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%。

松材线虫病又叫松树枯萎病, 是由于松材线虫寄生在松树上引起的毁灭性死亡病害, 其发病速度快、 传播迅速、 防治难度大。 如何识别松材线虫害并对其程度进行估测, 对我国森林资源及生态环境保护具有重要意义。 研究表明, 马尾松叶绿素、 水含量会随着虫害程度的加深逐渐减少, 不同虫害程度的马尾松光谱反射率呈现较大差异, 因此光谱分析技术在虫害程度估测方面具有独特优势。 针对不同虫害程度的马尾松样本, 研究了其光谱特征参数的变化规律, 以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建了虫害程度估测模型。 该研究在光谱特征指标选择和估测模型方法上作了有价值的探索, 对评估松材线虫病害有一定的指导意义, 可为相关研究及当地精准农业提供科学支持和应用参考。 首先针对不同虫害程度的马尾松样本, 研究其在绿光、 红光及近红外波段内的光谱反射率变化规律, 构建指示样本虫害程度的六个光谱特征参数: 绿峰反射率（RGP）、 绿峰位置（GPP）、 红谷反射率（FRB）、 红谷位置（RBP）、 红边斜率（RES）、 红边位置（REP）, 分析光谱特征参数与虫害程度的相关性。 然后构建虫害程度估测模型, 其步骤可描述为: （1）计算健康、 轻度、 中度、 重度四种不同虫害程度下的样本光谱特征参数RGP, FRB和RES; （2）量化健康、 轻度、 中度、 重度四种样本虫害程度值; （3）以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建虫害程度估测模型。 实验中选取重庆市涪陵区永胜林场、 冒合寨工区的马尾松林为研究对象, 随机选取健康、 染病、 完全枯死的马尾松植株进行监测。 数据采集过程中使用ASD野外光谱分析仪FieldSepc4, 采集波段范围为从可见光400 nm到近红外波段1 100 nm处, 分辨率为1 nm。 共采集了70条马尾松植株的有效光谱数据, 根据不同虫害程度, 将其划分为健康、 轻度、 中度、 重度和枯死五种类型, 并利用Matlab软件进行处理分析, 得到其光谱反射率曲线。 选择涵盖绿光区（510～580 nm）、 红光区（620～680 nm）和近红外区（680～780 nm）三个波段, 计算各个波段的光谱特征参数, 构建虫害程度估测模型。 实验结果表明: （1）针对枯死样本, 其“绿峰”和“红谷”特征消失, 红边陡峭上升趋势被拉平。 其他几种类型样本光谱特征参数RGP, FRB和RES与虫害程度呈负相关, 虫害程度越深, 其光谱特征参数值越小, 即健康（RGP）>轻度（RGP）>中度（RGP）>重度（RGP）, 健康（FRB）>轻度（FRB）>中度（FRB）＞重度（FRB）, 健康（RES）>轻度（RES）>中度（RES）>重度（RES）。 （2）随着虫害程度加深, 光谱特征参数GPP向长波方向移动, 即存在“红移”现象, 而光谱特征参数RBP和REP向短波方向移动, 即存在“蓝移”现象。 （3）与一元线性估测模型相比, 二元线性估测模型具有较大的相关系数R2, 较小的估计误差E以及残差。 实验中对两棵马尾松样本虫害程度进行估测, 二元线性估测模型的结果为PD=2.990 7和PD=3.679, 与实际情况相符。 在后续研究中将对1 100~2 500 nm波段特征进行相关性分析。

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。

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。

利用蚕豆叶片可见-近红外反射光谱结合导数光谱对健康、 少量、 大量虫害三种等级的实验样本进行光谱特征分析, 并选择虫害检测最优波段。 采用Hadoop, Spark和VMWare虚拟机搭建云计算平台, 使用MLlib机器学习库实现人工神经网络（ANN）和支持向量机（SVM）分类算法, 并对三种等级蚕豆叶片全波段和最优波段光谱进行分类建模与预测。 结果表明ANN虫害光谱分类模型准确率优于SVM虫害光谱分类模型, 并且在云平台上运行效率更高, 同时全光谱波段的预测准确性高于最优波段。 通过扩展光谱数据集, 云计算技术在光谱数据挖掘中的计算效率有显著提升。 云计算分类检测可以为作物生物胁迫光谱识别提供新的技术和方法。

番茄植株在生长过程中受病虫害的侵染, 将导致番茄减产和种植户的经济效益降低, 该研究用高光谱技术结合化学计量学方法, 实现了番茄叶片斑潜蝇虫害的快速识别。 搭建了简易的高光谱成像系统, 包括光源单元、 高光谱图像采集单元和数据处理单元, 用该系统获取番茄叶片的高光谱图像, 对高光谱图像进行校准, 并从每一幅图像中提取光谱信息。 分别采用了光谱角匹配(SAM)分析方法和光谱红边参数判别分析(DA)方法识别番茄叶片斑潜蝇虫害。 在SAM分析中, 对高光谱数据进行了归一化预处理, 以消除多余信息, 增加样品之间的差异。 比较了以不同番茄叶片样品的反射光谱作为测试光谱时, 虫害识别效果的差异, 当以受到斑潜蝇侵染的番茄叶片的平均反射光谱作为测试光谱时, 虫害识别的正确率较高, 达到96.5%。 在光谱红边参数判别分析中, 从光谱数据中提取了红边位置、 红边振幅、 最小振幅、 红边面积、 红谷位置和红边振幅/最小振幅6组红边信息, 利用判别分析方法建立番茄叶片斑潜蝇虫害的判别模型, 比较了距离判别、 Fisher判别、 Bayes判别分析方法的判别效果, 使用距离判别分析建模的判别正确率最低, 判别正确率为88.0%, 使用Fisher判别分析建模的效果最佳, 判别正确率为96.0%。 研究结果表明, 采用高光谱技术识别番茄叶片斑潜蝇虫害具有可行性。

采用近红外高光谱成像技术对菜青虫的存活与死亡状态进行了研究, 通过提取菜青虫不同状态的光谱信息, 建立判别分析模型。以不同预处理方法对所提取的951.5～1 649.2 nm光谱进行预处理, 并建立偏最小二乘判别分析(partial least square-discriminant analysis, PLS-DA)模型对菜青虫的生死状态进行判别分析, 判别正确率接近或达到100%。用移动平均(moving average, MA)5点平滑光谱分别采用连续投影算法(successive projections algorithm, SPA)以及加权回归系数(weighted regression coefficient, Bw)分别选取了17和20个特征波长进行生与死状态的判别。基于特征波长建立了PLS-DA, K最邻近节点算法(K-nearest neighbor, KNN), BP神经网络(back propagation neural network, BPNN)以及支持向量机(support vector machine, SVM)模型, 判别正确率接近100%。结果表明采用近红外高光谱成像技术对菜青虫生命状态的研究是可行的, 为作物虫害的快速诊断提供了新方法。