SPOT-5遙感影像馬尾松毛蟲害信息提取技術(shù)研究.pdf

1、馬尾松毛蟲(Dendrolimus Punctatus Walker)是馬尾松的主要害蟲，嚴(yán)重制約了馬尾松的生長，其發(fā)生頻繁，常猖獗成災(zāi)，被稱為“無煙的森林火災(zāi)”。在我國南方地區(qū)，馬尾松毛蟲常年發(fā)生，一般3至5年就成災(zāi)一次，為害面積高達(dá)2.0×106～3.3×106 hm2，減少木材量約3.0×106 m3，經(jīng)濟(jì)損失達(dá)數(shù)十億元，是發(fā)生面積最廣、為害最為嚴(yán)重的森林害蟲，危害很大。實現(xiàn)馬尾松毛蟲害的有效監(jiān)測，是防治松毛蟲危害的關(guān)鍵，但傳統(tǒng)地

2、面抽樣調(diào)查方法費時費力，已經(jīng)不能滿足林業(yè)生產(chǎn)實際需要，而遙感技術(shù)具有大面積覆蓋且實時探測的優(yōu)點，具有技術(shù)上的可行性與經(jīng)濟(jì)上的節(jié)約性。為此，本文以沙縣作為研究區(qū)，以研究區(qū)SPOT-5遙感影像多光譜數(shù)據(jù)與全色數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，結(jié)合外業(yè)調(diào)查數(shù)據(jù)、研究區(qū)森林資源數(shù)據(jù)庫、研究區(qū) DEM等輔助數(shù)據(jù)，分析蟲害影像的光譜變化與紋理變化，通過光譜指標(biāo)的選取、紋理特征的分析等，從多方面對影像蟲害信息進(jìn)行提取，從而建立遙感監(jiān)測森林病蟲害的技術(shù)體系，構(gòu)建馬尾松毛

3、蟲害的遙感監(jiān)測指標(biāo)體系，并建立-新的針對馬尾松毛蟲害的基于片層-面向類的影像分類新方法，為實際生產(chǎn)監(jiān)測馬尾松毛蟲害提供技術(shù)支持與理論基礎(chǔ)，并為高分辨率影像用于森林病蟲害的監(jiān)測提供借鑒。主要研究結(jié)果如下：
　　 (1)參考國土資源部的土地利用一級分類系統(tǒng)，結(jié)合研究區(qū)實際情況，針對研究需要，確定研究區(qū)沙縣的土地利用分類系統(tǒng)為：林地與非林地，林地又分為馬尾松、杉木和闊葉樹?；谟跋竦墓庾V特征，基于分層分類的思想，結(jié)合閾值設(shè)定與決策樹分

4、類QUEST算法，提取出林地影像，在此基礎(chǔ)上，實現(xiàn)馬尾松林專題信息的提取，其提取精度達(dá)到92.89％。
　　 (2)對SPOT-5多光譜影像進(jìn)行光譜特征分析，發(fā)現(xiàn)受害馬尾松在2、3、4波段變化明顯，基于此，首次構(gòu)建了馬尾松毛蟲害的遙感監(jiān)測指標(biāo)體系。
　　 (3)基于構(gòu)建的光譜指標(biāo)，采用嶺跡分析方法進(jìn)行監(jiān)測因子的優(yōu)選，建立了表征蟲害程度的蟲情級數(shù)的嶺回歸估測模型，其模型估測精度達(dá)到81.69％。進(jìn)而實現(xiàn)研究區(qū)蟲情級數(shù)的反演

5、，并進(jìn)行馬尾松毛蟲害的專題信息提取，其信息提取總精度=70.75％，Kappa=0.6759，分類精度不高，且椒鹽現(xiàn)象比較嚴(yán)重，健康林分與輕度受害林分混淆較嚴(yán)重。
　　 (4)提取圖像的紋理特征并分析，分別采用基于像元的最大似然法與面向?qū)ο蠓诸惙椒?，進(jìn)行馬尾松毛蟲害信息提取。前者分類總精度=72.75％，Kappa=0.6913；后者分類總精度=74.75％，Kappa=0.7283，后者精度高于前者。兩者相比于基于光譜信息分類

6、來說，其分類精度有了一定的提高，分別為：基于像元統(tǒng)計提高了2％，面向?qū)ο蠓椒ㄌ岣吡?％。說明紋理特征對于圖像的分類起關(guān)鍵作用。
　　 (5)研究進(jìn)行光譜信息與紋理信息的融合，引入紋理信息參與蟲害圖像的分類，采用融合多尺度紋理與光譜信息的 SVM分類方法進(jìn)行蟲害信息提取，并與單尺度紋理的分類方法進(jìn)行比較，前者分類總精度=82.50％，Kappa=0.8059，后者分類總精度=80.75％，Kappa=0.7824，前者分類精度高于

7、后者。同時兩者相比于單純基于光譜信息與紋理信息都有了提高，分別為：單尺度紋理分別提高了10％、6％，多尺度紋理提高了11.75％、7.75％。光譜信息與紋理信息的融合顯著地增強(qiáng)了馬尾松毛蟲害的光譜響應(yīng)能力，其信息量明顯增多，同時多源信息的引入有利于提高影像的分類精度。
　　 (6)融合影像的光譜信息與紋理信息，并考慮影響昆蟲發(fā)生發(fā)展及變化的生態(tài)及林木自身因子，首次構(gòu)建了馬尾松毛蟲害遙感監(jiān)測指標(biāo)體系?；诮⒌谋O(jiān)測指標(biāo)體系，通過嶺

8、回歸建模，實現(xiàn)了馬尾松毛蟲害專題信息的提取，其分類總精度=85.75％，Kappa=0.8328。相比于沒有考慮地形及林木因子的三種方法，其精度分別提高了15％、11％、3％。
　　 (7)基于蟲害影像特征，提出基于生態(tài)因子分片-面向類的新算法，該法基于海拔、坡度與坡向，對馬尾松進(jìn)行空間分區(qū)劃片，然后針對每片影像的特點，綜合運用決策樹、面向?qū)ο蟮确诸惙椒ǎM(jìn)行蟲害信息的提取，其分類總精度=87.50％，Kappa=0.8559，

9、其精度高于嶺回歸建模的方法，其分類總體精度提高了1.75％。該法綜合考慮了各方面的因素，消除了地形的影響，有效避免了椒鹽現(xiàn)象的發(fā)生。
　　 (8)對于各種程度受害的馬尾松來說，從各種方法提取的精度來分析，健康馬尾松與重度受害馬尾松提取精度最高，而輕度受害馬尾松與中度受害馬尾松精度稍低。各種提取蟲害信息的方法，以生態(tài)因子分區(qū)劃片-面向類的方法精度最高，蟲害信息分布圖質(zhì)量也最高，是最佳的信息提取方法。
　　 (9)森林病蟲害