CN108828147A

CN108828147A - 一种耦合遥感响应特征的刚竹毒蛾危害检测方法

Info

Publication number: CN108828147A
Application number: CN201810615801.7A
Authority: CN
Inventors: 许章华; 黄旭影; 石文春; 周紫嫣
Original assignee: Fuzhou University
Current assignee: Fuzhou University
Priority date: 2018-06-14
Filing date: 2018-06-14
Publication date: 2018-11-16
Anticipated expiration: 2038-06-14
Also published as: CN108828147B

Abstract

本发明公开了一种耦合遥感响应特征的刚竹毒蛾危害检测方法，本发明通过遥感技术手段来获取受刚竹毒蛾危害毛竹的遥感指标，并结合对应的数据相关性进行拟合出能够实现刚竹毒蛾危害等级划分的危害检测模型，为基于遥感的刚竹毒蛾危害的快速、准确检测提供了解决方案。

Description

一种耦合遥感响应特征的刚竹毒蛾危害检测方法

技术领域

本发明涉及林学、生态学、地理学领域，尤其是涉及一种耦合遥感响应特征的刚竹毒蛾危害检测方法。

背景技术

我国是世界上最大的产竹国，无论是竹种资源数量、竹林蓄积量，或是竹产品的种类及数量皆居世界首位。第八次全国森林资源清查结果显示，我国现有竹林面积逾601万hm²，截至2015年底，我国竹产业产值已达1923亿元。近年来林业部门、企业和林农经营竹林的积极性高涨，在福建、浙江、湖南等地已兴起了竹林的产业化经营，高效、集约的竹产业链正逐步形成与深化，其已经成为我国林业重点发展的绿色富民产业之一。

在诸多竹种中，毛竹(Phyllostachys pubescena)的栽培历史最久、经济价值最高，其种植面积占全国竹林资源的70％，尤以福建、浙江、江西与湖南4省最多。随着人工竹林面积的增加和纯林化程度的提升，需重视竹所面临的生态威胁，虫害的严峻性不容忽视！根据资料显示，当前已记载的竹业害虫达630余种，其中有60多种已先后在全国各竹区周期性或暴发性发生。福建省作为我国森林覆盖率最高的省份，2015年的数据为65.95％，但其森林质量还有待提高，而严重的虫害威胁是造成森林质量相对较低的重要原因之一。以主要林区三明市为例，该区域常发年份森林病虫害发生面积均在1.3万hm²左右，重灾年份更是高达 8.14万hm²，马尾松毛虫、刚竹毒蛾、竹蝗、毛竹害螨等是危害最大的几类。

刚竹毒蛾(Pantana phyllostachysae Chao)属鳞翅目毒蛾科竹毒蛾属，初孵幼虫长2～3mm，灰黑色，老熟幼虫体长20～22mm，淡黄色。具长短不一的毛，呈丛状或刷状。前胸背面两侧各有1束向前伸得灰黑色丛状长毛，1～4节腹部背面中央有4簇桔黄色刷状毛，第8腹节背面中央有一簇橘黄色刷状毛，腹部末节背面有1束向后伸得灰黑色丛状长毛，主要寄主有毛竹、金竹、慈竹、龙竹、绵竹和苦竹等，是竹的最主要食叶害虫之一。其首次报道于1977年，国内分布于福建、江西、浙江、湖南、四川、贵州、江苏、广东、广西等省区，国外尚未有该虫分布的报道。刚竹毒蛾1年发生3～4代，以卵或1～2龄幼虫在竹叶背上越冬；3龄前幼虫具有群聚性，其暴发成灾时虫口密度急剧上升，每株毛竹虫口数可能高达2000头以上，短时间内即可将竹叶取食殆尽，大大影响次年与第三年的出笋量，使竹材变脆，重则成片枯死，状如火烧，严重影响竹林生产与竹业生产，造成严重的经济损失。

传统的监测方法不但时间、经济成本高，且所得数据滞后性较大，采集的信息往往不够全面，无法实现大范围的宏观动态监测，此外，其无法阐明特定生态系统的可入侵性，以及入侵与灾变的关系。显然传统的监测方法已无法满足林业现代数字化管理及森林可持续发展战略的实施，故发展更为科学的监测体系，构建更为实用的虫害预警机制，已成为森林虫害防治工作中一项刻不容缓的任务。经过几十年的应用与发展，遥感已成为森林资源动态监测的重要技术手段，是推进森林可持续发展的重要技术保障，遥感技术的日趋成熟为森林虫害的大面积、多时相信息获取及预警、监测体系的构建奠定了良好基础，获取影像中对虫害响应敏感的特征信息是解决虫害遥感快速、准确识别的方向，所以，地面微观机理总结对遥感宏观监测研究有着重要的理论指导意义。故本发明基于随机森林构建一种刚竹毒蛾危害检测模型，这是一种耦合遥感响应特征的刚竹毒蛾危害检测方法。

发明内容

针对现有技术的情况，本发明的目的在于提供一种能够满足对虫害的快速、准确识别的耦合遥感响应特征的刚竹毒蛾危害检测方法。

为了实现上述的技术目的，本发明采用的技术方案为：

一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其包括如下步骤：

(1)设置采样点并获取对应采样点的毛竹叶损特征，然后根据所获取的叶损特征确定刚竹毒蛾的危害等级，同时，对应记录无危害和受刚竹毒蛾危害的毛竹样品采样点坐标；

(2)根据各采样点确定的刚竹毒蛾危害的毛竹表征进行选择与之对应的遥感指标，所述的遥感指标至少包括：叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI；

(3)耦合步骤(1)刚竹毒蛾的危害等级和步骤(2)的遥感指标进行对应建立刚竹毒蛾危害检测数学模型。

进一步，步骤(1)中通过遵循林业标准《LY/T 1681-2006林业有害生物发生及成灾标准》结合所获取的叶损特征进行确定刚竹毒蛾的危害等级，其中，单株失叶率所对应的危害等级对应为：无危害：0％、轻度危害：0～25％、中度危害：25～50％、重度危害：＞50％；虫口数量对应的危害等级对应为：无危害：＜10条、轻度危害：10～30条、中度危害：31～80、重度危害：＞80条；优选的，其还包括结合专家咨询法，对危害等级予以综合判定。

进一步，步骤(2)中光谱指数CSI的表达式为[NIR+(NIR-R)]×(R-G)，其中NIR代表近红外波段、R代表红光波段、G代表绿光波段。

进一步，步骤(2)还包括以叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI为自变量，构建随机森林模型。

采用上述的技术方案，本发明相较于现有技术而言，其具有的有益效果为：本发明通过遥感技术手段来获取受刚竹毒蛾危害毛竹的遥感指标，并结合对应的数据相关性进行拟合出能够实现刚竹毒蛾危害等级划分的危害检测模型，为基于遥感的刚竹毒蛾危害的快速、准确检测提供了解决方案。

附图说明

下面结合附图和具体实施方式对本发明做进一步的阐述：

图1为本发明实施例研究区的原始影像图；

图2为本发明实施例研究区以归一化差值山地植被指数(NDMVI)为响应特征获得的遥感影像；

图3为本发明实施例研究区以全局植被湿度指数(GVMI)为响应特征获得的遥感影像；

图4为本发明实施例研究区基于特征光谱指数CSI所获得的遥感影像；

图5示出了刚竹毒蛾各虫害等级的检测精度图示；

图6为遥感响应特征重要性排序。

具体实施方式

以下为本发明的具体实施方式，但不限于所提供的实施例。

以福建省南平市延平区为研究区，其原始影像图如图1所示，于2017年2 月23日～26日，以小班为单位选择118个样点，进行数据采集，所采集数据见表2(118组数据包括对应表2试验1的实验组和验证组数据中)。

本实施例包括如下步骤：

(1)刚竹毒蛾危害等级的确定：刚竹毒蛾危害等级的确定采用的是综合判定法，主要为：1)根据刚竹毒蛾的危害机制以及国家林业局发布的《林业有害生物发生及成灾标准》，将单株失叶率(无危害：0％、轻度危害：0～25％、中度危害：25～50％、重度危害：＞50％)及虫口数量(无危害：＜10条、轻度危害：10～30条、中度危害：31～80、重度危害：＞80条)列入虫害等级划分的参考因子；2)结合以植物保护、森林保护等学科背景的高校学者及长期从事森防检疫工作的林业从业人员为对象，利用专家咨询法对虫害等级进行复核判定。

由于刚竹毒蛾危害下的毛竹林其绿度、湿度、LAI及光谱特征较无危害毛竹林有所差异，选择可反映受害毛竹林特征的各个遥感因子，并对其虫害响应能力予以评价，由此确定刚竹毒蛾危害下的毛竹林遥感响应特征。

1)选择NDMVI及GVMI作为刚竹毒蛾危害下毛竹林遥感监测研究的绿度因子和湿度因子；

根据单因素方差分析结果进行判断，无危害竹林同受害竹林间的NDMVI及 GVMI具有极显著差异(P＜0.01，P为回归方程P值)；分等级来看，各虫害等级竹林间的差异亦达到了极显著水平(P＜0.01)。由此将NDMVI及GVMI确定为刚竹毒蛾危害下的毛竹林遥感响应特征，获得如图3和图4遥感影像图。

2)受害竹林同无危害竹林的LAI亦具有极显著差异，故将其确定为刚竹毒蛾危害下的毛竹林遥感响应特征。

3)基于地面微观机理总结所得特征波长，结合其与Landsat 8OLI数据的波段设置，构建特征光谱指数CSI并获得如图4所示遥感影像图，其表达式为 [NIR+(NIR-R)]×(R-G)，其中，G代表绿光波段，R代表红光波段，NIR代表近红外波段，检测结果显示，该指数对于刚竹毒蛾危害的响应能力较好，各虫害等级竹林间的差异均达到了极显著水平，其检测精度、Kappa系数及R²分别为 64.52％、0.5129、0.6289，由此将其确定为刚竹毒蛾危害下的毛竹林遥感响应特征。

4)以LAI、CSI、NDMVI和GVMI为自变量，构建随机森林模型。检测结果显示，耦合以上指标的随机森林模型对刚竹毒蛾危害的检测能力较好，其检测精度、Kappa系数、R²分别为74.84％、0.6512、0.8818。(2)数据采集：以福建省南平市延平区为研究区，于2017年2月23日～26日，以小班为单位选择118 个样点，将118组样本随机划分为实验组(样本数87)和验证组(样本数31)，此外为避免随机误差，同样对其再进行随机打乱样本数据重新分为实验组和验证组总共进行五次重复试验，标为试验1～5，对应试验的试验组数据和验证组数据列于表2。前述研究表明，随机森林法对刚竹毒蛾危害的检测能力较好，将LAI、 CSI、NDMVI和GVMI设为自变量；因变量设为无危害、轻度危害、中度危害及重度危害；决策树数量ntree＝5000，节点分割变量mtry＝4，建立随机森林模型。

(3)随机森林(Random forest，RF)：实质是对决策树算法的一种改进，其基本思想为利用自助抽样法(bootstrap)从原始训练集中有放回的抽取k个样本作为新的训练集；分别对其进行决策树建模后生成k个分类树，生成随机森林；最后根据各个分类树的结果(Class)决定新样本的归属。该算法的优势在于能够有效处理高维数据，且无需降维，对于缺省值及非平衡的数据亦能获取较好的分类精度。

为避免实验误差，将118组样本随机划分为实验组(样本数87)和验证组 (样本数31)并作5次重复，随机森林法进行计算，设为试验1～5，对应试验数据检测精度如图5所示，对应试验的试验组数据和验证组数据列于表2。精度、 Kappa系数和判定系数R²是常用的分类评价指标，本研究采用此3个指标评价各模型的虫害检测效果。检测精度、Kappa系数、R²越高，表明该模型的检测效果越好；反之亦然。

(4)检测结果显示(表1)，耦合上述指标所建立的随机森林模型对刚竹毒蛾危害的检测能力较好，其检测精度在70％以上，Kappa系数在0.65以上，而 R²则为0.8818。其中试验4和试验5的检测精度最高，其次为试验1与试验2，再次为试验3；根据Kappa系数显示，试验5最高，试验4次之，再次为试验2，试验1从次，试验3的Kappa系数最低；从R²来看，试验4及试验5同实际结果的吻合度最高，其次为试验1，再次为试验2，试验3的复相关系数R²最低。分等级看，轻度危害的检测精度最高，达88.00％；无危害次之，为76.00％；再次为重度危害，为68.00％；中度危害的检测精度最低，为56.67％。

此外，根据重要性排序结果显示，图6显示，试验1～5中，NDMVI及GVMI 的重要性皆居前2，CSI次之，再次为LAI。

表1随机森林检测效果

表2实验原始数据

其中，Y为对应数据所评估的危害等级，NDMVI为归一化差值山地植被指数、 GVMI全局植被湿度指数、CSI为特征光谱指数、LAI为叶面积指数。

以上所述为本发明实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理和精神的情况下凡依本发明申请专利范围所做的均等变化、修改、替换和变型，皆应属本发明的涵盖范围。

Claims

1.一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其特征在于：其包括如下步骤：

2.根据权利要求1所述的一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其特征在于：步骤(1)中通过遵循林业标准《LY/T 1681-2006林业有害生物发生及成灾标准》结合所获取的叶损特征进行确定刚竹毒蛾的危害等级，其中，单株失叶率所对应的危害等级对应为：无危害：0％、轻度危害：0～25％、中度危害：25～50％、重度危害：＞50％；虫口数量对应的危害等级对应为：无危害：＜10条、轻度危害：10～30条、中度危害：31～80、重度危害：＞80条。

3.根据权利要求1所述的一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其特征在于：步骤(1)还包括结合专家咨询法，对危害等级予以综合判定。

4.根据权利要求1所述的一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其特征在于：步骤(2)中光谱指数CSI的表达式为[NIR+(NIR－R)]×(R－G)，其中NIR代表近红外波段、R代表红光波段、G代表绿光波段。

5.根据权利要求1所述的一种耦合遥感响应特征的刚竹毒蛾危害检测方法，其特征在于：步骤(2)还包括以叶面积指数LAI、特征光谱指数CSI、归一化差值山地植被指数NDMVI和全局植被湿度指数GVMI为自变量，构建随机森林模型。