淺談衛星遙感技術監測松材線蟲病損失評估方法

戴維序 史巖巖 李培琳

摘要：松材線蟲病成為制約森林病蟲害業務發展的瓶頸，已逐漸發展為我國最為嚴重的林業病蟲害之一，近些年隨著遙感技術的快速發展，衛星遙感技術獨特的優點可在松材線蟲病的預測、治理、損失評估提供技術支持，在最大程度上減少損失，指導林業相關部門及林業生產者減少損失。

關鍵詞：松材線蟲病;衛星遙感;損失評估

1引言

在黨的十九大報告中提出了人與自然是生命共同體，人類必須尊重自然、順應自然、保護自然;要完成人與自然和諧共生的現代化建設，須堅持節約優先、保護優先、自然恢復為主的方針，形成節約資源和保護環境的空間格局、產業結構、生產方式、生活方式，還自然以寧靜、和諧、美麗。林業是美麗中國建設的核心和關鍵，林業作為保護生態環境的重要組成部分，其發展及保護的意義非常重大，為了響應十九大號召，加速落實習近平總書記提出的加快生態文明體制改革、推進綠色發展、建設美麗中國的戰略部署，控制減少森林病蟲害，切實做好森林病蟲害工作，筑牢國家綠色屏障，已經成為推動生態文明體制改革，建設美麗中國提升的重要抓手。

衛星遙感技術具有監測范圍大、速度快、性價比高、受地形和天氣影響較小等優點。作為一種新的遙感技術，已經在植被指數、植被葉面積指數、光合有效輻射等因子的估算中以及在植被生物化學參數分析、植被生物量和作物單產估算、作物病蟲害監測中得到廣泛的應用。隨著航天信息技術的迅速發展，衛星遙感影像分辨率已經進入到亞米級時代，其監測技術不僅僅可以對森林病蟲害的大面積觀測，還可以運用到森林病蟲害的單簇快速識別監測。

2必要性分析

2.1林業病蟲害發生原因

我國的林業資源十分的豐富，林業建設是促進我國經濟發展的重要課題，對實現我國的可持續發展具有重要的意義。隨著全球氣候變化，我國林業有害生物危害的形式日益嚴峻，“十一五”期間，全國年均林業有害生物發生面積1100多萬hm2，損失經濟價值超過千億元。林業資源是我國綠化環境中最為重要的一個部分，如果受到蟲害影響，極有可能限制我國林業建設的持續高效發展。

2.2監測森林病蟲害的需求迫切

我國森林病蟲害增長迅速，而成本高、難度大、糾紛多的傳統森林病蟲害工作成為制約森林病蟲害業務發展的瓶頸。為提高森林病蟲害發生的監測、預測和評估能力，亟需開展利用遙感和空間分析技術實現森林病蟲害災害點識別，精準評估病蟲害受災情況的研究。需要建立森林病蟲害精準監測技術體系，對不同森林病蟲害實現風險評估。以實現高精度、高時效的森林病蟲害風險分析，為森林病蟲害預防和治理提供可靠的技術支撐。

森林病蟲害多發生在人煙稀少、交通不便的林區，由于常規地面調查監測方法很難迅速、全面、客觀地反映病蟲害的發生發展動態，從而不能及時有針對性地采取防治措施。因此，森林病蟲害的檢測管理必須依靠先進而實用的空間技術手段，遙感技術正在深刻影響著森林病蟲害的綜合管理系統。

2.3林業病蟲害防治困難

林業病蟲害的危害大，波及的范圍廣，在病蟲害發生之前就應該高度地重視林業病蟲害的監測預報工作，防微杜漸，盡量減小病蟲害帶來的危害。然而，在實際的工作中，各地對林業病害監測預報工作的重視程度還不夠，病害防治的技術力量不夠，經費不足，缺乏必備的監測、防治、交通通訊工具以及檢驗檢疫儀器設備等，造成林業病蟲害防治率變低，先進有效的防治技術的推廣和應用不足，導致災情發生時不能進行有效的控制，使得災情擴散，造成無法估量的損失。

近年來，人工林的面積不斷擴大，使得林業病蟲害出現的區域也不斷增加，然而由于技術、資金、人力、物力等受限，大大增加了病蟲害防治工作的難度，因此，各地的林業病蟲害的防治較為困難。

世界經濟不斷向全球化的方向發展，全球各地之間的交流聯系越來越密切，使得很多來自外地的不同物種，因為一開始在我國沒有相應的天敵存在，使得害蟲能夠迅速地繁殖，嚴重威脅著林業資源的發展。而且這種來自外來害蟲的危害在不斷加重，致使林業資源減產，影響生態的平衡。

3病蟲害遙感評估內容、原理和技術流程

3.1林業病蟲害遙感評估內容

通過衛星遙感高科技手段，利用高分辨遙感衛星影像數據，建設統一有效的森林病蟲害應用實現森林病蟲害災害發生后，及時發現受害林木位置、林分受災程度及面積、輸出災情分布圖，為病蟲害防護和控制提供決策支撐信息。主要滿足需求如下所示：

（1）森林災害的遙感監測

應用多光譜數據對大區域森林發生的大范圍災害進行監測，對多年的災害發生情況進行動態監測;應用高空間分辨率高光譜的無人機數據，對小區域代表性受災林區進行精細監測，獲得高光譜反演災害模型與受災單木區域。

（2）受災潛在風險區劃分

基于信息量法，依據歷史災害發生情況，多年氣象條件，林區立地特征等環境影響因素，對大區域森林蟲害爆發程度的各評價因子進行等級劃分，評估得到不同受災風險等級的分布區，并匯制專題圖。

（3）未來蟲害發生程度預測

在長時間遙感監測，得到大區域森林災害嚴重程度結果的基礎上，疊加氣象與地形的空間插值數據，進行GIS空間疊加分析，獲得氣溫、降雨、日照、坡度、坡向等因子在空間上對災害發生的量化關系。篩選出與災害相關性強的因子，由此對未來災害進行預測。

3.2林業病蟲害遙感評估原理

正常生長的植被一般都有很規則的光譜反射曲線，即大約在0.52-0.6μm的綠光區有一個小的反射峰，在藍光約0.48μm和紅光約0.68μm區各有一吸收帶，進入0.75～1.3μm的近紅外區反射率急劇上升，形成鮮明的反射峰，也稱為綠色植物的近紅外陡坡效應。植被類型、生長階段、所處的生長環境等因素的不同會造成各波段的反射值的差異，但這種光譜曲線的總體特征會保持不變，只有當植物遭受病蟲害侵襲時才會發生變化，當植物受到病蟲害侵襲，會導致植物在各個波段上的波譜值發生變化，這是利用航空遙感進行病蟲害監測的主要依據。

3.3遙感監測森林病蟲害的技術流程

利用航天遙感、地面光譜、GPS、植被生理指標、地面調查資料等數據，以目標樹種有害生物為監測對象，對受害林分災害點進行遙感識別和監測預測，其技術路線如圖1所示：

3.3.1基礎數據處理

獲取病蟲害監測站點目標樹種病蟲害發生防治逐年數據（監測站點地理坐標、發生面積、監測面積、防治面積、防治率等監測指標）。利用插值模型內插出其他區域的病蟲害數據，在此基礎上確定蟲災發生重點區域;獲取蟲災重點發生區內各個站點近30-50年的基礎氣象數據，制作降水、空氣濕度、風速風向、輻射、日照時數的分布柵格圖;在地理空間數據云獲取全國范圍DEM數據。利用ArcGIS提取坡度、坡向、坡位圖，利用ArcGIS進行空間分析人為因素影響;收集并獲取蟲災重點發生區域的多源遙感數據，應用不同植被的季節性特征進行森林植被提取的同時完成季節性變化時間序列分析，同時按照不同類型害蟲生活史獲取不同月份數據，以后續區分不同蟲害類型，進行研究區選擇及樣地布設。

3.3.2受害植被信息提取

在研究區通過ASD地面光譜儀測定不同樹種的光譜特征，依據測定的不同樹種的不同光譜特征，獲取寄主植被分類圖。以植被分類圖為基礎，完成尺度上推。結合害蟲生態學特性及生活史，利用其上樹期、蛹期、卵期以及下樹期的遙感影像，分析其指示性光譜指數等特征，獲取其變化特征，區分研究范圍內病蟲害的種類。發生數據及地形等區域性數據，利用空間異質性分析結果建立蟲災發生時空型。利用時空關聯規則挖掘方法獲取含時空約束的關聯規則，得到災害發生的特征指標，利用多源遙感數據，高效準確地識別受災點，并對受災程度進行評價。

3.3.3氣候-害蟲蟲災時空型提取

根據建立的監測樣點病蟲害數據，使用時空插值模型生成時空分布及不確定性GIS，然后提取病蟲害的時空分布。運用空間統計學模型探測其脆弱區域。由于不同地區森林病蟲害受到的影響因素權重不同，探測影響因素的空間異質性。實現氣候-森林病蟲害脆弱區域格局識別，并進行空間可視化分析，在此基礎上進行氣候—森林病蟲害風險評估。

3.3.4災害擴散動態模擬與預測

建立氣候-害蟲蟲災信息數據庫。以氣象數據，植被數據，地形數據及社會經濟數據構成的蟲害發生預測模型及在IPCC指導下獲取的未來氣候數據為環境層，以害蟲生態學特性及其潛在脆弱區為智能體層，分析確定元胞定義，利用MAS和CA結合技術，預測和模擬蟲災的演變規律;選擇災害發生高風險區作為典型區域，應用MAS-CA模型進行災害蔓延模擬，使得小尺度災害預測落實到地塊。并分析情景不確定性、模式不確定性和靈敏度分析，同時完成病蟲害受災區風險評估制圖。

4松材線蟲病害衛星遙感評估方案

森林病蟲害種類繁多，本章以馬尾松松材線蟲為例，簡述基于衛星遙感技術的災害評估方法。

利用航天遙感、地面光譜、GPS、植被生理指標、地面調查資料等數據，以目標樹種有害生物為評估對象，對受害林分災害點進行遙感評估和監測預測，其技術路線如圖2所示：

4.1感染松材線蟲病枯死馬尾松遙感評估體系

利用衛星遙感技術快速監測評估感染松材線蟲病枯死馬尾松，其評估體系如下：

1）根據監測面積獲取圖像塊，對所述圖像塊進行預處理，得到融合的圖像塊數據;

2）對所述融合的圖像塊數據進行采集馬尾松冠層960nm、760nm、650nm和540nm波段冠層光譜反射率;

3）基于反射率數值，計算比值植被指數RVI和植被狀態指數α;

4）基于所述比值植被指數和植被狀態指數，計算光譜指數β，根據計算得到的β的值來獲得馬尾松感染松材線蟲病的評價結果。

其中，步驟3中RVI的計算公式為：

RVI（960，650）=ρ960/ρ650（1）

式中，RVI（960，650）為波段960與650nm的比值植被指數;ρ960、ρ650分別代表960nm、650nm處的光譜反射率值。

植被狀態指數α的計算公式為：

α（540，760）=ρ540/ρ760（2）

其中，α（540，760）為波段540與760nm的植被狀態指數;ρ540、ρ760分別代表540nm、760nm的光譜反射率值。

光譜指數β的計算公式為：

β=RVI（960，650）/α（540，760）（3）

步驟（2）中，采集馬尾松實際冠層光譜反射率的方法為：采用ASD便攜式光譜輻射儀，在晴好天氣10：00～14：00區間，50°≤太陽高度角≤60°進行測量，測定時探頭垂直向下距冠層頂1.6～1.8m，每接種株重復測定10次，每次測量前后均用標準的參考板進行校正。

采集馬尾松遙感影像對應冠層光譜反射率的方法為：選取多源高光譜影像和多光譜影像數據，進行準確的大氣校正和輻射定標后，直接提取研究區相應目標的反射率。

在馬尾松分類結果影像上，采用不同尺度的圖像塊，按照研究發現的光譜指數來移動計算每個圖像塊中每個像素點的光譜特征指標，對于大面積的馬尾松面積，采用20*20的圖像塊，對于較小面積的馬尾松，采用10*10的圖像塊。此外，通過設置不同的窗口大小，采用灰度共生矩陣方法將圖像紋理轉換到變換域，然后應用能量準則提取紋理特征，結合提取到的感病馬尾松的光譜信息、紋理特征，建立了遙感提取算法，用于對0.5米高分辨率衛星影像上感病松材線蟲病枯死馬尾松的提取。結合在研究區采集的地面調查數據對初步結果進行修正，優化遙感提取算法精度，最后得到基于遙感技術的松材線蟲病的反演算法。使用該算法反演出研究區域內松材線蟲病害的時空分布，并對研究區的受災程度進行評價。

4.2感染松材線蟲病枯死馬尾松遙感評估結果

以光譜數據分析技術為基礎，提取與馬尾松松材線蟲病發生動態密切相關的960nm、760nm、650nm和540nm光譜參數，根據比值植被指數和光譜指數預測馬尾松感病階段，以光譜指數變化規律與比值植被指數的變化閾值判斷肉眼可識別感病與否。

同時，利用光譜指數對感病天數進行定量化模擬，為實現馬尾松松材線蟲病的早期監測奠定了基礎，有效地提高森林松材線蟲病的防治效率。也為其它森林病蟲害早期監測與診斷提供可靠依據與方法借鑒。

根據最終遙感監測得到的馬尾松枯死樹木數量以及計算得到的β值（0—100）來獲得馬尾松感染松材線蟲病的評價結果，當枯死木數量以及β值達到一定閾值區間時，則判定為達到經濟價值損失和生態損失。表1為光譜值示例。

參考文獻

[1]彭望琭.遙感概論[M].高等教育出版社，2002

[2]劉成浩.淺談林業病蟲害防治[J].農家科技，2015，09（01）：79-84.

[3]張式偉.浙江省林業病蟲害防治現狀及對策[J].現代農業科技，2017，10（15）：59-61

[4]楊克平.生態工程導論[M].化學工業出版社，2005.

作者簡介

戴維序（1972—），男，漢族，北京市海淀區，管理學博士，單位：航天信德智圖（北京）科技有限公司，研究方向：農田森林價值品質遙感評估。