沈 親，鄧 槿，劉旭升，黃華國(guó)※

（1. 北京林業(yè)大學(xué)省部共建森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083；2. 國(guó)家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院，北京 100714）

0 引 言

石林彝族自治縣（簡(jiǎn)稱(chēng)石林縣）位于云南省中東部，以其瑰麗的喀斯特地貌聞名，植被覆蓋少，主要樹(shù)種是云南松（Pinus yunnanensis）。大面積覆蓋的云南松對(duì)于保持水土，防止石漠化有至關(guān)重要的作用。然而，近年來(lái)，隨著氣候變化的加劇，極端事件頻發(fā)，云南省全境，包括石林縣都遭受了嚴(yán)重的干旱，進(jìn)而遭受小蠹入侵，嚴(yán)重威脅云南松的健康和分布。小蠹危害被稱(chēng)為云南松的“癌癥”，具有隱蔽性強(qiáng)、危害期長(zhǎng)、擴(kuò)散速度快、危害嚴(yán)重等特點(diǎn)[1]。目前，小蠹危害正快速蔓延，其蔓延速度達(dá)到2～3萬(wàn)hm2/a。災(zāi)情發(fā)生后很難得到控制，嚴(yán)重時(shí)只能將松林全部伐掉[2]。

復(fù)雜的巖溶地形不便人力調(diào)查，耗時(shí)費(fèi)力而且不能大范圍實(shí)時(shí)監(jiān)測(cè)蟲(chóng)害。目前還沒(méi)有對(duì)云南松林小蠹蟲(chóng)害進(jìn)行實(shí)時(shí)、有效的蟲(chóng)害監(jiān)測(cè)方法。而遙感監(jiān)測(cè)具有面積大、快捷迅速等特點(diǎn)，可以用來(lái)預(yù)測(cè)、預(yù)報(bào)和監(jiān)測(cè)大范圍的森林蟲(chóng)害[3-4]。但是難點(diǎn)在于小蠹蟲(chóng)對(duì)森林的危害隱蔽強(qiáng)，癥狀滯后性明顯，在其早期發(fā)生時(shí)進(jìn)行遙感識(shí)別非常困難。

以往利用遙感對(duì)小蠹蟲(chóng)害監(jiān)測(cè)多集中在蟲(chóng)害分布方面，常用方法是根據(jù)蟲(chóng)害導(dǎo)致波譜特征的變化來(lái)識(shí)別蟲(chóng)害[5-7]，同時(shí)對(duì)小蠹蟲(chóng)害范圍和等級(jí)進(jìn)行了空間制圖[8-11]。Coggins 等[3]利用20 cm高空間分辨率航空數(shù)碼影像結(jié)合自適應(yīng)整群抽樣成功對(duì)北美山松小蠹蟲(chóng)害入侵范圍和傳播速度進(jìn)行了調(diào)查。Nasi等[4]利用無(wú)人機(jī)高分影像準(zhǔn)確區(qū)分健康、蟲(chóng)害和死亡挪威云杉林（kappa系數(shù)為0.8）。但小蠹蟲(chóng)害的早期監(jiān)測(cè)（即綠色襲擊階段）仍然是一大難點(diǎn)，Marx[12]利用多時(shí)相RapidEye影像結(jié)合數(shù)據(jù)挖掘技術(shù)對(duì)挪威云杉林小蠹蟲(chóng)害監(jiān)測(cè)和分類(lèi)，發(fā)現(xiàn)該方法可以有效識(shí)別枯梢或枯死木，但對(duì)蟲(chóng)害早期識(shí)別效果不理想。Ortiz等[13]利用TerraSAR- X和RapidEye數(shù)據(jù)結(jié)合線性模型、最大熵模型和隨機(jī)森林模型識(shí)別了小蠹蟲(chóng)害前期入侵范圍，其中最大熵模型準(zhǔn)確率最高（kappa系數(shù)為0.74）。Abdullah等[14]發(fā)現(xiàn)小蠹蟲(chóng)害入侵初期挪威云杉紅外和短波紅外波譜特征發(fā)生顯著變化。Lausch等[15]利用高空間分辨率影像（4 m和7 m）對(duì)德國(guó)巴伐利亞森林國(guó)家公園云杉小蠹蟲(chóng)害入侵初期光譜特征研究發(fā)現(xiàn)，用光譜特征變化預(yù)警小蠹蟲(chóng)害爆發(fā)的準(zhǔn)確率可以達(dá)到 64%。然而，前期研究多集中在蟲(chóng)害早期識(shí)別監(jiān)測(cè)，關(guān)于蟲(chóng)害爆發(fā)前的預(yù)測(cè)還鮮有報(bào)道。

由于嚴(yán)重或長(zhǎng)期的干旱不僅會(huì)直接影響林木生長(zhǎng)與生存，還會(huì)爆發(fā)頻繁或嚴(yán)重的蟲(chóng)害[16-19]，2種干擾之間在時(shí)間上極可能存在一定的先后和危害相關(guān)性，如果能在干旱時(shí)期就能進(jìn)行蟲(chóng)害的預(yù)警，就可以使蟲(chóng)害發(fā)生早期進(jìn)行遙感預(yù)測(cè)成為可能。實(shí)際上，森林蟲(chóng)害對(duì)干旱是有響應(yīng)的[20-22]。Santos 等[23]發(fā)現(xiàn)，干旱期間，溫帶森林很容易發(fā)生蟲(chóng)害。張鵬霞等[24]對(duì)江西省過(guò)去50 a氣候變化以及近20 a森林病蟲(chóng)害變化趨勢(shì)研究發(fā)現(xiàn)，氣候變暖，環(huán)境干旱化會(huì)加重森林病蟲(chóng)災(zāi)害的發(fā)生。在干旱脅迫與氣候干熱作用下，位于阿爾卑斯山地區(qū)的云杉葉蜂容易爆發(fā)成災(zāi)[25]，銹色粒肩天牛可能會(huì)因年降水量少、溫濕系數(shù)低等因素造成蟲(chóng)害爆發(fā)[26]。同時(shí)，研究表明，暖冬會(huì)導(dǎo)致森林病蟲(chóng)害災(zāi)害加重[27]。Kolb等[28]對(duì)美國(guó)由于干旱引起的森林蟲(chóng)害進(jìn)行歸納和總結(jié)，結(jié)果表明，干旱對(duì)蟲(chóng)害的爆發(fā)有著直接的促進(jìn)作用，但關(guān)于干旱強(qiáng)度與蟲(chóng)害爆發(fā)等級(jí)之間的關(guān)系，鮮有研究。Netherer 等[29]通過(guò)不同干旱程度控制試驗(yàn)，發(fā)現(xiàn)干旱會(huì)降低挪威云杉對(duì)小蠹入侵的抗性。小蠹種群動(dòng)態(tài)變化很大程度由溫度決定[30-32]，小蠹蟲(chóng)害災(zāi)害爆發(fā)或因1月份暖溫而加重[33]。其原因可能是干旱削弱寄主樹(shù)對(duì)小蠹蟲(chóng)害的抵抗力，導(dǎo)致蟲(chóng)害加重[34-35]。

基于上述認(rèn)識(shí)，本文提出干旱和蟲(chóng)害存在一定的時(shí)滯相關(guān)性的假設(shè)，探索基于遙感溫度植被干旱指數(shù)（temperature vegetation dryness index, TVDI）分析預(yù)報(bào)小蠹危害方法的可行性，以期為蟲(chóng)害發(fā)生早期，進(jìn)行遙感監(jiān)測(cè)提供依據(jù)。

1 研究區(qū)概況

石林縣是云南省昆明市下轄的遠(yuǎn)郊縣（103°10′～103°41′E，24°30′～25°03′N(xiāo)）（圖 1），位于滇東喀斯特南部，海拔1 700～1 950 m。屬低緯高原山地季風(fēng)氣候，年平均氣溫 16.3 ℃，年溫差小而晝夜溫差大，無(wú)霜期長(zhǎng)（254 d）、云霧多、日照少。年降雨量 906.0 mm，多集中在 5—10月。主要土壤類(lèi)型有山地紅壤、黃棕壤、水稻土、紫色土、沖積土和石灰?guī)r土。全縣森林覆蓋率36.14%，其中云南松（P. yunnanensis）面積26 049.5 hm2，占喬木林面積的47.48%[23]。

圖1 石林縣地理位置和小蠹蟲(chóng)害受害區(qū)域與等級(jí)Fig.1 Geographical location, and the damage area with damage rating of bark beetles pests in Shilin county

從2009年開(kāi)始，云南持續(xù)干旱，小蠹危害日趨嚴(yán)重，年危害面積533萬(wàn)hm2[1]。小蠹危害地區(qū)常會(huì)出現(xiàn)松毛蟲(chóng)、天牛、松梢螟等害蟲(chóng)，由于多種害蟲(chóng)同時(shí)入侵，導(dǎo)致寄主樹(shù)長(zhǎng)勢(shì)變?nèi)?，從而使小蠹更易侵入。同時(shí)，小蠹大多數(shù)時(shí)間隱蔽在樹(shù)木里面，其生活習(xí)性也較為復(fù)雜（如冬季由樹(shù)梢轉(zhuǎn)到樹(shù)干進(jìn)行繁殖，夏季則由樹(shù)干轉(zhuǎn)到樹(shù)梢進(jìn)行擴(kuò)散）[36]。由于眾多因素共同作用，使得小蠹蟲(chóng)害監(jiān)測(cè)非常困難。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

2.2 蟲(chóng)害與樹(shù)勢(shì)等級(jí)區(qū)分標(biāo)準(zhǔn)

云南松林主要受到小蠹、松梢螟、天牛和松針褐斑病等危害，各種病蟲(chóng)害區(qū)分標(biāo)準(zhǔn)見(jiàn)圖2，其中，僅一年生針葉整體變色，樹(shù)梢出現(xiàn)枯死且直立的云南松林，即為小蠹蟲(chóng)害林。本研究以歷史蟲(chóng)害圖件為基礎(chǔ)，選擇受害區(qū)域的蟲(chóng)害木進(jìn)行砍伐解析，結(jié)合不同害蟲(chóng)的習(xí)性，篩選出小蠹為主的蟲(chóng)害區(qū)域。同時(shí)，劃分云南松受害等級(jí)（健康、輕度、中度和重度），劃分標(biāo)準(zhǔn)見(jiàn)表1[37]。

2.3 研究方法

基于遙感數(shù)據(jù)提取受害前的逐像元 TVDI，分別評(píng)價(jià)：TVDI與受害等級(jí)的關(guān)系；去除干擾像元后的TVDI與受害前后的植被指數(shù)差值的關(guān)系。

2.3.1 遙感干旱指數(shù)選型

考慮植被的干旱指數(shù)有植被溫度指數(shù)（vegetation index/temperature, VIT）[38]，條件植被指數(shù)（vegetation condition index, VCI）[39]，植被供水指數(shù)（vegetation supply water index, VSWI）[40]，條件植被溫度指數(shù)（vegetationtemperature condition index, VTCI）[41]，以及 TVDI[42-43]等。其中綜合了植被覆蓋信息和陸地表面溫度信息的TVDI應(yīng)用廣泛。比如，齊述華等[44]利用 TVDI進(jìn)行全國(guó)旱情監(jiān)測(cè)研究發(fā)現(xiàn)，相較于用植被指數(shù)來(lái)評(píng)價(jià)旱情，結(jié)合陸地表面溫度的旱情指標(biāo)可以更合理反映旱情。Dhorde等[45]用TVDI分析了印度西部干旱時(shí)空變化趨勢(shì)。因此，本研究選擇TVDI指數(shù)為典型代表，來(lái)反映地表干旱程度。

2.3.2 TVDI反演

如前所述，Sandholt等[42]提出TVDI可以反映地表干旱狀況。

通常來(lái)說(shuō)，語(yǔ)言作為能夠傳達(dá)信息，交流感情的重要手段，在人們的日常生活、工作、人際關(guān)系處理等方面都發(fā)揮著不可或缺的作用。而普通話(huà)無(wú)論是在不同省市、不同民族還是不同文化交流上，都扮演著通行證的角色。但是，目前部分培訓(xùn)機(jī)構(gòu)在普通話(huà)教育過(guò)程中存在諸多的問(wèn)題，無(wú)法做到專(zhuān)業(yè)、高效、合理的引導(dǎo)和培養(yǎng)。

式中 Ts為陸地表面溫度，K；Tsmax、Tsmin分別代表某一NDVI對(duì)應(yīng)的最高溫度和最低溫度，K，其中 Tsmax=a1+b1?NDVI，Tsmin=a2+b2?NDVI，a 和 b 分別代表 NDVI-Ts中的干、濕邊方程的截距和斜率，NDVI（normalized difference vegetation index）為歸一化植被指數(shù)

式中ρNIR和ρR分別為近紅外波段和紅波段處的反射率。

圖2 云南松不同害蟲(chóng)區(qū)分標(biāo)準(zhǔn)Fig.2 Criteria of different pests of Pinus yunnanensis

表1 云南松小蠹蟲(chóng)害受害程度的劃分標(biāo)準(zhǔn)[37]Table 1 Damage rating standard of bark beetles pests of Pinus yunnanensis[37]

NDVI?Ts特征空間簡(jiǎn)化為三角形（圖 3），A點(diǎn)表示沒(méi)有植被覆蓋的干燥裸地，具有地表濕度小，溫度高，蒸發(fā)小的特點(diǎn)；B點(diǎn)表示沒(méi)有植被覆蓋濕潤(rùn)裸地，具有地表濕度大，溫度低，蒸發(fā)大的特點(diǎn)；C點(diǎn)表示植被完全覆蓋，具有地表溫度低，蒸發(fā)大的特點(diǎn)。A、B、C三點(diǎn)屬于3種極端情況，其中，AC邊稱(chēng)為干邊，具有土壤濕度和地表蒸發(fā)最小的特征；BC邊稱(chēng)為濕邊，具有土壤濕度和地表蒸發(fā)最大的特征[42]。

圖3 NDVI-地表溫度（Ts）特征空間[42]Fig.3 Feature space between NDVI-surface temperature (Ts)[42]

TVDI的值范圍為0～1。TVDI越大，土壤濕度越低，TVDI越小，土壤濕度越高。TVDI可用于監(jiān)測(cè)特定年內(nèi)某一時(shí)期整個(gè)區(qū)域的相對(duì)干旱程度。

2.3.3 亮度溫度計(jì)算

由于缺乏衛(wèi)星過(guò)境時(shí)詳盡的氣象數(shù)據(jù)，本文 TVDI計(jì)算過(guò)程中對(duì)應(yīng)的Ts由亮度溫度（brightness temperature）Tb代替。利用ENVI5.3軟件對(duì)Landsat熱紅外波段進(jìn)行輻射定標(biāo)，將像元灰度值轉(zhuǎn)換為熱輻射亮度值，然后根據(jù)普朗克定律將輻射亮度值轉(zhuǎn)化為亮度溫度[46-47]

式中 Tb為亮度溫度，K；Lλ為輻射亮度值，W/(m2·sr·μm)；k1，k2為已知參數(shù)。

2.3.4 統(tǒng)計(jì)分析

比較不同受害程度斑塊對(duì)應(yīng)TVDI值差別，并分析受害斑塊TVDI與受害前后NDVI差值之間的關(guān)系。

1）根據(jù)小蠹蟲(chóng)害的斑塊多邊形區(qū)域，通過(guò) ArcGIS的區(qū)域分析（zonal statistics），計(jì)算每斑塊受害前的平均TVDI。將調(diào)查得到云南松林按受害等級(jí)依次劃分為健康、輕度受害、中度受害、重度受害4個(gè)等級(jí)。

2）計(jì)算受害前后云南松林NDVI差值（difference of NDVI before and after the forest attacked by bark beetles,dNDVI），即 dNDVI = NDVIbefore-NDVIafter，其中 NDVIbefore表示受害前，NDVIafter表示受害后。dNDVI代表受害程度，dNDVI越大，表示受害越嚴(yán)重。然后，建立 TVDI與dNDVI之間的關(guān)系。由于野外調(diào)查勾繪的受害斑塊面積較大，通常以單點(diǎn)調(diào)查結(jié)果代替整個(gè)斑塊結(jié)果，其內(nèi)部大部分像元可能并未受害，因此，在統(tǒng)計(jì)受害斑塊dNDVI時(shí)，需要去除未受害像元。即去除掉每斑塊內(nèi)部dNDVI小于 0的像元之后，再統(tǒng)計(jì)平均 TVDI和平均dNDVI，評(píng)估其相關(guān)顯著性。同時(shí)，由于受害斑塊面積較大，本文將受害斑塊分割成很多小斑塊，對(duì)小斑塊對(duì)應(yīng)的TVDI與dNDVI進(jìn)行相關(guān)分析。

3 結(jié)果與分析

3.1 石林縣氣候變化趨勢(shì)

圖4為石林縣多年氣溫和降水距平。2009年氣溫比多年平均溫度高1.44 ℃，相對(duì)變率為9.5%；降水量比多年平均降水量減少422 mm，相對(duì)變率為42.7%?？梢钥闯?，2009年為極端干旱年。2010?2013年，溫度距平為正，降水量距平為負(fù)，一直處于持續(xù)干旱狀態(tài)。

圖4 1951-2015年石林縣氣溫和降水距平變化趨勢(shì)Fig.4 Time series of air temperature departure and precipitation departure in Shilin county during 1951-2015

3.2 石林縣蟲(chóng)害變化趨勢(shì)

圖 5顯示了石林縣不同受害程度的斑塊個(gè)數(shù)與面積變化?？梢钥闯?，2010?2012年，輕度受害斑塊和面積變化幅度不大，中度受害斑塊和面積均降低；2012?2014年，輕度受害斑塊和面積下降，中度受害斑塊和面積增加；2010?2014年，重度受害斑塊和面積均出現(xiàn)緩慢增加趨勢(shì)?？偟氖芎Π邏K數(shù)出現(xiàn)先降低后增加的趨勢(shì)，受害面積呈一直緩慢降低的趨勢(shì)。至2015年，受害程度均出現(xiàn)好轉(zhuǎn)。

圖5 2010?2015年石林縣小蠹蟲(chóng)害發(fā)生斑塊與面積Fig.5 Number and area of forest attacked by bark beetles in Shilin county during 2010-2015

3.3 石林縣TVDI時(shí)空變化趨勢(shì)

圖6給出了2009年到2014年逐年的TVDI圖。可以看出，TVDI由西向東逐漸變大，且2012年TVDI高值區(qū)域增加，表明土壤濕度較小區(qū)域的面積增大。同時(shí)，蟲(chóng)害斑塊數(shù)和面積均降低（圖 5）。在整體干旱背景下，蟲(chóng)害的發(fā)生更趨向于土壤濕度相對(duì)較大的區(qū)域。

圖6 2009?2014年石林縣TVDI變化趨勢(shì)Fig.6 Spatial temporal variations of TVDI in Shilin county during 2009-2014

3.4 TVDI與蟲(chóng)害受害等級(jí)關(guān)系

圖7為不同蟲(chóng)害受害等級(jí)對(duì)應(yīng)的受害前TVDI。隨著受害程度的加深，所對(duì)應(yīng)的TVDI值降低。健康云南松林對(duì)應(yīng)TVDI均值為0.657 ± 0.114，顯著高于受害云南松林對(duì)應(yīng) TVDI均值。受害云南松林中，輕度受害林 TVDI均值（0.530 ± 0.112）與中度受害林TVDI均值（0.498 ±0.097）無(wú)顯著差別（P ＞ 0.05），而與重度受害林差異顯著（0.449 ± 0.113）（P ＜ 0.05）。中度受害林與重度受害林TVDI均值差異不顯著。結(jié)果表明，隨著TVDI變小，小蠹蟲(chóng)害越嚴(yán)重，即相對(duì)濕潤(rùn)的地方，小蠹蟲(chóng)害更容易發(fā)生。通過(guò)TVDI空間分布也表明，近些年TVDI逐漸變大，蟲(chóng)害面積和受害程度均出現(xiàn)好轉(zhuǎn)。

圖7 蟲(chóng)害受害等級(jí)與對(duì)應(yīng)受害前TVDIFig.7 Damage rating and the corresponding TVDI before attacked by bark beetles

3.5 受害區(qū)域dNDVI與TVDI關(guān)系

為了對(duì)蟲(chóng)害早期發(fā)生時(shí)進(jìn)行遙感識(shí)別，本文選取輕度受害斑塊，提取dNDVI大于0的區(qū)域，分析受害斑塊TVDI與dNDVI的關(guān)系。同時(shí)，為了消除dNDVI差異，本文對(duì)其進(jìn)行最大最小歸一化處理，以下提到dNDVI皆為歸一化處理 dNDVI。由圖 5可以看出，2013?2015年期間，輕度受害斑塊面積和斑塊數(shù)均較 2010?2012低，受害程度出現(xiàn)明顯好轉(zhuǎn)。研究表明連續(xù)長(zhǎng)期干旱會(huì)導(dǎo)致蟲(chóng)害的發(fā)生[16-19]，因此，本文以2011和2012年大面積輕度受害區(qū)域?yàn)槔M(jìn)行分析。結(jié)果表明，2011年，TVDI與dNDVI呈顯著的負(fù)相關(guān)（P ＜ 0.05），可以用線性模型進(jìn)行擬合，擬合決定系數(shù) R2為 0.322（圖 8）。根據(jù)已知線性模型，對(duì)2012年dNDVI進(jìn)行預(yù)測(cè)，結(jié)果表明，預(yù)測(cè)dNDVI均方根誤差RMSE為0.237（圖9），且實(shí)測(cè)值與預(yù)測(cè)值呈顯著線性正相關(guān)（P ＜ 0.05），但實(shí)測(cè)值與預(yù)測(cè)值擬合線性方程斜率偏離1:1線。

圖8 2011年dNDVI與TVDI的關(guān)系Fig.8 Relationship between the difference of NDVI before and after the forest attacked by bark beetles (dNDVI) and TVDI in 2011

其主要原因在于蟲(chóng)害發(fā)生時(shí)，不光與環(huán)境干旱有關(guān)，還與立地條件、林分結(jié)構(gòu)，林木長(zhǎng)勢(shì)等因素有關(guān)。Santos等[23]分析了亞利桑那州松樹(shù)林地干旱期間蟲(chóng)害發(fā)生的原因，結(jié)果表明，低海拔、陡坡、一定的風(fēng)速等利于蟲(chóng)害的蔓延，且蟲(chóng)害會(huì)優(yōu)先選擇大樹(shù)、高密度林分進(jìn)行入侵。因此，要準(zhǔn)確預(yù)測(cè)蟲(chóng)害發(fā)生區(qū)域，還需結(jié)合其他因素，綜合分析其發(fā)生潛在區(qū)域。

圖9 2012年實(shí)測(cè)dNDVI與預(yù)測(cè)dNDVIFig.9 Measured dNDVI and predicted dNDVI in 2012

總體而言，大干旱背景條件下，在土壤相對(duì)濕潤(rùn)的地方，蟲(chóng)害發(fā)生前后植被覆蓋度差值更大，表明云南松林受害程度更大；在土壤相對(duì)干旱的地方，則蟲(chóng)害發(fā)生前后植被覆蓋度差值更小，表明云南松林受害程度更小。這個(gè)結(jié)果和通常認(rèn)為氣候越干旱，蟲(chóng)害發(fā)生越嚴(yán)重[28]似乎相悖，其實(shí)不然，兩者空間尺度不同，氣候干旱在大面積上影響蟲(chóng)害，而本文結(jié)果則是大面積蟲(chóng)害可能發(fā)生的具體空間分布潛力。在整體干旱的條件下，植被長(zhǎng)勢(shì)均會(huì)衰弱，但是部分地區(qū)相對(duì)濕潤(rùn)，則利于蟲(chóng)害繁殖。柴守權(quán)等[48]通過(guò)多年統(tǒng)計(jì)資料發(fā)現(xiàn)，云南松縱坑切梢小蠹發(fā)生面積范圍與干旱等級(jí)有顯著負(fù)相關(guān)（r = -0.661，P＜0.05）。當(dāng)干旱異常嚴(yán)重時(shí)，林木生長(zhǎng)受到限制，導(dǎo)致林木液流受到損害，液流溫度發(fā)生改變，超出小蠹喜好的溫度范圍，影響小蠹對(duì)寄主的選擇，從而使得蟲(chóng)害比一般干旱脅迫更輕[49]。

4 結(jié) 論

以遭受大面積連續(xù)干旱和小蠹危害的云南省中部的石林縣為案例區(qū)，利用Landsat連續(xù)多年數(shù)據(jù)建立歸一化植被指數(shù)（normalized difference vegetation index, NDVI）?地表溫度（land surface temperature, Ts）特征空間，反演溫度植被干旱指數(shù)（temperature vegetation dryness index,TVDI），開(kāi)展受害前的TVDI和受害等級(jí)的關(guān)系分析，評(píng)估其預(yù)警潛力。結(jié)果表明健康云南松林TVDI顯著高于受害云南松林（P ＜ 0.05），且TVDI越小，蟲(chóng)害越嚴(yán)重。根據(jù) 2011年 TVDI與受害前后云南松林 NDVI差值（the difference of NDVI before and after the forest attacked by bark beetles, dNDVI）建立的線性模型（P ＜ 0.05，R2=0.322），對(duì)2012年實(shí)際發(fā)生情況進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)與實(shí)測(cè)dNDVI均方根誤差RMSE為0.237。研究指明，整體干旱的環(huán)境下，小蠹更趨向于在相對(duì)濕潤(rùn)的地方取食云南松林。

本研究對(duì)云南省云南松林小蠹危害的遙感監(jiān)測(cè)的展開(kāi)有重要意義，可以從TVDI角度，對(duì)云南松林小蠹危害等級(jí)進(jìn)行預(yù)測(cè)與預(yù)防，為動(dòng)態(tài)監(jiān)測(cè)與及時(shí)預(yù)測(cè)森林蟲(chóng)害提供新思路。同時(shí)，由于在反演TVDI時(shí)，采取的亮度溫度替代地表溫度，TVDI的估算精度略有影響?；贜DVI和 Ts構(gòu)建 NDVI?Ts特征空間時(shí)，干邊和濕邊方程擬合有很大不確定性，也加深了TVDI估算不確定性。因此，今后在結(jié)合遙感手段有效、高精度監(jiān)測(cè)方面還需要大量有益的探索。

[參 考 文 獻(xiàn)]

[1] 李燕. 云南玉溪松小蠹蟲(chóng)成災(zāi)原因及防治對(duì)策[J]. 林業(yè)資源管理，2013，3：40－42.Li Yan. Causes of Tomicus piniperda L. disaster in Yuxi of Yunnan province and countermeasures of prevention and control[J]. Forest Resources Management, 2013, 3: 40－42.(in Chinese with English abstract)

[2] 張瑆. 對(duì)云南省松縱坑切梢小蠹防治工作的思考[J]. 中國(guó)森林病蟲(chóng)，2001，6：42－44.Zhang Xing. Thoughts on prevention and control of Tomicus piniperda L. in Yunnan province [J]. Forest Pest and Disease,2001, 6: 42－44. (in Chinese with English abstract)

[3] Coggins S B, Coops N C, Wulder M A. Estimates of bark beetle infestation expansion factors with adaptive cluster sampling [J]. International Journal of Pest Management, 2011,57(1): 11－21.

[4] Nasi R, Honkavaara E, Lyytikainen-Saarenmaa P, et al. Using UAV-based photogrammetry and hyperspectral imaging for mapping bark beetle damage at tree-level[J]. Remote Sensing,2015, 7(11): 15467－15493.

[5] Senf C, Pflugmacher D, Wulder M A, et al. Characterizing spectral-temporal patterns of defoliator and bark beetle disturbances using Landsat time series[J]. Remote Sensing of Environment, 2015, 170: 166－177.

[6] Vanderhoof M, Williams C A, Ghimire B, et al. Impact of mountain pine beetle outbreaks on forest albedo and radiative forcing, as derived from moderate resolution imaging spectroradiometer, Rocky Mountains, USA[J]. Journal of Geophysical Research-Biogeosciences, 2013, 118(4): 1461－1471.

[7] Meddens A J H, Hicke J A, Vierling L A, et al. Evaluating methods to detect bark beetle-caused tree mortality using single-date and multi-date Landsat imagery[J]. Remote Sensing of Environment, 2013, 132(10): 49－58.

[8] Fassnacht F E, Latifi H, Ghosh A, et al. Assessing the potential of hyperspectral imagery to map bark beetleinduced tree mortality[J]. Remote Sensing of Environment,2014, 140(1): 533－548.

[9] Karvemo S, Van Boeckel T P, Gilbert M, et al. Large-scale risk mapping of an eruptive bark beetle-importance of forest susceptibility and beetle pressure[J]. Forest Ecology and Management, 2014, 318: 158－166.

[10] Latifi H, Fassnacht F E, Schumann B, et al. Object-based extraction of bark beetle (Ips typographus L.) infestations using multi-date LANDSAT and SPOT satellite imagery [J].Progress in Physical Geography, 2014, 38(6): 755－785.

[11] Hart S J, Veblen T T. Detection of spruce beetle-induced tree mortality using high- and medium-resolution remotely sensed imagery[J]. Remote Sensing of Environment, 2015, 168: 134－145.

[12] Marx A. Detection and classification of bark beetle infestation in pure Norway spruce stands with multi-temporal RapidEye imagery and data mining techniques [J]. Photogrammetrie Fernerkundung Geoinformation, 2010(4): 243－252.

[13] Ortiz S M. Breidenbach J. Kaendler G. Early detection of bark beetle green attack using TerraSAR-X and RapidEye data [J]. Remote Sensing, 2013, 5(4): 1912－1931.

[14] Abdullah H, Darvishzadeh R, Skidmore A K, et al. European spruce bark beetle (Ips typographus, L.) green attack affects foliar reflectance and biochemical properties [J]. International Journal of Applied Earth Observation and Geoinformation,2018, 64(8): 199－209.

[15] Lausch A, Heurich M, Gordalla D, et al. Forecasting potential bark beetle outbreaks based on spruce forest vitality using hyperspectral remote-sensing techniques at different scales[J]. Forest Ecology and Management, 2013, 308(4): 76－89.

[16] Ayres M P, Lombardero M J. Assessing the consequences of global change for forest disturbance from herbivores and pathogens [J]. The Science of the Total Environment, 2000,262(3): 263－286.

[17] Breshears D D, Cobb N S, Rich P M, et al. Regional vegetation die-off in response to global-change-type drought[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(42): 15144－15148.

[18] Netherer S, Schopf A. Potential effects of climate change on insect herbivores in European forests: General aspects and the pine processionary moth as specific example [J]. Forest Ecology and Management, 2010, 259: 831－838.

[19] Yan Z L, Sun J H, Don O, et al. The red turpentine beetle,Dendroctonus valens LeConte (Scolytidae): An exotic invasive pest of pine in China[J]. Biodiversity and Conservation, 2005, 14(7): 1735－1760.

[20] Mattson W J, Haack R A. The role of drought in outbreaks of plant-eating insects [J]. BioScience, 1987, 37(2): 110－118.

[21] Koricheva J, Larsson S, Haukioja E. Insect performance on experimentally stressed woody plants: A meta-analysis[J].Annual Review of Entomology, 1998, 43(43): 195－216.

[22] Huberty A F, Denno R F. Plant water stress and its consequences for herbivorous insects: A new synthesis[J].Ecology, 2004, 85(5): 1383－1398.

[23] Santos M J, Whitham T G. Predictors of Ips confusus outbreaks during a record drought in southwestern USA:Implications for monitoring and management. Environmental Management, 2010, 45(2): 239－249.

[24] 張鵬霞，葉清，歐陽(yáng)芳，等. 氣候變暖、干旱加重江西省森林病蟲(chóng)災(zāi)害[J]. 生態(tài)學(xué)報(bào)，2017，37(2)：639－649.Zhang Pengxia, Ye Qing, Ouyang Fang, et al. Global warming and droughts aggravates forest damage resulting from pests and diseases in Jiangxi province[J]. Acta Ecologica Sinica,2017, 37(2): 639－649. (in Chinese with English abstract)

[25] Marchisio C, Cescatti A, Battisti A. Climate, soils and Cephalcia arvensis outbreaks on Picea abies in the Italian Alps[J]. Forest Ecology and Management, 1994, 68(2/3): 375－384.

[26] 孫丹萍，徐睿，梁鐵旺，等. 銹色粒肩天牛生態(tài)學(xué)特性研究[J]. 西北林學(xué)院學(xué)報(bào)，2007，22(5)：114－116，127.Sun Danping, Xu Rui, Liang Tiewang, et al. A study on ecological characteristics of Apriona swainsoni population[J].Journal of Northwest Forestry University, 2007, 22(5): 114－116, 127－127. (in Chinese with English abstract)

[27] 趙鐵良，耿海東，張旭東，等. 氣溫變化對(duì)我國(guó)森林病蟲(chóng)害的影響[J]. 中國(guó)森林病蟲(chóng)，2003，22(3)：29－32.Zhao Tieliang, Geng Haidong, Zhang Xudong, et al. Influence of temperature change on forest pests in China[J]. Forest Pest and Disease, 2003, 22(3): 29－32. (in Chinese with English abstract)

[28] Kolb T E, Fettig C J, Ayres M P, et al. Observed and anticipated impacts of drought on forest insects and diseases in the United States[J]. Forest Ecology and Management,2016, 380: 321－334.

[29] Netherer S, Matthews B, Katzensteiner K, et al. Do water-limiting conditions predispose Norway spruce to bark beetle attack?[J]. New Phytologist, 2015, 205(3): 1128－1141.

[30] Benz B J, Logan J A, Amman G D. Temperature-dependent development of the mountain pine beetle (Coleoptera:Scolytidae) and simulation of its phenology [J]. The Canadian Entomologist, 1991, 123(5): 1083–1094.

[31] Raffa K F, Grégoire J C, Lindgren B S. Natural history and ecology of bark beetles. In F. E. Vega, & R. W. Hofstetter(Eds.), Bark beetles. Biology and Ecology of Native and Invasive Species [M]. Oxford: Elsevier, 2015.

[32] Creeden E P, Hicke J A, Buotte P C. Climate, weather, and recent mountain pine beetle outbreaks in the western United States [J]. Forest Ecology and Management, 2014, 312:239－251.

[33] 張梅，王敏慧，陳玉光，等. 林業(yè)有害生物發(fā)生率與氣象條件關(guān)系及預(yù)報(bào)[J]. 遼寧林業(yè)科技，2010，4：24－26，62.Zhang Mei, Wang Minhui, Chen Yuguang, et al. Relationship and forecast between forest pest incidence and meteorological conditions [J]. Journal of Liaoning Forestry Science & Technology, 2010, 4: 24－26, 62. (in Chinese)

[34] Gao X, Zhou X, Wang H, et al. Influence of severe drought on the resistance of Pinus yunnanensis to a bark beetleassociated fungus [J]. Forest Pathology, 2017, 47(4): e12345.

[35] Salle A, Ye H, Yart A, et al. Seasonal water stress and the resistance of Pinus yunnanensis to a bark beetle-associated fungus [J]. Tree Physiology, 2008, 28(5): 679–687.

[36] 楊光照. 石林縣云南松縱坑切梢小蠹危害及其綜合治理措施[J]. 林業(yè)調(diào)查規(guī)劃，2007，32(3)：140－143.Yang Guangzhao. The harm of Tomicus piniperda of Pinus Yunnanensis and integrated control measures[J]. Forest Inventory and Planning, 2007, 32(3): 140－143. (in Chinese with English abstract)

[37] 劉宇杰，宗世祥，任利利，等. 云南松樹(shù)冠受害表征與有害生物復(fù)合危害的關(guān)系[J]. 應(yīng)用昆蟲(chóng)學(xué)報(bào)，2017，54(6)：947－954.Liu Yujie, Zong Shixiang, Ren Lili, et al. The relationship between degrees of Pinus yunnanensis canopy dieback and the types of damage caused by specific pests[J]. Chinese Journal of Applied Entomology, 2017, 54(6): 947－954. (in Chinese with English abstract)

[38] Moran M S, Clarke T R, Inoue Y. et al. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J]. Remote Sensing of Environment, 1994, 49: 246–263.

[39] Kogan F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas[J]. International Journal of Remote Sensing, 1990, 11(8): 1405－1419.

[40] Nemani R, Pierce L, Running S. et al. Developing satellite-derived estimates of surface moisture status[J].Journal of Applied Meteorology, 2000, 32(3): 548－557.

[41] Wang P X, Li X W, Gong J Y, et al. Vegetation temperature condition index and its application for drought monitoring[C]//Proceedings of International Geoscience and Remote Sensing Symposium, 9－13 July 2001, Sydney,Australia (Piscataway, NJ: IEEE), : 141－143.

[42] Sandholt I. Rasmusen K. Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status [J]. Remote Sensing of Environment, 2002, 79(2): 213?224.

[43] 杜靈通，候靜，胡悅，等. 基于遙感溫度植被干旱指數(shù)的寧夏2000－2010年旱情變化特征[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31(14)：209－216.Du Lingtong, Hou Jing, Hu Yue, et al. Drought variation characteristics in Ningxia from 2000 to 2010 based on temperature vegetation dryness index by remote sensing[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(14): 209－216. (in Chinese with English abstract)

[44] 齊述華，王長(zhǎng)耀，牛錚. 利用溫度植被旱情指數(shù)(TVDI)進(jìn)行全國(guó)旱情監(jiān)測(cè)研究[J]. 遙感學(xué)報(bào)，2003，7(5)：420－427.Qi Shuhua, Wang Changyao, Niu Zheng. Evaluating soil moisture status in china using the temperature/vegetation dryness index (TVDI)[J]. Journal of Remote Sensing, 2003,7(5): 420－427. (in Chinese with English abstract)

[45] Dhorde A, Patel N. Spatio-temporal variation in terminal drought over western India using dryness index derived from long-term MODIS data[J]. Ecological Informatics, 2016, 32:28－38.

[46] Qin Z, Karnieli A, Berliner P. A mono-window algorithm for retrieving land surface temperature from Lands at TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing, 2001, 22(18): 3719－3746.

[47] Wang F, Qin Z, Song C, et al. An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data[J]. Remote Sensing, 2015, 7(4):4268－4289.

[48] 柴守權(quán)，于海英，尤德康，等. 西南地區(qū)干旱對(duì)4種林業(yè)有害生物發(fā)生的影響[J]. 西南林業(yè)大學(xué)學(xué)報(bào)，2013，33(1)：71－75.Chai Shouquan, Yu Haiying, You Dekang, et al. Influence of drought in southwest China on occurrence of four species of forest pests from 2002 to 2010[J]. Journal of Southwest Forestry University, 2013, 33(1): 71－75. (in Chinese with English abstract)

[49] Bréda N, Badeau V. Forest tree responses to extreme drought and some biotic events: Towards a selection according to hazard tolerance?[J]. Comptes Rendus Geoscience, 2008,340(9/10): 651－662.