基于GF1衛(wèi)星的紅樹林病蟲害遙感識別

陳燕麗, 孫明, 陳誠, 陶艷成, 劉文愛

(1.廣西壯族自治區(qū)氣象科學(xué)研究所, 南寧 530022;2.廣西科學(xué)院廣西紅樹林研究中心/廣西紅樹林保護(hù)與利用重點(diǎn)實(shí)驗(yàn)室, 北海 536000)

紅樹林是生長在熱帶及亞熱帶沿海潮間帶的木本常綠闊葉植物群落,是重要的海洋生物資源。紅樹林處于海陸交錯(cuò)帶,生境脆弱且敏感,全球氣候變化背景下紅樹林生態(tài)安全問題日益突出。氣候變化導(dǎo)致的異常天氣是引發(fā)病蟲害的重要原因,近十余年廣西紅樹林幾乎每年都不同程度地遭受病蟲害危害[1-2],導(dǎo)致紅樹植物生長受限,嚴(yán)重情況下出現(xiàn)紅樹林大面積死亡。例如,2004年和2006年廣州小斑螟為主的蟲害,2015年柚木駝蛾蟲害,造成紅樹林大面積枯萎死亡,紅樹林生境面臨著嚴(yán)重的威脅[3]。紅樹林病蟲害快速監(jiān)測評估可為其科學(xué)防治和植被修復(fù)提供科學(xué)依據(jù),對紅樹林保護(hù)工作具有重要意義。

遙感技術(shù)已經(jīng)廣泛應(yīng)用于陸地森林病蟲害的監(jiān)測研究,主要研究方向?yàn)樯质~與林冠動(dòng)態(tài)、森林缺素癥、受害程度分級分類、森林植被指標(biāo)、森林對病蟲害的易感性與耐受性、森林病蟲害與光譜特性之間關(guān)系等[4]。目前航天遙感以準(zhǔn)確度高、可操作性強(qiáng)的優(yōu)點(diǎn),已成為最常用的病蟲害監(jiān)測手段[5]。植物受蟲害后葉子殘缺變黃,葉綠素不斷減少,遙感監(jiān)測病蟲害的主要依據(jù)就是植物光譜特征差異[6],研究已證實(shí)病害的紅樹林在綠、紅和近紅外光譜段內(nèi)反射率均有變化,且近紅外波段變化最大[7]。紅樹林遙感監(jiān)測研究已從分類識別[8-10]、生物物理參數(shù)[11-13]發(fā)展到生態(tài)系統(tǒng)過程表征[14]等方面,但遙感技術(shù)在紅樹林病蟲害上的應(yīng)用仍然較少。Kovacs等[15]應(yīng)用實(shí)測葉面積指數(shù)(leaf area index,LAI)與IKONOS圖像計(jì)算的LAI建立線性回歸模型,對墨西哥紅樹林健康狀況進(jìn)行監(jiān)測與評價(jià),發(fā)現(xiàn)紅紅樹、健康白紅樹、不健康白紅樹的LAI分別為2.49、1.74和0.85,LAI能夠較好地反映紅樹林健康狀況差異,相似結(jié)論也被其他學(xué)者所證實(shí)[16]。曹慶先[17]首次將遙感技術(shù)用于紅樹林蟲害監(jiān)測,發(fā)現(xiàn)資源一號02C衛(wèi)星影像和實(shí)地調(diào)查數(shù)據(jù)建立的估測模型可作為紅樹林葉片損失情況預(yù)測的一種工具。目前研究已表明IKONOS和資源一號02C衛(wèi)星可用于紅樹林病蟲害監(jiān)測評估,其他衛(wèi)星遙感數(shù)據(jù)對紅樹林病蟲害的檢測能力仍有待證實(shí),LAI被證明可有效區(qū)分健康和蟲害紅樹林,但更多的遙感光譜植被指數(shù)對于蟲害紅樹林的檢測能力仍需深入研究。高分一號衛(wèi)星工程實(shí)現(xiàn)了光學(xué)遙感的高空間、高時(shí)間、多光譜分辨率結(jié)合,可以提供16、8、2 m的多種分辨率圖像,重訪周期最短可達(dá)2 d。相較于目前用于紅樹林病蟲害監(jiān)測的遙感數(shù)據(jù),IKONOS是商用衛(wèi)星且已退役,資源一號02C星的重訪周期最短為3 d,高分一號(GF1)衛(wèi)星數(shù)據(jù)兼具高時(shí)間、高空間的優(yōu)勢,融合后圖像最高分辨率2 m,時(shí)間分辨率2 d。且中國的“高分專項(xiàng)”是一個(gè)非常龐大的遙感技術(shù)工程,數(shù)據(jù)延續(xù)性強(qiáng),探索高分一號數(shù)據(jù)在紅樹林病蟲害的檢測能力對推進(jìn)國產(chǎn)衛(wèi)星數(shù)據(jù)在資源調(diào)查的深入應(yīng)用具有積極意義。

現(xiàn)以廣西北部灣地區(qū)北侖河口保護(hù)區(qū)紅樹林為研究對象,利用國產(chǎn)GF1衛(wèi)星數(shù)據(jù),通過分析紅樹林光譜反射規(guī)律和不同遙感植被指數(shù)對蟲害紅樹林的響應(yīng)特性,研究針對不同群落紅樹林病蟲害監(jiān)測評估模型和方法,為快速獲取紅樹林病蟲害監(jiān)測評估結(jié)果提供科學(xué)技術(shù)參考。

1 研究區(qū)概況

廣西北部灣由沿海的防城港、欽州、北海三市組成,區(qū)域內(nèi)擁有總面積全國第二、天然林面積全國第一的紅樹林。廣西北部灣紅樹林生態(tài)區(qū)屬南亞熱帶海洋性季風(fēng)氣候區(qū),區(qū)內(nèi)年平均氣溫在22.2～22.9 ℃、年降水量在1 772.3～2 746.4 mm、年日照時(shí)數(shù)在1 515.9～1 973.2 h。生態(tài)區(qū)紅樹林的樹種主要包括白骨壤(Avicenniamarina)、木欖(Bruguieragymnoihiza)、秋茄(Kandeliaobovate)、桐花樹(Aegicerascorniculatum),其中白骨壤分布最為廣泛。本研究選取生態(tài)區(qū)內(nèi)防城港北侖河口地區(qū)紅樹林為研究對象,研究區(qū)紅樹林群落主要包括白骨壤、木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹和木欖-白骨壤+桐花樹(圖1)。

圖1 研究區(qū)及其紅樹林群落示意圖Fig.1 Sketch map of the study area and its mangrove community distribution

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

主要使用了遙感數(shù)據(jù)、紅樹林群落分布數(shù)據(jù)和無人機(jī)蟲害調(diào)查矢量數(shù)據(jù),遙感數(shù)據(jù)和紅樹林群落分布數(shù)據(jù)用于構(gòu)建蟲害紅樹林識別模型,無人機(jī)蟲害調(diào)查矢量數(shù)據(jù)用于驗(yàn)證蟲害紅樹林識別精度。

遙感數(shù)據(jù)采用GF1衛(wèi)星多光譜相機(jī)(wide fomat video,WFV)數(shù)據(jù),影像空間分辨率為16 m,包含4個(gè)波段,各波段信息如表1所示,該數(shù)據(jù)來自中國資源衛(wèi)星應(yīng)用中心(http://www.cresda.com/CN/)。選擇2015年8-9月共5景晴空遙感影像,分別為8月8日、8月24日、9月10日、9月18日及9月30日,對GF1數(shù)據(jù)進(jìn)行了輻射定標(biāo)、大氣校正、幾何校正預(yù)處理,獲取研究區(qū)晴空地表反射率圖像。GF1衛(wèi)星搭載了4臺16 m分辨率多光譜相機(jī)掃描幅寬為800 km,重訪周期為2 d,多光譜相機(jī)獲取的圖像幅寬更大,重訪周期短,在廣西云雨天氣影響下,利于獲取晴空衛(wèi)星影像識別病蟲害紅樹林。

表1 GF1衛(wèi)星WFV相機(jī)載荷參數(shù)Table 1 GF1 satellite WFV camera load parameters

紅樹林群落分布數(shù)據(jù)和無人機(jī)蟲害調(diào)查數(shù)據(jù)由本文章的合作單位廣西紅樹林研究中心提供,紅樹林群落劃分,是以斑塊為判定單元,通過室內(nèi)遙感解譯和專家初判、室外野外實(shí)地踏勘和GPS邊界及屬性修正共同完成的,詳細(xì)請參閱文獻(xiàn)[18]。無人機(jī)蟲害調(diào)查數(shù)據(jù)日期為2015年9月22日,利用航拍圖像,采用目視解譯方式人工劃定研究區(qū)蟲害紅樹林。

2.2 研究方法

2.2.1 蟲害紅樹林識別

GF1數(shù)據(jù)的4個(gè)波段對蟲害紅樹林均有一定的響應(yīng)。通過比較不同時(shí)期GF1數(shù)據(jù)各個(gè)波段對蟲害紅樹林的響應(yīng),選取對蟲害紅樹林響應(yīng)敏感度較高的可見光和近紅外波段構(gòu)建多種植被指數(shù)。分析各種植被指數(shù)對蟲害紅樹林區(qū)分度,采用閾值分類法識別蟲害紅樹林。其主要原理是利用目標(biāo)與背景之間的灰度差異,通過閾值將圖像分割成目標(biāo)與背景。該方法簡單易行,在目標(biāo)與背景差異較大時(shí),分割效果較好。研究中分析了差值植被指數(shù)(difference vegetation index, DVI)、歸一化差值植被指數(shù)(normalized difference vegetation index, NDVI)、比值植被指數(shù)(ratio vegetation index, RVI)和增強(qiáng)型占比指數(shù)(enhanced vegetation index, EVI)4種植被指數(shù),計(jì)算公式為

DVI=NIR-RED

(1)

(2)

(3)

(4)

式中:NIR、RED、R分別為近紅外、紅光、藍(lán)光波段的光譜反射率。

2.2.2 精度評價(jià)

蟲害紅樹林分類精度評價(jià)利用準(zhǔn)確率(accuracy,A)、精確率(precision,P)、召回率(recall,R)和綜合指標(biāo)(F-measure,F)進(jìn)行分類精度的評價(jià),各指標(biāo)計(jì)算公式為

(5)

(6)

(7)

(8)

式中:TP為真陽性,指被算法檢測為蟲害紅樹林且真實(shí)是蟲害紅樹林的樣本數(shù)量;FP為假陽性,指被算法檢測為蟲害紅樹林但真實(shí)是健康紅樹林的樣本數(shù)量;TN為真陰性,指被算法檢測為健康紅樹林且真實(shí)是健康紅樹林的樣本數(shù)量;FN為假陰性,指被算法檢測為健康紅樹林但真實(shí)是蟲害紅樹林的樣本數(shù)量。

3 結(jié)果與分析

3.1 波段光譜特征

理論上衛(wèi)星遙感數(shù)據(jù)的各個(gè)波段對植被生長變化都會(huì)有一定的響應(yīng),但由于植被長勢、樹種和生長環(huán)境差異,光譜響應(yīng)特征會(huì)更復(fù)雜。對比研究區(qū)5種主要紅樹林群落蟲害和健康樣本各波段反射率均值發(fā)現(xiàn),不同時(shí)期紅樹林光譜特征變化明顯,如8月24日-9月10日、9月18-30日兩個(gè)時(shí)段,紅樹林各個(gè)波段反射率多表現(xiàn)為減少變化趨勢,9月10-18日時(shí)段則多表現(xiàn)為增加變化趨勢。結(jié)合地面調(diào)查數(shù)據(jù)得知,9月中下旬研究區(qū)紅樹林病蟲害災(zāi)情嚴(yán)重,對于不同群落而言,白骨壤的蟲害和健康樣本在9月18-30日時(shí)段各個(gè)波段反射率差異均較小,而木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹、木欖-白骨壤+桐花樹群落的蟲害和健康樣本反射率差異相對較大。對于不同波段而言,GF1的藍(lán)光(b1)和綠光(b2)波段對不同群落蟲害和健康樣本區(qū)分度很小,紅光(b3)有一定區(qū)分度,近紅外(b4)區(qū)分度較大(圖2)。綜上, GF1數(shù)據(jù)的紅光和近紅外波段是判識紅樹林健康與否的優(yōu)選波段。

UH為蟲害紅樹林;H為健康紅樹林圖2 健康與蟲害紅樹林光譜變化特征Fig.2 Spectral characteristics of healthy and pest mangroves

3.2 植被指數(shù)響應(yīng)特征

依據(jù)不同群落紅樹林光譜特征,利用GF1數(shù)據(jù)的紅光和近紅外波段進(jìn)行組合計(jì)算構(gòu)建多種植被指數(shù),從而擴(kuò)大蟲害和健康紅樹林光譜特征差異,達(dá)到區(qū)分兩者的目的(圖3)。對比所有紅樹林群落的各種植被指數(shù)均值發(fā)現(xiàn),8月8日-9月18日時(shí)段,木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹、木欖-白骨壤+桐花樹群落的DVI、RVI、NDVI、EVI均值差異較小,9月18-30日時(shí)段差異顯著,該期間健康紅樹林DVI、RVI、NDVI均值均高于蟲害紅樹林,EVI低于蟲害紅樹林,且健康和蟲害紅樹林DVI差異最大,RVI次之,NDVI和EVI較小。但對于白骨壤群落而言,RVI、NDVI、EVI這3種植被指數(shù)對其健康和蟲害樣本區(qū)分度均較小,僅DVI有一定區(qū)分度,但在9月30日時(shí)相兩者區(qū)分度幾乎為零。綜上,DVI是區(qū)分健康和蟲害紅樹林的優(yōu)選植被指數(shù),對于木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹、木欖-白骨壤+桐花樹群落,利用9月30日單一時(shí)相遙感影像采用簡單的閾值法即可獲得較理想的分類精度,但對于白骨壤而言,單一時(shí)相、閾值法的分類效果可能不夠理想。

UH為蟲害紅樹林;H為健康紅樹林圖3 健康紅樹林與蟲害紅樹林的植被指數(shù)變化Fig.3 Change of vegetation index of healthy mangrove and pest mangrove

進(jìn)一步統(tǒng)計(jì)9月30日時(shí)相不同群落健康、蟲害紅樹林樣本DVI平均值、最大值、最小值(圖4)發(fā)現(xiàn),健康與蟲害白骨壤群落的DVI值域重疊度高,而其余4種群落的健康樣本DVI最小值均大于蟲害樣本的最大值,即對于研究區(qū)非白骨壤群落而言,其健康紅樹林和蟲害紅樹林在DVI值域上重疊度很小,利用DVI可以對兩者進(jìn)行較好的區(qū)分。

圖4 不同紅樹林群落DVI統(tǒng)計(jì)信息Fig.4 DVI statistics of different mangrovecommunities

3.3 蟲害紅樹林識別模型

依據(jù)上述分析,選擇9月30日時(shí)相DVI圖像提取木欖-白骨壤、木欖-白骨壤+桐花樹、秋茄-白骨壤、木欖-桐花樹群落4種蟲害信息,選擇9月18日時(shí)相DVI圖像提取白骨壤群落蟲害信息。根據(jù)不同群落紅樹林蟲害樣本和健康樣本,進(jìn)行相應(yīng)的植被指數(shù)統(tǒng)計(jì)和分析,確定蟲害和健康紅樹林的植被指數(shù)最小值和最大值范圍以及均值,根據(jù)以上統(tǒng)計(jì)值來確定區(qū)分蟲害和健康紅樹林的閾值并進(jìn)行分類試驗(yàn)以及精度評價(jià),通過反復(fù)迭代直到篩選出最合適區(qū)分度的閾值(表2)。此外,盡管已經(jīng)獲取了紅樹林群落分布信息,但由于紅樹林生長在海陸交界地帶,水體和裸露灘涂是重要的背景干擾信息,分離水體和裸露灘涂是獲取純凈紅樹林群落信息的重要步驟。研究中利用NDVI對綠色植被的高敏感特性,依據(jù)紅樹林群落、水體以及裸露灘涂的樣本NDVI值域分布特征,判定NDVI>0.1為紅樹林區(qū)。同時(shí),紅樹林受蟲害后,葉綠素降低,葉片破損嚴(yán)重,局部地區(qū)蟲害嚴(yán)重的紅樹林與裸露灘涂NDVI值混淆,研究中通過引入綠光波段(B2),判定Band2<0.065 2為純紅樹林范圍,最大程度排除非紅樹林信息的干擾。綜上,利用DVI、NDVI和綠光波段,構(gòu)建蟲害紅樹林識別決策樹模型(圖5)。

表2 蟲害紅樹林判別規(guī)則Table 2 Discrimination rules for distinguishing pest mangroves

圖5 蟲害紅樹林識別決策樹模型Fig.5 Decision tree model for recognition of pest mangroves

3.4 識別精度分析

利用無人機(jī)蟲害調(diào)查矢量數(shù)據(jù),隨機(jī)生成驗(yàn)證樣本(表3)對蟲害紅樹林識別精度進(jìn)行驗(yàn)證并統(tǒng)計(jì)各種精度評價(jià)指標(biāo)(表4)。由表3得知,基于單一時(shí)相的閾值法分類精度總體較高,其中,木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹、木欖-白骨壤+桐花樹群落的綜合指標(biāo)F均在0.89以上,其中秋茄-白骨壤最高為0.95,除綜合指標(biāo)F外,其他4類評價(jià)指標(biāo)均超過0.85,分類精度理想。但對于白骨壤群落,其綜合評價(jià)指標(biāo)F明顯較低,僅為0.76,且召回率R僅為0.73,即健康白骨壤的分類精度較低,且健康白骨壤分類結(jié)果中包含了較多的蟲害信息,誤分率較高。無人機(jī)蟲害調(diào)查矢量數(shù)據(jù)與紅樹林蟲害識別結(jié)果疊加圖也發(fā)現(xiàn),白骨壤群落健康區(qū)域出現(xiàn)了很多蟲害分布圖斑,其他4種群落識別結(jié)果與無人機(jī)調(diào)查矢量數(shù)據(jù)吻合度較高(圖6)。

表3 不同群落檢驗(yàn)樣本點(diǎn)Table 3 Sample point of different communities

表4 紅樹林群落蟲害監(jiān)測精度Table 4 Monitoring accuracy of mangrove insect pests

4 討論

紅樹林害蟲幼蟲以嫩芽、嫩枝和葉片為主要食物,部分害蟲依賴紅樹植物汁液為食,蟲害后植株外觀上表現(xiàn)為紅樹植物葉片殘缺、發(fā)黃、枯萎脫落[19]。植被葉片中葉綠素對藍(lán)光和紅光有強(qiáng)烈的吸收作用,對近紅外光有強(qiáng)烈的反射作用。蟲害后植物葉綠素含量降低,使得葉片對藍(lán)光、紅光的吸收作用減弱,對近紅外光的反射作用同樣表現(xiàn)減弱的特征[20-21],理論上其遙感光譜的藍(lán)光、紅光和近紅外均會(huì)有不同程度的響應(yīng)。紅樹林健康與否在遙感反演的指數(shù)LAI具有量級的差異已被證實(shí)[15-16],本研究中也發(fā)現(xiàn),不同群落的蟲害紅樹林樣本的藍(lán)光、紅光b3和近紅外b4波段反射率在9月18-30日時(shí)段多呈減少變化趨勢,與理論光譜響應(yīng)相符[20-21],驗(yàn)證了GF1數(shù)據(jù)對蟲害紅樹林識別的敏感性。

紅樹林蟲害的發(fā)生與氣象條件密切相關(guān),高溫干旱會(huì)加劇病蟲害的發(fā)生發(fā)展[22-23],該時(shí)段健康紅樹林的光譜反射率也多呈減少變化趨勢,原因之一可能是不利的天氣條件導(dǎo)致紅樹林長勢變差,另一可能原因是因?yàn)檠芯揩@取的地面蟲害實(shí)際調(diào)查時(shí)間為9月22日,據(jù)文獻(xiàn)了解2015年北侖河口紅樹林病蟲害從9月一直持續(xù)到11月[23],即至9月30日蟲害是逐步擴(kuò)大蔓延的,部分9月22日調(diào)查的健康紅樹林樣本在9月30日可能已經(jīng)轉(zhuǎn)變成了蟲害紅樹林。本研究中發(fā)現(xiàn)GF1的紅光和近紅外波段對蟲害紅樹林響應(yīng)敏感性明顯高于藍(lán)光和綠光波段,同時(shí)發(fā)現(xiàn)基于紅光和近紅外波段構(gòu)建DVI、NDVI、RVI對蟲害紅樹林的區(qū)分度有明顯差異,DVI的區(qū)分度最優(yōu),說明紅光和近紅外波段的絕對差值更利用區(qū)分蟲害紅樹林。紅樹林受蟲害后,葉片變黃,葉片破損甚至變成無葉片植株,莖稈由于反復(fù)受海水周期性浸淹,泥沙附著導(dǎo)致其灘涂顏色更接近,嚴(yán)重蟲害紅樹林在無葉片或量葉片遮擋情況下遙感影像獲取的更多是植株莖稈和裸露灘涂的混合像元反射率信息,這是裸露灘涂和蟲害紅樹林混淆的重要原因,而NDVI和綠光波段是對葉綠素響應(yīng)的高敏感指數(shù)和波段,這也是利用NDVI和綠光波段可有效剔除裸露灘涂和水體的原因。曹慶先[17]利用資源一號02C衛(wèi)星影像不同波段構(gòu)建了RVI、DVI、NDVI和土壤植被指數(shù)(soil adjusted vegetation index, SAVI),通過不同植被指數(shù)的主成分變換選擇第一和第二主成分進(jìn)行用于識別蟲害紅樹林,其原理是充分利用了多種植被指數(shù)綜合優(yōu)勢,說明單一指數(shù)識別蟲害紅樹林具有局限性。本研究中利用DVI、NDVI和綠光波段共同構(gòu)建蟲害紅樹林識別模型,也是利用了多指數(shù)的優(yōu)勢,也說明了由于蟲害紅樹林光譜特征的復(fù)雜性使得單一植被指數(shù)不能滿足提取精度需求。

基于DVI閾值法蟲害識別模型精度檢驗(yàn)中發(fā)現(xiàn)白骨壤群落蟲害信息識別精度最低,而其他非以白骨壤為主的群落識別精度均較高,可能原因是分類遙感影像的不同導(dǎo)致,白骨壤選擇的是9月18日時(shí)相,其他群落為9月30日時(shí)相。由上述分析得知,9月18-30日時(shí)段蟲害是呈發(fā)展態(tài)勢,由于重度蟲害地區(qū)植被變黃和葉片破損率更嚴(yán)重,在排除了裸露信息干擾情況下比輕度受蟲害信息更利于識別,另一方面可能原因是白骨壤葉片的綠色程度整體上比秋茄、木欖和桐花樹的低[24],相較于其他群落,輕度蟲害情況下與健康紅樹林更難識別。

采用空間分辨率為16 m高分一號影像結(jié)合群落分類信息進(jìn)行紅樹林病蟲害信息識別,總體分類精度較理想。其中群落信息是分類的重要輔助數(shù)據(jù),光譜特征分析和指數(shù)閾值劃分都是基于不同群落進(jìn)行,精度檢驗(yàn)中也發(fā)現(xiàn),采用同一指數(shù)DVI的分類結(jié)果中,不同群落識別精度有差異,白骨壤最明顯,充分說明群落信息作為蟲害信息識別的重要性。采用單一時(shí)相閾值分割法對白骨壤群落蟲害監(jiān)測存在較高的誤分率,因此,針對白骨壤群落,可以利用更高空間和高光譜分辨率的衛(wèi)星遙感數(shù)據(jù),充分利用高光譜波段對蟲害識別的優(yōu)勢建立更準(zhǔn)確的識別模型,需進(jìn)一步研究。在Kovacs等[15]的研究中,結(jié)合地面實(shí)測LAI數(shù)據(jù),利用IKONOS衛(wèi)星數(shù)據(jù)反演的NDVI估算LAI,實(shí)現(xiàn)健康和蟲害紅樹林的有效區(qū)分,本研究中則是直接比較不同植被指數(shù)對健康和蟲害紅樹林的區(qū)分度。盡管NDVI對研究區(qū)水體以及裸露灘涂具有較好的區(qū)分度,但在健康和蟲害紅樹林的區(qū)分效果上比不上DVI。如能在蟲害調(diào)查過程中同步觀測地面LAI數(shù)據(jù),可以深入比較DVI和NDVI估算的LAI在識別蟲害方面的差異,值得深入研究。

5 結(jié)論

GF1數(shù)據(jù)各波段對紅樹林生長變化狀況具有良好的響應(yīng),其紅光和近紅外波段是判識紅樹林健康與否的優(yōu)選波段。DVI、RVI、NDVI、EVI 4種植被指數(shù)中,DVI是區(qū)分健康和蟲害紅樹林的優(yōu)選植被指數(shù),對于研究區(qū)非白骨壤群落而言蟲害紅樹林在DVI值域上與健康紅樹林基本無重疊,通過訓(xùn)練樣本可劃定不同群落蟲害紅樹林DVI閾值區(qū)間。

利用NDVI和綠光波段可有效排除水體和裸露灘涂等背景干擾信息,劃定更純凈的紅樹林區(qū)域,綜合DVI、NDVI和綠光波段,構(gòu)建蟲害紅樹林識別決策樹模型,模型識別精度良好。木欖-白骨壤、秋茄-白骨壤、木欖-桐花樹、木欖-白骨壤+桐花樹群落的綜合指標(biāo)F>0.89,且準(zhǔn)確率A、精確率P、召回率R>0.85,但白骨壤分類精度較低,綜合指標(biāo)僅0.76。