高光譜遙感技術(shù)在森林病蟲害監(jiān)測中的應(yīng)用

趙洪瑩，舒清態(tài)，王柯人，袁梓健，譚德宏

(西南林業(yè)大學，云南 昆明 650224)

1 引言

森林資源是自然界的重要組成部分，在生態(tài)系統(tǒng)中占有舉足輕重的地位。森林病蟲害是主要的森林災(zāi)害之一，破壞森林資源的同時，還造成了一定的經(jīng)濟損失，同時給生態(tài)環(huán)境也帶來了嚴重的負面影響，被人們稱之為“無煙的森林火災(zāi)”。近年來，我國森林病蟲害發(fā)生面積較大，每年發(fā)生面積達870萬hm2以上，造成木材生長量減少1700多萬m3，經(jīng)濟損失超過880億元[1]。林業(yè)生產(chǎn)的發(fā)展和生態(tài)環(huán)境的建設(shè)與森林病蟲息息相關(guān)，森林病蟲的發(fā)生嚴重制約著林業(yè)的可持續(xù)發(fā)展進程。因此，監(jiān)測森林病蟲害的發(fā)生發(fā)展對生態(tài)文明建設(shè)具有重要的意義。隨著森林資源問題的日益凸顯，人們也愈發(fā)關(guān)注森林病蟲害的發(fā)生及其影響，遙感技術(shù)的發(fā)展和應(yīng)用已成為森林病蟲害監(jiān)測的一個新的發(fā)展方向和研究熱點。高光譜遙感技術(shù)的出現(xiàn)，使得遙感監(jiān)測森林病蟲害這一新領(lǐng)域得到了進一步的拓寬，了解和掌握高光譜遙感技術(shù)的原理及其在病蟲害早期監(jiān)測中的可行性，對實現(xiàn)森林病蟲害的早期防治具有重大的意義和價值。

2 高光譜遙感技術(shù)概念

高光譜遙感是一種利用窄電磁波段獲取感興趣的地面物體光譜信息的技術(shù)，同時也是一門綜合科學，它將信息處理與計算機技術(shù)相結(jié)合，是“高光譜分辨率遙感”的縮寫[2]。在高光譜遙感技術(shù)興起之前，有許多不可識別的物質(zhì)，但是自從高光譜遙感出現(xiàn)以來，除了定性檢測之外，在某些領(lǐng)域還可以對物質(zhì)進行定量檢測。高光譜遙感技術(shù)具有多波段、高光譜分辨率、相鄰波段間高相關(guān)性、高空間分辨率等突出優(yōu)勢[3]。從技術(shù)上講，高光譜遙感技術(shù)是光譜技術(shù)和成像技術(shù)的結(jié)合。當使用光譜信息收集波段寬小于10 nm的地面物體時，會形成完全連續(xù)的光譜曲線，這在其他遙感技術(shù)中是無法獲得的[4]。普通遙感裝備的遙感器一般只有幾個波段，最多十幾個波段，而且每個波段的寬度都要大于100 nm，并且在電磁波譜上表現(xiàn)出不連續(xù)的特點，無法探測更多的物質(zhì)特征，而高光譜遙感波段窄，彌補了這一不足，可以探測到寬波段遙感無法探測到的物體。在高分辨率下，不同的特征之間光譜特性的細微差別是不同的，加之提高了空間分辨率，讓高光譜遙感技術(shù)廣泛應(yīng)用于各個領(lǐng)域中。

3 高光譜監(jiān)測病蟲害的原理

高光譜遙感監(jiān)測病蟲害主要是通過測量植物的生存能力，如植物中葉綠素含量和化學成分的變化[5]。綠色植物的光譜反射率有其顯著的特征，并且會隨著波長的變化而變化。在可見光波段，植物的反射率在0.5～0.7 μm處很低，在近紅外波段，在0.7～0.9 μm處明顯增加，這是因為綠色植物可以吸收該波段的輻射能量。當植物受到病蟲害侵染后，植物體內(nèi)的葉綠素會逐漸減少，吸收光的能力也隨之減弱，可見光的反射率會明顯提高，紅外區(qū)域的反射率會顯著降低。病蟲害的發(fā)生會嚴重影響植物在不同波段的光譜值，尤其是近紅外波段[6]?？傊?，利用高光譜遙感技術(shù)監(jiān)測森林資源病蟲害主要是分析植物化學成分的變化，從而獲取病蟲害信息，為利用高光譜遙感技術(shù)監(jiān)測植被病蟲害提供依據(jù)。

4 高光譜遙感數(shù)據(jù)獲取方法

4.1 衛(wèi)星高光譜數(shù)據(jù)

高光譜分辨率遙感技術(shù)作為當前遙感領(lǐng)域的前沿技術(shù)，其發(fā)展是近幾十年來人類對地觀測技術(shù)的重大突破之一。1983年，第一臺航空成像光譜儀AIS-1問世。2000年11月，世界上第一個成功發(fā)射的星載民用成像光譜儀是由美國發(fā)射的Hyperion。我國高光譜遙感技術(shù)起步較晚，但是發(fā)展迅速，目前，具有高光譜分辨率、高精度、高靈敏度觀測能力的“高分五號”衛(wèi)星是我國最先進的高光譜探測衛(wèi)星，多項指標都達到了國際先進水平。高光譜遙感技術(shù)在提高光譜分辨率的同時，也在不斷地向著高空間分辨率方向發(fā)展。

齊興蘭等以福建省沙縣為研究區(qū)，以Modis遙感數(shù)據(jù)為基礎(chǔ)，利用紅邊參數(shù)、歸一化差異指數(shù)和比值植被指數(shù)，對馬尾松毛蟲災(zāi)害的范圍和程度進行了分析，結(jié)果表明，歸一化差異指數(shù)對重災(zāi)區(qū)比較敏感。并結(jié)合地面資料，找出了不同害蟲危害程度各指標的臨界值，確定不同受災(zāi)地區(qū)，其中比例植被指數(shù)分析馬尾松毛蟲危害最準確[7]。

4.2 利用地面光譜監(jiān)測植被病蟲害的研究進展

地面高光譜數(shù)據(jù)通常由地面成像光譜儀和室內(nèi)光譜儀獲取，與星載高光譜探測儀器合作開發(fā)的地面高光譜儀器同時投入使用；地面光譜儀不但提供了小尺度空間病蟲害的信息，與此同時小尺度空間病蟲害的管理水平也得到了提高，在提取小尺度空間病蟲害信息方面具有廣闊的應(yīng)用前景；目前用于森林病蟲害監(jiān)測所用的高光譜儀器主要是由美國ADS公司生產(chǎn)的便攜式野外高光譜儀器。Mazen Salman通過室內(nèi)光譜儀獲得可見光和近紅外光譜，利用偏最小二乘判別分析(PLS-DA)和支持向量機(SVM)兩種分類方法來確定了橄欖葉斑病病原體潛伏感染的嚴重程度，取得了顯著的分類效果[8]。張素蘭等利用馬尾松地面高光譜資料，研究了6種光譜特征參數(shù)與害蟲危害程度之間的關(guān)系，通過線性回歸方程建立害蟲危害程度估計模型，為松材線蟲病的早期監(jiān)測和防治提供技術(shù)支持[9]。

4.3 無人機遙感技術(shù)

隨著科技的發(fā)展，無人機作為一種搭載傳感器的遙感平臺，為遙感領(lǐng)域開辟了新的思路。與其他遙感技術(shù)相比，它因成本低、操作簡單、空間分辨率高、獲取圖像的時間和地理限制少而逐漸被應(yīng)用到各行各業(yè)。然而，目前國內(nèi)外基于無人機遙感的研究主要集中在地質(zhì)調(diào)查、自然災(zāi)害、數(shù)字城市建設(shè)等方面。植被病蟲害監(jiān)測的研究仍處于探索階段[10]。Nasi等使用基于無人機的高光譜圖像數(shù)據(jù)來識別樹皮甲蟲感染的每個階段。結(jié)果表明，不同階段(即基于高光譜無人機成像的機器視覺技術(shù)可以在單棵樹的水平上識別健康、感染和死亡的樹)；當檢測三種云杉(健康、感染和死亡)時，與兩種云杉(健康和死亡)相比，總體準確率為76%，最佳總體準確率為90%?；诟叻直媛矢吖庾V成像的調(diào)查方法對森林健康管理具有重要的實用價值，可以預(yù)測特定時間小蠹蟲的爆發(fā)[11]。Juan Sandino等研究了真菌病害對茶樹的侵染情況，并收集了無人機、高光譜圖像傳感器、數(shù)據(jù)處理算法等技術(shù)的數(shù)據(jù)，共提取了11385個樣本。結(jié)果表明，健康樹種的檢出率為97.24%，受影響樹種的檢出率為94.72%[12]。

Zhang,Ning等利用無人機高光譜成像技術(shù)，通過三種波段選擇算法對高光譜數(shù)據(jù)進行降維，并建立最小二乘回歸模型，利用最佳波段對落葉進行定量估計，從而識別和確定油松林毛蟲對樹木的危害程度[13]。蘭玉斌等通過獲取柑橘低空病害的高光譜圖像，提取并計算柑橘黃龍病林冠感興趣區(qū)域的平均光譜，探索出一種快速高效的柑橘黃龍病害蟲識別方法，并建立了柑橘黃龍病的判別模型，表明利用低空高光譜遙感監(jiān)測柑橘黃龍病林冠的方法是可行的，可以大大提高柑橘管理的效率和政府防控病害的力度[14]。

5 高光譜遙感技術(shù)在森林病蟲害監(jiān)測中的研究應(yīng)用

植物在生長過程中與環(huán)境因素相互作用的綜合光譜信息被稱之為植物的光譜特征?；诓∠x害光譜響應(yīng)的生理機制和光譜數(shù)據(jù)監(jiān)測病蟲害[15]。監(jiān)測方法主要包括以下方面。

5.1 基于病蟲害光譜響應(yīng)特征進行監(jiān)測

不同高光譜波段植物對病蟲害的響應(yīng)不同，病蟲害引起的不同癥狀和光學特性是病蟲害遙感監(jiān)測的基礎(chǔ)。作物病蟲害的光譜響應(yīng)可以近似為病蟲害引起的色素、水分、形態(tài)和結(jié)構(gòu)變化的函數(shù)，因此它通常是多效性的，并且與每種病蟲害的特征相關(guān)[16～18]。

Lausch A等利用決策樹的分類方法地面分辨率為4 m和7 m的高光譜遙感數(shù)據(jù)的光譜帶、植被指數(shù)和光譜波段組合的差異，能有效的估算生命力等級以及云杉植被的侵襲階段[19]。劉文雅獲得松材線蟲病整個發(fā)病周期的冠層高光譜數(shù)據(jù)和相應(yīng)時期的生理生化參數(shù)，通過多種方法建立了感病松樹葉綠素、類胡蘿卜素和含水量的高光譜估測模型，為松材線蟲病的動態(tài)監(jiān)測提供了一種參考方法[20]。劉文雅通過獲取松材線蟲病完整發(fā)病周期的松樹冠層的高光譜數(shù)據(jù)與相應(yīng)時期的生理生化參數(shù)，采用多種方法建立感病松樹葉綠素、類胡蘿卜素和含水量的高光譜估測模型，為松材線蟲病的動態(tài)監(jiān)測提供了一種可借鑒的方法[21]。王植等研究了高光譜技術(shù)在板栗病蟲害監(jiān)測中的應(yīng)用，指出受攻擊的植物通?？煞譃?個階段:綠色攻擊、紅色攻擊和灰色攻擊。在綠色攻擊階段，根據(jù)光譜反射率的差異和遙感數(shù)字圖像上結(jié)構(gòu)異常的記錄，將其作為高光譜遙感監(jiān)測的參數(shù)，結(jié)合地面調(diào)查，開展板栗病蟲害監(jiān)測的應(yīng)用研究[22]。

為了實現(xiàn)對茶葉病害的準確預(yù)測，蘆兵等利用熒光透射光譜技術(shù)研究了茶葉紅葉病害葉片的熒光透射光譜特征。用高光譜儀器采集葉片的原始熒光透射光譜。通過分析三組葉片樣本的平均光譜強度曲線，將特征波長對應(yīng)的高光譜圖像的熒光光譜信息與相應(yīng)的紋理信息融合，驗證了利用熒光透射光譜信息對3種病葉進行分類的可行性[23]。Abdullah,Haidi等通過檢測葉片的生物化學參數(shù)和光譜特征，對樹皮甲蟲的早期綠色攻擊進行了研究。研究表明，侵染樹皮甲蟲的早期不僅使葉片的生化含量下降，而且在健康和感染針頭的平均反射光譜上也有顯著差異[24]。王克健研究了柑橘黃龍病葉片與健康葉片的淀粉含量及光譜特征，分析了淀粉含量與柑橘黃龍病感染的相關(guān)性，篩選出敏感的特征光譜，建立了柑橘黃龍病特征光譜預(yù)測模型[25]。Niemann,K Ola等利用高光譜遙感技術(shù)對山松甲蟲進行監(jiān)測，主要對1種色素特征(685 nm)和2種色素特征(970 nm和1200 nm)進行了分析，結(jié)果發(fā)現(xiàn)，色素特征(685 nm)和吸水特征(1200 nm)可區(qū)分健康、早期綠色攻擊和紅色攻擊[26]。張衡等在判斷馬尾松是否感染松萎蔫病時，分析了波長593 nm處光譜反射率的一階導數(shù)光譜特征，結(jié)合葉綠素的質(zhì)量分數(shù)，在人為發(fā)現(xiàn)感病前期即表現(xiàn)出良好的監(jiān)測效果[27]。

5.2 基于植被指數(shù)進行監(jiān)測

基于對植被生長狀況和不同波段植物生長曲線變化的認識，研究者提出了多種反映植被生長狀況的特征指標。通觀察不同病蟲害生長條件下的植被特征參數(shù)，建立多種監(jiān)測森林病蟲害的植被指數(shù)。Ju,Yunwei等人利用高光譜遙感技術(shù)，通過馬尾松的光譜特征和葉綠素含量，探索松材線蟲危害早期檢測的可能性，并將危害程度劃分為6個等級，得出完全侵染階段的標準化差異植被指數(shù)值與葉綠素含量變化顯著相關(guān)，特定光譜特征與葉綠素含量的結(jié)合是一種監(jiān)測病蟲害的可靠方法[28]。

彭贊隆等通過研究受不同程度脅迫下的馬尾松，分析其冠層的物理參數(shù)(如單簇針葉體積、針葉長度等)與馬尾松林冠層光譜指數(shù)之間的關(guān)系，找出了適合于不同染病階段的高光譜植被指數(shù)可用于不同受災(zāi)階段的松樹預(yù)報監(jiān)測[29]。So-Ra Kim等研究松材線蟲對松樹枯萎病的影響，并用高光譜光譜儀采集了感染松材線蟲病的松材線蟲的葉片反射光譜。利用現(xiàn)有的10個植被指數(shù)檢測松材線蟲感染[30]。鄧世晴利用地面非成像的松針高光譜數(shù)據(jù)，用光譜數(shù)據(jù)分析了健康松樹和枯死松樹的光譜特征，計算光譜曲線一階導數(shù)。通過歐氏距離識別枯死松樹的最敏感的波段為近紅外波段和紅波段。用28種光譜指標分析了健康松樹和枯死松樹之間的光譜可分性，其中22種光譜指標對不同程度的健康松針和枯死松針具有較好的光譜可分性[31]。

5.3 建模反演

植被生理生化參數(shù)能很好地反映植被的長勢，進行建模反演是監(jiān)測森林病蟲害的關(guān)鍵，目前，基于高光譜遙感建立的估算植被生理參數(shù)的模型較多。主要有多元統(tǒng)計方法、人工神經(jīng)網(wǎng)絡(luò)、小波分析、支持向量機、隨機森林等。這些方法已應(yīng)用于植被生理參數(shù)的估測，從而提高了對森林病蟲害的監(jiān)測精度。

王小龍等為了快速、準確、無損傷地鑒別棉花蟲害類別，采用便攜式光譜分析儀對受蚜蟲和紅蜘蛛危害的棉花葉片以及正常棉花葉片的高光譜數(shù)據(jù)進行采集和分析。采用K近鄰和SVM算法區(qū)分受紅蜘蛛和蚜蟲侵染的葉片以及正常葉片。利用主成分分析方法(PCA)進行特征降維，并利用網(wǎng)格搜索法進行參數(shù)尋優(yōu)。結(jié)果表明，利用高光譜數(shù)據(jù)可以區(qū)分受蚜蟲和紅蜘蛛侵害以及正常的棉花葉片[32]。馬菁、張學儉利用光譜輻射儀，對處于盛果期的健康枸杞冠層和感染了木虱、癭螨、負泥蟲、白粉病的染病枸杞冠層進行光譜特征測定。根據(jù)光譜反射率測量結(jié)果，分析了侵染前后枸杞冠層的光譜特征及其變化規(guī)律，篩選出枸杞病蟲害遙感識別的最佳光譜范圍和優(yōu)化組合，并確定紅色波段(680～760 nm)為枸杞病蟲害識別的最敏感波段。通過逐步回歸分析，建立病情指數(shù)的回歸反演模型[33]。黃鐵成以春尺蠖為對象，使用MODIS NDVI數(shù)據(jù)重構(gòu)基于像元的時間序列曲線，分析春尺錢災(zāi)害在遙感圖像時間序列上的響應(yīng)，構(gòu)建春尺蠖危害遙感監(jiān)測模型[34]。Kyle Mullen利用高光譜遙感結(jié)合衛(wèi)星圖像監(jiān)測中歐山松大小蠹侵染北美西部森林，評估了3個不同分類器(邏輯回歸，線性判別分析，隨機森林)的性能，結(jié)果顯示，使用8個WV-2波段作為預(yù)測因子的隨機森林分類器，分類準確性達到70.6%[35]。Heim,RHJ等為了檢測入侵性致病性真菌對桃金娘科植物的潛在威脅，使用便攜式現(xiàn)場光譜儀獲取健康的葉片、感病后經(jīng)過殺菌劑處理和未經(jīng)處理的葉片的光譜特征，原始光譜及其一階導數(shù)的反射光譜都用隨機森林分類器進行分類，結(jié)果表明原始光譜的整體精度為78%，對于一階導數(shù)反射光譜的整體精度為95%，為基于傳感器對的桃金娘銹檢測和監(jiān)視系統(tǒng)提供了基礎(chǔ)[36]。Zhang,Sulan等通過ASD光譜儀測量馬尾松樹木的光譜來確定松樹枯萎病的高光譜特征，從光譜帶中提取了16個光譜特征建立偏最小二乘回歸模型，最終的結(jié)果是能夠很好地預(yù)測馬尾松枯萎病的發(fā)生情況[37]。Foster,Adrianna C等利用地物光譜儀獲取未侵染云杉和新侵染云杉針葉的光譜反射率，并且通過隨機森林分析，可區(qū)分未受侵染和受侵染的樹木，結(jié)果也表明短波紅外區(qū)域是檢測云杉甲蟲侵染早期的關(guān)鍵區(qū)域[38]。

6 展望

由于高光譜遙感圖像具有連續(xù)光譜、多波段、實效性好和數(shù)據(jù)量大的特點，其在林業(yè)中的應(yīng)用研究逐漸成為現(xiàn)代林業(yè)研究的重點。遙感技術(shù)在害蟲監(jiān)測中的應(yīng)用已經(jīng)逐漸從理論走向?qū)嵺`，但仍有許多問題需要進一步探索和研究。大規(guī)模害蟲發(fā)生的實時動態(tài)監(jiān)測和預(yù)警是未來的一個重要趨勢。今后，高光譜技術(shù)在森林病蟲害監(jiān)測中的發(fā)展方向?qū)⒓性谝韵聨讉€方面。

(1)將多尺度的高光譜遙感相結(jié)合。將大、小尺度成像光譜遙感數(shù)據(jù)與不同精度的森林病蟲害信息相結(jié)合，彌補了傳統(tǒng)單一數(shù)據(jù)源調(diào)查方法的不足，可以更好地實現(xiàn)森林病蟲害的監(jiān)測。

(2)綜合使用多源遙感數(shù)據(jù)。目前，針對森林病蟲害的遙感監(jiān)測預(yù)測研究主要依靠傳統(tǒng)的光學遙感手段，與熱紅外、熒光、氣象衛(wèi)星數(shù)據(jù)呈現(xiàn)出嚴重脫節(jié)的態(tài)勢，需要嘗試利用多個平臺的遙感數(shù)據(jù)結(jié)合使用，豐富數(shù)據(jù)源信息，提高病蟲害監(jiān)測預(yù)警能力。

(3)人們對病害光譜變化特征的差異性認識不足。不同病蟲害對植物的脅迫和水肥脅迫往往導致葉片枯黃萎蔫等相似的外部形態(tài)特征，有時引起相類似的光譜變化，而某些光譜變化特征在不同的脅迫類型中能表現(xiàn)出顯著差異性，如何區(qū)分“異物同譜”“同物異譜”以及各種非病蟲害的脅迫所引起光譜變化，是實現(xiàn)大面積森林病蟲害監(jiān)測的重點與難點。

(4)建立健全森林病蟲害光譜數(shù)據(jù)庫。根據(jù)不同森林病蟲害種類、不同危害程度和不同病蟲害寄主，利用地面光譜儀獲取精準的光譜數(shù)據(jù)，從而建立豐富完整的森林病蟲害光譜數(shù)據(jù)庫。

(5)建立健全森林蟲害監(jiān)測和高光譜預(yù)警平臺，同時結(jié)合地面調(diào)查數(shù)據(jù)和高光譜遙感數(shù)據(jù)，搭建森林病蟲害監(jiān)測預(yù)警平臺，實現(xiàn)病蟲害的預(yù)測、預(yù)警、監(jiān)測、決策等多方面的實時監(jiān)管。