害發(fā)生后油松的光譜值，得出TM4，TM4/TM3，(TM 4- TM 3)/(TM 4+ TM 3)是監(jiān)測(cè)松毛蟲害的特征指數(shù)； Latifi 等[10]利用多時(shí)相Landsat與SPOT數(shù)據(jù)，研究了歐洲云杉八齒小蠹的空間特征，建立了隨機(jī)森林模型。馬尾松毛蟲(Dendrolimus punctatus Walker)為食葉性害蟲，通過危害松針，使松林冠層特征發(fā)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(chǎn)生光譜反射率差異和紋理結(jié)構(gòu)異常等現(xiàn)象。20世紀(jì)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(yuǎn)市不同危害等級(jí)下的原始光譜與一階微分光譜的變化規(guī)律，主要表現(xiàn)為光譜紅邊藍(lán)移及葉綠素反射峰紅移等現(xiàn)象。近年，筆者曾以福建省南平市延平區(qū)實(shí)測(cè)的51條馬尾松林冠層的高光譜數(shù)據(jù)為基礎(chǔ)，對(duì)無危害、輕度危害、中度危害和重度危害等4個(gè)松毛蟲危害等級(jí)的光譜反射率及一階微分光譜特征進(jìn)行分析，亦得到“綠峰”紅移、紅邊位置藍(lán)移等類似規(guī)律，但在部分波長(zhǎng)范圍其變化較為復(fù)雜[13]。此外，前期研究發(fā)現(xiàn)了松毛蟲不同危害等級(jí)下松林冠層的若干顯著性差異波長(zhǎng)，但定量化描述仍有不足?；诖耍疚倪M(jìn)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(xù)推進(jìn)松毛蟲害遙感監(jiān)測(cè)技術(shù)的提升與突破打好基礎(chǔ)。

1實(shí)驗(yàn)區(qū)概況

選擇福建省長(zhǎng)汀縣、南平市建陽區(qū)與延平區(qū)、將樂縣、華安縣為實(shí)驗(yàn)區(qū)。各縣(區(qū))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(duì)優(yōu)勢(shì)，純林比重大，抵御病蟲害等生態(tài)風(fēng)險(xiǎn)的能力不足，故長(zhǎng)期以來森防檢疫都是這些林區(qū)(縣)的重要工作之一。

2研究方法

2.1松林冠層光譜測(cè)定

松林冠層光譜測(cè)定采用合肥儀思特光電技術(shù)有限公司生產(chǎn)的ISI921VF-256野外地物光譜輻射計(jì)，波長(zhǎng)范圍為可見光-近紅外的380～1 050 nm，波段數(shù)為256個(gè)，光譜分辨率為4 nm，視場(chǎng)角3°； 選擇晴朗少云天氣，測(cè)量平均精度設(shè)為3，每轉(zhuǎn)換1個(gè)測(cè)位均對(duì)照白板予以校正。在光譜測(cè)定過程中，需要借助地形差及竹竿測(cè)得松林冠層光譜，部分條件不足區(qū)域通過采集離體樣本現(xiàn)場(chǎng)測(cè)量，由此測(cè)得松林冠層光譜數(shù)據(jù)。將松毛蟲危害等級(jí)劃分為無危害、輕度危害、中度危害及重度危害4個(gè)等級(jí)(圖1)，其判定過程詳見文獻(xiàn)[13]。

(a) 無危害 (b) 輕度危害 (c) 中度危害 (d) 重度危害

圖1不同危害等級(jí)下的松林照片

Fig.1Pine forests photos of different pest levels

篩選得到80條光譜曲線數(shù)據(jù)用于本文研究，其中長(zhǎng)汀縣、南平市建陽區(qū)共46條，將樂縣、南平市延平區(qū)、華安縣共34條。前者用于可辨性波長(zhǎng)的分析與定量化判定規(guī)則的建立，設(shè)為“規(guī)則組”； 后者則用于對(duì)判定規(guī)則的檢驗(yàn)，設(shè)為“驗(yàn)證組”。各實(shí)驗(yàn)區(qū)測(cè)點(diǎn)分布見圖2，光譜測(cè)定時(shí)間見表1。

圖2　馬尾松林冠層光譜測(cè)點(diǎn)分布

組別試驗(yàn)區(qū)調(diào)查時(shí)間光譜曲線數(shù)規(guī)則組長(zhǎng)汀縣2012.4.23—4.24南平市建陽區(qū)2012.4.26無危害5條、輕度危害10條、中度危害10條、重度危害21條驗(yàn)證組將樂縣2012.2.26—3.01南平市延平區(qū)2012.3.09—3.10華安縣2012.3.19—3.21無危害5條、輕度危害7條、中度危害7條、重度危害15條

2.2不同危害等級(jí)冠層光譜可辨性波長(zhǎng)選擇

采用單因素方差分析(One-way ANOVA)比較無危害、輕度危害、中度危害和重度危害等4個(gè)危害等級(jí)下馬尾松林冠層光譜在各個(gè)波長(zhǎng)處是否存在顯著性差異。若P<0.01，表明在該波長(zhǎng)位置上不同危害等級(jí)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SPSS 17.0平臺(tái)上實(shí)現(xiàn)。結(jié)合分析結(jié)果及應(yīng)用要求，實(shí)現(xiàn)不同危害等級(jí)可辨性波長(zhǎng)的有效選擇。

2.3不同危害等級(jí)定量化判定規(guī)則建立

采用空間距離法、相關(guān)系數(shù)法和光譜角制圖法對(duì)4個(gè)危害等級(jí)的光譜可辨性進(jìn)行進(jìn)一步分析，建立松毛蟲不同危害等級(jí)定量化判定規(guī)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(gòu)建，即如果特征向量的特征個(gè)數(shù)為N，則將向量視為N維向量空間的一個(gè)點(diǎn)，通過計(jì)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(yīng)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?？臻g距離的計(jì)算公式為

(1)

式中：D為2個(gè)樣本的空間距離；Xi、Xj為第i和j個(gè)樣本；n為樣本數(shù)。

2)相關(guān)系數(shù)法。說明2個(gè)對(duì)象之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)分析指標(biāo)，值的范圍為(-1，1)。相關(guān)系數(shù)的計(jì)算公式為

(2)

3)光譜角制圖法(spectral angle mapping，SAM)。該方法是一種光譜匹配技術(shù)，通過計(jì)算測(cè)試光譜與參考光譜之間的“角度”來確定相似性。參考光譜曲線可從地物標(biāo)準(zhǔn)光譜數(shù)據(jù)庫中獲取，也可從待分類圖像上獲取。其實(shí)現(xiàn)公式為

(3)

式中：n為波段數(shù)；xi和yi分別表示2個(gè)光譜向量在第i波段上的響應(yīng)值；α為光譜角，其變化范圍是[0，π/2]。光譜角圖像像元值也可采用cosα表示，其變化范圍是[0，1]，本文采用該表示法。

利用各樣本與不同危害等級(jí)下松林冠層光譜的空間距離、相關(guān)系數(shù)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(jí)?？紤]到定量化判定規(guī)則的簡(jiǎn)明性、可應(yīng)用性，本文以未受松毛蟲危害的健康松林為標(biāo)準(zhǔn)，計(jì)算其平均值建立“標(biāo)準(zhǔn)樣本”，分別計(jì)算無危害、輕度危害、中度危害、重度危害與“標(biāo)準(zhǔn)樣本”的空間距離、相關(guān)系數(shù)及光譜角余弦值，由此建立不同危害等級(jí)的定量化判定規(guī)則。

3結(jié)果與分析

3.1松毛蟲危害下馬尾松林冠層波長(zhǎng)可辨性分析

分別將規(guī)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(shù)據(jù)進(jìn)行均值計(jì)算。由于本文主要研究可見光及紅邊區(qū)域的光譜特征，同時(shí)考慮到與常用多光譜遙感影像藍(lán)光、綠光、紅光和近紅外等標(biāo)準(zhǔn)譜段的對(duì)應(yīng)性，故只保留了810 nm以內(nèi)的數(shù)據(jù)。由此，繪制不同受害等級(jí)下的馬尾松林冠層反射率曲線(圖3)。

圖3　松毛蟲不同危害等級(jí)下的馬尾松林冠層光譜反射率曲線

松毛蟲不同危害等級(jí)下的松林冠層光譜單因素方差分析結(jié)果見表2。

表2　松毛蟲不同危害等級(jí)下的松林冠層光譜單因素方差分析

① 注： *表示P<0.05，有顯著差異； **表示P<0.01，有極顯著差異。

分析表2發(fā)現(xiàn)，松毛蟲不同危害等級(jí)間的馬尾松林冠層光譜數(shù)據(jù)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(jí)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516.51～598.99 nm和700.68～706.18 nm位置上有顯著差異(P<0.05)，在708.92～810.62 nm位置上呈極顯著差異(P<0.01)，在其他波長(zhǎng)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(jìn)一步挖掘松毛蟲危害的光譜響應(yīng)機(jī)制，并為實(shí)現(xiàn)該蟲害的遙感快速、精確監(jiān)測(cè)與預(yù)警打好基礎(chǔ)。因此，在對(duì)地面實(shí)測(cè)光譜數(shù)據(jù)進(jìn)行分析的同時(shí)需要考慮與遙感影像緊密聯(lián)合。ISI921VF-256野外地物光譜輻射計(jì)測(cè)得的光譜數(shù)據(jù)含256個(gè)波段，對(duì)應(yīng)于Landsat TM/ETM+，ALOS AVNIR-2及HJ-1 CCD等國內(nèi)外多光譜影像數(shù)據(jù)的藍(lán)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(jì)算或反演而得的多個(gè)植被指數(shù)、葉面積指數(shù)等對(duì)松毛蟲害的響應(yīng)較為敏感，故綜合考慮單因素方差分析結(jié)果及研究成果應(yīng)用的便捷性，分別在藍(lán)光、綠光、紅光和近紅外波段上選擇差異最為顯著的波長(zhǎng)，以此作為松毛蟲危害下馬尾松林冠層可辨性波長(zhǎng)。在蟲害遙感的相關(guān)研究中，有一被稱為“紅邊”的特殊波長(zhǎng)，通常指綠色植物在680～780 nm的波長(zhǎng)范圍，它是植物光譜分析的重要特征[18-19]，本文分析結(jié)果亦發(fā)現(xiàn)，該區(qū)域范圍內(nèi)各蟲害等級(jí)下的松林冠層光譜差異普遍顯著。分別選擇519.20 nm，540.72 nm，758.40 nm和785.88 nm波段來建立松毛蟲危害等級(jí)定量化判定規(guī)則。

3.2松毛蟲危害等級(jí)的定量化判定

3.2.1基于空間距離法判定規(guī)則的建立

以所選4個(gè)可辨性波長(zhǎng)為組合，分別計(jì)算46組規(guī)則組樣本與標(biāo)準(zhǔn)樣本的空間距離，并利用求平均、標(biāo)準(zhǔn)差等方法確定無危害、輕度危害、中度危害、重度危害與標(biāo)準(zhǔn)樣本的空間距離判定規(guī)則(表3)，確保規(guī)則組樣本自檢精度最高。

表3　基于空間距離法的松毛蟲危害等級(jí)判定規(guī)則

表3顯示，重度危害與標(biāo)準(zhǔn)樣本的空間距離≥0.963 1，表明重度危害下與健康狀態(tài)的松林冠層光譜特征相異性最大； 其次為中度危害，其與標(biāo)準(zhǔn)樣本的空間距離為[0.742 5，0.963 1)； 再次為輕度危害，與標(biāo)準(zhǔn)樣本的空間距離為[0.355 3，0.742 5)； 無危害與標(biāo)準(zhǔn)樣本的空間距離<0.355 3，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(jí)的上升，松林冠層光譜特征與健康狀態(tài)的相異性逐漸增大。

3.2.2基于相關(guān)系數(shù)法判定規(guī)則的建立

參照3.2.1節(jié)規(guī)則的建立方法，得到基于相關(guān)系數(shù)法的松毛蟲危害等級(jí)判定規(guī)則(表4)。

表4　基于相關(guān)系數(shù)法的松毛蟲危害等級(jí)判定規(guī)則

由表4可知，中度危害與標(biāo)準(zhǔn)樣本的相關(guān)系數(shù)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(guī)律不同，相關(guān)系數(shù)并不隨著松毛蟲危害等級(jí)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(guān)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(biāo)準(zhǔn)樣本的相關(guān)性最小，表明松林初受松毛蟲危害后，其冠層特征發(fā)生相對(duì)劇烈的變化，不同波長(zhǎng)上的反射率和吸收率紊亂?？傮w上看，不同危害等級(jí)下的松林冠層光譜特征相關(guān)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550 nm附近位置，受危害的松林冠層反射率仍較兩側(cè)高，“綠峰”仍然存在，呈現(xiàn)被“拉平”的特征并漸趨消失[13]； 此外，高相關(guān)性亦為判定規(guī)則的建立增加了難度。

3.2.3基于光譜角制圖法判定規(guī)則的建立

同理，建立基于光譜角制圖法的松毛蟲危害等級(jí)判定規(guī)則(表5)。

表5　基于光譜角制圖法的松毛蟲危害等級(jí)判定規(guī)則

從表5中可以看出，光譜角余弦判定規(guī)則及其規(guī)律與基于相關(guān)系數(shù)法所得到的結(jié)果類似，中度危害與標(biāo)準(zhǔn)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(guī)則的驗(yàn)證與比較

利用驗(yàn)證組中的34組樣本，分別根據(jù)空間距離判定規(guī)則、相關(guān)系數(shù)判定規(guī)則及光譜角余弦判定規(guī)則實(shí)現(xiàn)樣本松毛蟲危害等級(jí)的判定，計(jì)算并比較3種定量化判定規(guī)則下的判定精度與準(zhǔn)確率(表6)。

表6　3種定量化判定規(guī)則的驗(yàn)證與比較

判定精度為判定正確的樣本數(shù)與總樣本數(shù)的比值。準(zhǔn)確率的計(jì)算方法為： 若判定的危害等級(jí)與實(shí)際等級(jí)完全一致，計(jì)1； 無危害與有危害之間互相混淆，計(jì)0； 在輕度危害、中度危害與重度危害3個(gè)有危害等級(jí)間，若相差1級(jí)為基本符合，計(jì)75%； 若相差2級(jí)，計(jì)50%[20]； 以其平均值作為松毛蟲危害等級(jí)判定的準(zhǔn)確率。

由表6可看出，基于空間距離法的判定精度最高，達(dá)88.24%； 基于相關(guān)系數(shù)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(guī)則的判定精度順序?yàn)椋?空間距離判定規(guī)則>相關(guān)系數(shù)判定規(guī)則>光譜角余弦判定規(guī)則。比較準(zhǔn)確率可知，3種定量化判定規(guī)則的準(zhǔn)確率依次為97.06%，76.47%和79.41%，準(zhǔn)確率順序?yàn)椋?空間距離判定規(guī)則>光譜角余弦判定規(guī)則>相關(guān)系數(shù)判定規(guī)則。由此可見，空間距離判定規(guī)則對(duì)松毛蟲不同危害等級(jí)下的馬尾松林冠層光譜的判定效果最佳，相關(guān)系數(shù)與光譜角余弦的判定效果差異不大，但從判定精度和準(zhǔn)確率方面都遠(yuǎn)劣于空間距離法。

4結(jié)論

馬尾松林冠層光譜是松毛蟲危害的重要響應(yīng)特征，深入挖掘其響應(yīng)機(jī)制是推進(jìn)該蟲害遙感快速監(jiān)測(cè)與準(zhǔn)確預(yù)警的基礎(chǔ)。不同危害等級(jí)下的馬尾松林冠層光譜數(shù)據(jù)呈現(xiàn)極顯著差異(P<0.01)，中度—重度危害的光譜可辨性相對(duì)較低，僅在516.51～598.99 nm，700.68～706.18 nm位置上有顯著差異(P<0.05)，在708.92～810.62 nm位置上有極顯著差異(P<0.01)，其他波長(zhǎng)范圍則無顯著差異(P>0.05)。以519.20 nm，540.72 nm，758.40 nm和785.88 nm位置上的反射率數(shù)據(jù)為基礎(chǔ)，分別基于空間距離法、相關(guān)系數(shù)法及光譜角制圖法建立松毛蟲危害等級(jí)的定量化判定規(guī)則，空間距離判定規(guī)則的判定效果最佳，判定精度為88.24%，準(zhǔn)確率達(dá)97.06%。

本研究的不足之處在于僅考慮了單個(gè)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(xiàn)(References)：

[1]陳高,代力民,姬蘭柱,等.森林生態(tài)系統(tǒng)健康評(píng)估Ⅰ.模式、計(jì)算方法和指標(biāo)體系[J].應(yīng)用生態(tài)學(xué)報(bào),2004,15(10):1743-1749.

Chen G,Dai L M,Ji L Z,et al.Assessing forest ecosystem health I. Model,method and index system[J].Chinese Journal of Applied Ecology,2004,15(10):1743-1749.

[2]Abdel-Rahman E M,Mutanga O,Adam E,et al.Detecting Sirex noctilio grey-attacked and lightning-struck pine trees using airborne hyperspectral data,random forest and support vector machines classifiers[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,88:48-59.

[3]Dodds K J,Orwig D A.An invasive urban forest pest invades natural environments-Asian longhorned beetle in northeastern US Hardwood forests[J].Canadian Journal of Forest Research,2011,41(9):1729-1742.

[4]郭志華,肖文發(fā),蔣有緒.遙感在林冠動(dòng)態(tài)監(jiān)測(cè)研究中的應(yīng)用[J].植物生態(tài)學(xué)報(bào),2003,27(6):851-858.

Guo Z H,Xiao W F,Jiang Y X.Applications of remote sensing to monitoring forest canopy dynamics[J].Acta Phytoecologica Sinica,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(yè)大學(xué)學(xué)報(bào),2012,32(1):46-50,111.

Qi X L,Liu J,Hu Z Q,et al.SPOT-5 image texture analysis based Dendrolimus punctatus damage information collection[J].Journal of Southwest Forestry College,2012,32(1):46-50,111.

[6]Ahern F J,Erdle T,Maclean D A,et al.A quantitative relationship between forest growth rates and thematic mapper reflectance measurements[J].International Journal of Remote Sensing,1991,12(3):387-400.

[7]Bowers W.Forest structural damage assessment using image semi variance[J].Canadian Journal of Remote Sensing,199420:28-36.

[8]武紅敢,黃建文,喬彥友,等.松毛蟲早期災(zāi)害點(diǎn)遙感監(jiān)測(cè)研究初報(bào)[J].林業(yè)科學(xué),1995,31(4):379-384.

Wu H G,Huang J W,Qiao Y Y,et al.A preliminary study of remote sensing detection of damage by pine caterpillar[J].Scientia Silvae Sinicae,1995,31(4):379-384.

[9]云麗麗,欒慶書,金若忠,等.遼西地區(qū)油松毛蟲遙感監(jiān)測(cè)的研究[J].防護(hù)林科技,2010(2):14-17.

Yun L L,Luan Q S,Jin R Z,et al.Monitoring technique for Dendrolimus tabulaeformis Tsai et Liu by TM imagery in western Liaoning[J].Protection Forest Science and Technology,2010(2):14-17.

[10]Latifi H,Schumann B,Kautz M,et al.Spatial characterization of bark beetle infestations by a multidate synergy of SPOT and Landsat imagery[J].Environmental Monitoring and Assessment,2014,186(1):441-456.

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

Ni J,Wu J Y,Jiang B H.Changes of the biological and spectral characteristics of the pine caterpillar-damaged red pine forest in the spring[J].Acta Phytoecologica Sinica,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(cè)模式[J].環(huán)境遙感,1995,10(4):250-258.

Wu J Y,Ni J.Spectral characteristics of the pine leaves damaged by pine moth and a model for detecting the damage early[J].Remote Sensing of Environment China,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(jí)檢測(cè)[J].光譜學(xué)與光譜分析,2013,33(2):428-433.

Xu Z H,Liu J,Yu K Y,et al.Spectral features analysis of Pinus massoniana with pest of Dendrolimus punctatus Walker and levels detection[J].Spectroscopy and Spectral Analysis,2013,33(2):428-433.

[14]楊俊泉,陳尚文,沈建中,等.馬尾松毛蟲危害區(qū)植被指數(shù)時(shí)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.

Yang J Q,Chen S W,Shen J Z,et al.Study for the character of NFVI time-series variation of pine caterpillar moth injury region by NOAA satellite image[J].Remote Sensing for Land and Resources,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(shù)遙感反演模型研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2012,32(10):72-78.

Xu Z H,Liu J,Gong C H,et al.Effective leaf area index retrieving models for host of Dendrolimus punctatus Walker[J].Journal of Central South University of Forestry and Technology,2012,32(10):72-78.

[16]劉志明,晏明,張旭東,等.用氣象衛(wèi)星監(jiān)測(cè)大范圍森林蟲害方法研究[J].自然災(zāi)害學(xué)報(bào),2002,11(3):109-114.

Liu Z M,Yan M,Zhang X D,et al.Methodical study on monitoring wide-range forest insect pest by meteorsat[J].Journal of Natural Disasters,2002,11(3):109-114.

[17]亓興蘭,劉健,陳國榮,等.應(yīng)用MODIS遙感數(shù)據(jù)監(jiān)測(cè)馬尾松毛蟲害研究[J].西南林學(xué)院學(xué)報(bào),2010,30(1):42-46.

Qi X L,Liu J,Chen G R,et al.Studies on monitoring of Dendrolimus punctatus damage with MODIS data[J].Journal of Southwest Forestry University,2010,30(1):42-46.

[18]Pu R L,Gong P,Biging G S,et al.Extraction of red edge optical parameters from Hyperion data for estimation of forest leaf area index[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(4):916-921.

[19]Cho M A,Debba P,Mutanga O,et al.Potential utility of the spectral red-edge region of SumbandilaSat imagery for assessing indigenous forest structure and health[J].International Journal of Applied Earth Observation and Geoinformation,2012,16:85-93.

(責(zé)任編輯： 陳理)

Canopy spectral characteristics distinguishability analysis of Pinus massoniana forests with Dendrolimus punctatus Walker damage

XU Zhanghua1, LIU Jian2,3,4, CHEN Chongcheng5, YU Kunyong2,3, HUANG Xuying1, Wang Meiya1

(1.CollegeofEnvironmentandResources,FuzhouUniversity,Fuzhou350116,China； 2.InstituteofGeomaticsApplication,FujianAgricultureandForestryUniversity,Fuzhou350002,China； 3.CollegeofForestry,FujianAgricultureandForestryUniversity,Fuzhou350002,China； 4.SanmingUniversity,Sanming365000,China； 5.NationalEngineeringResearchCentreofGeospatialInformationTechnology,FuzhouUniversity,Fuzhou350002,China)

Abstract:The deep mining of host spectral response mechanism is the necessary foundation for Dendrolimus punctatus Walker damage remote sensing fast monitoring and early warning. 46 canopy spectral curve data of Pinus massoniana forests collected in Changting County of Jianyang District were set as the rule group, and the one-way ANOVA was used to realize the distinguished wavelengths selection with different pest levels, and the results showed that there were highly significant differences of pine forests canopy spectral data with different pest levels (P<0.01), in which there were significant differences at 516.51～598.99 nm and 700.68～706.18 nm of spectral distinguishability between moderate damage and severe damage (P<0.05), and highly significant differences at 708.92～810.62 nm (P<0.01). Thus, based on the combination of spectral reflectance of 519.2 nm, 540.72 nm, 758.4 nm, 785.88 nm and taking the healthy pine forests canopy spectral data as the standard sample, the authors constructed the quantitative determination rules of pest levels of Dendrolimus punctatus Walker, relying on the methods of spatial distance, correlation coefficient and spectral angle mapping respectively. The rules were verified with the test group of 34 spectral curve data collected in Jiangle County, Yanping District of Nanping City, and Huaan County, and the results showed that the determination effect of spatial distance method was by far better than that of the correlation coefficient method and spectral angle mapping method. The spatial distance determination rules of non-damage, mild damage, moderate damage and severe Dendrolimus punctatus Walker damages were as follows: <0.355 3,[0.355 3,0.742 5),[0.742 5,0.963 1) and ≥0.9631, with the determination accuracy being 88.24% and the accurate rate being 97.06%.

Keywords:Dendrolimus punctatus Walker damage; spectral characteristics distinguishability; one-way ANOVA; spatial distance method; correlation coefficient method; spectral angle mapping method

doi:10.6046/gtzyyg.2016.02.07

收稿日期：2014-12-31；

修訂日期：2015-03-11

基金項(xiàng)目：國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(編號(hào)： 41501361)、福建省資源環(huán)境監(jiān)測(cè)與可持續(xù)經(jīng)營(yíng)利用重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目(編號(hào)： ZD1403)和福州大學(xué)人才基金項(xiàng)目(編號(hào)： XRC-1345)共同資助。

中圖法分類號(hào)：TP 79; P 237

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-070X(2016)02-0041-07

第一作者簡(jiǎn)介：許章華(1985-),男,博士,講師,研究方向?yàn)橘Y源環(huán)境遙感、城鄉(xiāng)規(guī)劃與GIS應(yīng)用。Email： fafuxzh@163.com。

通信作者：劉健(1963-),男,博士,教授,博士生導(dǎo)師,研究方向?yàn)樯纸?jīng)營(yíng)管理與3S技術(shù)應(yīng)用。Email： fjliujian@126.com。

引用格式： 許章華,劉健,陳崇成,等.松毛蟲危害下的馬尾松林冠層光譜特征可辨性分析[J].國土資源遙感,2016,28(2):41-47.(Xu Z H,Liu J,Chen C C,et al.Canopy spectral characteristics distinguishability analysis of Pinus massoniana forests with Dendrolimus punctatus Walker damage[J].Remote Sensing for Land and Resources,2016,28(2):41-47.)