1 福州大学空间数据挖掘与信息共享教育部重点实验室，福建 福州 350108
2 卫星空间信息技术综合应用国家地方联合工程研究中心，福建 福州 350108
3 数字中国研究院（福建）福建 福州 35108
4 福州大学环境与安全工程学院，福建 福州 350108
刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。 根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系, 提取冠层光谱中与虫害紧密相关的特征波长、 指数以及光谱参数等, 利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。 分别以原始光谱的400~508, 586~693和724~900 nm处的波长、 包络线去除光谱的400~756 nm之间的特征波长、 9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量, 构建判别函数。 收集300组毛竹叶片虫害样本数据, 随机划分为210组建模集与90组验证集, 根据检测精度、 Kappa系数以及判定系数R2作为检验标准, 对建立的判别函数进行效果评价与对比。 结果表明, 以原始光谱、 去包络线光谱、 冠层指数、 光谱参数为自变量建立的Fisher判别函数的检验精度分别为: 84.4%, 81.1%, 79.7%, 78.7%; Kappa系数分别为: 0.79, 0.74, 0.74, 0.76; R2分别为: 0.89, 0.88, 0.88和0.85。 由此可知, Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力, 而且基于冠层原始光谱建立的判别函数检测效果最佳。 根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。 检测结果为: 上湖两个样区的竹林以健康为主。 洋门两个样区虫害程度以中度和重度为主。 因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性, 该方法可为虫害检测的探究提供参考, 为基于冠层遥感虫害检测贡献理论支撑。
刚竹毒蛾 高光谱 冠层光谱 Fisher判别分析 Phyllostachys edulis Hyperspectral Canopy spectrum Fisher discriminant analysis 光谱学与光谱分析
2021, 41(10): 3200
1 南京大学国际地球系统科学研究所, 江苏 南京 210023
2 福州大学环境与资源学院, 福建 福州 350116
3 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350116
4 福州大学卫星空间信息技术综合应用国家地方联合工程研究中心, 福建 福州 350116
探讨刚竹毒蛾危害下的毛竹叶片光谱特征可为建立竹林生态安全监测体系提供重要的理论指导。 相比于传统的多光谱数据, 高光谱遥感能够准确探测不同刚竹毒蛾危害等级间寄主光谱的细微变化。 然而, 当前有关此方面的研究甚少, 其寄主的光谱变化机理还有待进一步总结。 为此, 基于实测的552条竹叶光谱, 分析了健康、 受刚竹毒蛾危害、 小年叶片之间的光谱差异, 选择可反映其健康状况的特征变量, 并利用XGBoost模型建立了叶片尺度的刚竹毒蛾危害检测模型。 研究结果显示: （1）随着虫害等级的上升, 受害叶片在可见光范围内的反射率逐渐出现“绿低红高”的特征, 其近红外波段的反射率则不断降低, 而短波红外的反射率则明显高于健康叶片, 尤其在两个水汽吸收波段（1 450和1 940 nm）的差异最为明显; （2）小年叶片于可见光-近红外波段的反射率显著高于健康、 受害叶片; （3）根据不同受害类型叶片的光谱特征可知, 较之健康叶片, 缺刻型叶片的光谱并未出现太大的变化, 红褐色病斑型叶片在红光波段的反射率出现了一定程度的上升, 灰白色病斑型叶片则已经完全失去了植被的基本光谱特征; （4）根据XGBoost模型给出的变量重要性排序可知, 各特征变量的贡献度依次为PRI（光化学反射率指数）＞FDVI576, 717（植被健康程度评估指数）＞NPCI（归一化色素叶绿素指数）＞DSWI（疾病水胁迫指数）＞VOG 1（红边指数1）＞RVSI（红边植被胁迫指数）＞NDWI（归一化差值水分指数）; （5）模型对刚竹毒蛾危害识别的总平均精度为74.39%, 其中健康叶片的识别精度达到了94.55%, 轻度危害叶片为74.93%, 重度危害为84.12%, 小年叶片则为71.10%, 而中度危害叶片的识别精度较差, 仅为33.48%。
森林虫害 遥感 光谱特征 刚竹毒蛾 Forest pest Remote sensing Spectral characteristics Pantana phyllostachysae Chao 光谱学与光谱分析
2021, 41(4): 1253
1 福州大学环境与资源学院, 福建 福州 350116
2 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350116
3 福建省水土流失遥感监测评估与灾害防治重点实验室, 福建 福州 350116
4 福建省资源环境监测与可持续经营利用重点实验室, 福建 三明 365004
5 福州大学信息与通信工程博士后科研流动站, 福建 福州 350116
6 福建省南平市延平区林业局, 福建 南平 353000
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（ρ733.66~898.56）、 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。
刚竹毒蛾 毛竹叶片 Fisher判别分析 BP神经网络 随机森林 Pantana phyllostachysae Chao Moso bamboo leaves Fisher discriminant analysis BP neural networks Random forest
1 福州大学环境与资源学院, 福建 福州 350116
2 福州大学信息与通信工程博士后科研流动站, 福建 福州 350116
3 福建省资源环境监测与可持续经营利用重点实验室, 福建 三明 365004
4 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350002
5 福建省顺昌县国有林场, 福建 南平 353200
6 福建省南平市延平区林业局, 福建 南平 363000
旨在获取刚竹毒蛾危害下的毛竹叶片光谱特征波长, 以助于该虫害的有效、 准确识别。 将于福建省顺昌县实测的105条高光谱数据随机划分为实验组(71条)和验证组(34条)。 基于实验组数据, 利用单因素方差分析获取健康、 轻度危害、 中度危害、 重度危害等虫害等级间具有极显著差异的波长; 结合常用遥感卫星的波段设置对上述波长进行筛选, 采用欧式距离、 相关系数及光谱角匹配等3种方法判定其虫害判别能力, 获取特征波长, 并引入验证组样本对其予以验证。 结果表明: (1)受害叶片的光谱反射率明显低于健康叶片, 虫害等级越高, 其反射率越低; (2)受害叶片的光谱特征变化较大, 随着虫害等级的上升, 其光谱曲线中的“绿峰”及“红谷”趋于消失, “红边”斜率逐渐减小; (3)确定原始光谱703.43~898.56 nm及一阶微分光谱497.68~540.72, 554.53~585.25和596.24~618.23 nm为刚竹毒蛾危害下的毛竹叶片光谱特征波长, 其对该虫害具有较强的判别能力。 该研究从叶片尺度剖析了寄主对刚竹毒蛾的响应机理, 是“地-天”耦合的理论基础, 可为虫害遥感监测技术体系的建立提供重要依据。
刚竹毒蛾 毛竹叶片 特征波长 光谱微分 虫害判别能力 顺昌县 Pantana phyllostachysae Chao Moso bamboo leaves Characteristic wavelengths Derivative spectrum Shunchang County 光谱学与光谱分析
2018, 38(12): 3829
