论文部分内容阅读
摘 要：利用大地卫星资料以影像分类方法，侦测杨树毛虫害发生的位置，估测其不同受害程度的发生面积，并比较各时期影像产生的分类结果，推测杨树毛虫害大规模发生周期，并以变迁侦测方法，观察杨树毛虫害灾区发生前后变化的情形。在影像分类上，将比较不同资料维度对于“光谱角分类”结果的影响，以及应用“判定树法”利用各种由卫星影像衍生出的资料来进行病虫害的侦测。
关键词：杨树;毛虫;灾害;侦测
1 影像辐射纠正
1.1 影像相对辐射纠正处理
应用Idrisi32的大气校正模式ATMOSC的全校正模式（fullcorrection model）来进行，输入各影像拍摄的GMT时间，各波段波长、影像光学厚度、gain、offset及太阳高度等参数来执行各影像的大气纠正工作。接着以ERDAS IMAGINE软件中所包含的直方图匹配模组，将各期影像各波段的直方图与标准影像进行匹配、同态化的处理。
1.2 相对辐射纠正效果评估——均方根误差
均方根误差（root-mean-square error，RMSE）可对于相对辐射纠正的效果上作较客观的量化比较，量测纠正后影像与参考影像在统计上的一致性。当纠正后影像与参考影像在同一波段的各像元亮度值差异小时，表示纠正后影像接近于参考影像，本研究将同态化前后的影像以全影像进行计算，其公式如下：
其中，i为卫星影像的第i波段;
j为卫星影像中第j个像元;
DNij为纠正前后从属影像的亮度值;
DN′if为参考影像的亮度值;
N为全影像的像元数。
2 噪声移除处理
2.1 影像质量的评估方法——讯杂比
影像质量的好坏，取决于所包含讯息的多寡，当卫星影像中所包含的噪声越少，该影像的质量就越佳，而讯杂比（SNR）是一种普遍用来评估影像质量的方法，它是利用一奇数边的移动窗口，计算移动窗口内的平均值（local mean， LM）与标准偏差的比值来计算各像元的讯杂比，再将影像中所有的像元的讯杂比平均，得到全影像的讯杂比[1]。
2.2 最小噪声比率转换处理
在高光谱影像中，噪声的存在非常普遍，因为噪声会造成材质分辨与计算材质丰富度的干扰，故为了获取优良的光谱讯号，必须将杂讯去除。故Green等人在1988年发展出最大杂讯比率转换，此转换以主轴转换的概念，利用“噪声与讯号的比值（noise to signal ratio）”取代PCT用来选择主轴的最大变异数，以噪声的含量来排列主轴影像，影像质量依照其主轴顺序的增加而提升。而“最小”噪声比率转换（ MNF）则根据“最大”噪声比率转换的概念，但依据讯杂比（SNR）的大小来排列主轴，产生的影像质量MNF第一主轴最高，第二主轴其次主轴，并依序递减。
3 植生指标
健康的绿色植生冠层在电磁波谱可见光及近红外光区域有明显的不同，在可见光范围，主要因为光合作用的原因，植物色素（特別是叶绿素）有强烈能量吸收的现象，主要的吸收高峰是在蓝光及红光区域，这使得大多的叶子呈现出绿色的特征。杨树毛虫害发生后，因为杨树毛虫啃食造成杨树树叶数量减少，当杨树毛虫害发生愈严重时，杨树的树叶数量就愈少，而此现象表现于植生指标上的，即为健康植生指标值高，虫害区域指标值可能依照受害程度减少，故利用植生指标来协助探测虫害的发生，所应用的植生指标如下。
3.1 归整差植生指标
NDVI是将红外光与红光段反射值的差予以归整化转换，以其差值与归整化转换，即以其差值占红外光与红光反射值的总量的比值来表示植生量[2]。NDVI指标值越大，表示植生量越多，反之则否。这种指标可免去波段比指标受时间和空间差异的影响，可供相对量的比较。NDVI上有些许缺点，其比例关系的指针为非线性关系，同时可能受到大气路径辐射的噪声影响，再者NDVI在植生覆盖度低的区域，容易因土壤背景的影响而发生明显的错误。
3.2 土壤校正植生指标
SAVI此植生指标在容易受到土壤辐射反射影响的环境，能作出极为准确的估测，然而，在具有高植生密度的区域SAVI产生了与NDVI相反的错误[3]。在反射率空间中，发现L值为0.5时，能降低土壤背景亮度变异及排除额外不同的土壤修正工作。
3.3 增加植生指标
EVI为加上土壤修正因子L及两个变数C1与C2修改后的NDVI，利用蓝光段来校正红光段中的大气气溶胶散射的情况，C1、C2与L此3个变数，在经验上分别给予6.0、7.5与1.0，G为增益系数，设为2.5，此植生指标能够增加高生物量区域的敏感性，且因能使冠层背景讯号去除并减少大气影响而增加植生监测能力。
4 结果
研究使用多时期影像进行虫害变迁的侦测，但各时期影像拍摄当时的太阳高度角、大气状态、季节与土壤含水率等外在环境因子并不一致，会导致植生除了本身生理状态、数量的变化之外，还会受到外在环境因子的影响，导致推估精度下降。若要以其中一、两期影像作为标准来推估其他时期影像，必须将各影像的辐射特性同态化，方可降低因为不同大气质量与季节所造成的伪变迁，可以发现原始影像各年份皆有不同的影像质量。
参考文献：
[ 1 ] 罗夕谷.如何利用MODIS遥感数据对松毛虫灾害区域进行检测[J].现代园艺，2010（20）：157.
[ 2 ] 周祥.胶林寒害与橡胶小蠹虫发生为害的关系浅析[J].植物保护，2011，37（3）：67，71.
[ 3 ] 哈米提.野苹果林重要虫害“苹果巢蛾”的防治技术[J].北方果树，2010（2）：27，28.
（收稿日期：2019-11-02）
关键词：杨树;毛虫;灾害;侦测
1 影像辐射纠正
1.1 影像相对辐射纠正处理
应用Idrisi32的大气校正模式ATMOSC的全校正模式（fullcorrection model）来进行，输入各影像拍摄的GMT时间，各波段波长、影像光学厚度、gain、offset及太阳高度等参数来执行各影像的大气纠正工作。接着以ERDAS IMAGINE软件中所包含的直方图匹配模组，将各期影像各波段的直方图与标准影像进行匹配、同态化的处理。
1.2 相对辐射纠正效果评估——均方根误差
均方根误差（root-mean-square error，RMSE）可对于相对辐射纠正的效果上作较客观的量化比较，量测纠正后影像与参考影像在统计上的一致性。当纠正后影像与参考影像在同一波段的各像元亮度值差异小时，表示纠正后影像接近于参考影像，本研究将同态化前后的影像以全影像进行计算，其公式如下：
其中，i为卫星影像的第i波段;
j为卫星影像中第j个像元;
DNij为纠正前后从属影像的亮度值;
DN′if为参考影像的亮度值;
N为全影像的像元数。
2 噪声移除处理
2.1 影像质量的评估方法——讯杂比
影像质量的好坏，取决于所包含讯息的多寡，当卫星影像中所包含的噪声越少，该影像的质量就越佳，而讯杂比（SNR）是一种普遍用来评估影像质量的方法，它是利用一奇数边的移动窗口，计算移动窗口内的平均值（local mean， LM）与标准偏差的比值来计算各像元的讯杂比，再将影像中所有的像元的讯杂比平均，得到全影像的讯杂比[1]。
2.2 最小噪声比率转换处理
在高光谱影像中，噪声的存在非常普遍，因为噪声会造成材质分辨与计算材质丰富度的干扰，故为了获取优良的光谱讯号，必须将杂讯去除。故Green等人在1988年发展出最大杂讯比率转换，此转换以主轴转换的概念，利用“噪声与讯号的比值（noise to signal ratio）”取代PCT用来选择主轴的最大变异数，以噪声的含量来排列主轴影像，影像质量依照其主轴顺序的增加而提升。而“最小”噪声比率转换（ MNF）则根据“最大”噪声比率转换的概念，但依据讯杂比（SNR）的大小来排列主轴，产生的影像质量MNF第一主轴最高，第二主轴其次主轴，并依序递减。
3 植生指标
健康的绿色植生冠层在电磁波谱可见光及近红外光区域有明显的不同，在可见光范围，主要因为光合作用的原因，植物色素（特別是叶绿素）有强烈能量吸收的现象，主要的吸收高峰是在蓝光及红光区域，这使得大多的叶子呈现出绿色的特征。杨树毛虫害发生后，因为杨树毛虫啃食造成杨树树叶数量减少，当杨树毛虫害发生愈严重时，杨树的树叶数量就愈少，而此现象表现于植生指标上的，即为健康植生指标值高，虫害区域指标值可能依照受害程度减少，故利用植生指标来协助探测虫害的发生，所应用的植生指标如下。
3.1 归整差植生指标
NDVI是将红外光与红光段反射值的差予以归整化转换，以其差值与归整化转换，即以其差值占红外光与红光反射值的总量的比值来表示植生量[2]。NDVI指标值越大，表示植生量越多，反之则否。这种指标可免去波段比指标受时间和空间差异的影响，可供相对量的比较。NDVI上有些许缺点，其比例关系的指针为非线性关系，同时可能受到大气路径辐射的噪声影响，再者NDVI在植生覆盖度低的区域，容易因土壤背景的影响而发生明显的错误。
3.2 土壤校正植生指标
SAVI此植生指标在容易受到土壤辐射反射影响的环境，能作出极为准确的估测，然而，在具有高植生密度的区域SAVI产生了与NDVI相反的错误[3]。在反射率空间中，发现L值为0.5时，能降低土壤背景亮度变异及排除额外不同的土壤修正工作。
3.3 增加植生指标
EVI为加上土壤修正因子L及两个变数C1与C2修改后的NDVI，利用蓝光段来校正红光段中的大气气溶胶散射的情况，C1、C2与L此3个变数，在经验上分别给予6.0、7.5与1.0，G为增益系数，设为2.5，此植生指标能够增加高生物量区域的敏感性，且因能使冠层背景讯号去除并减少大气影响而增加植生监测能力。
4 结果
研究使用多时期影像进行虫害变迁的侦测，但各时期影像拍摄当时的太阳高度角、大气状态、季节与土壤含水率等外在环境因子并不一致，会导致植生除了本身生理状态、数量的变化之外，还会受到外在环境因子的影响，导致推估精度下降。若要以其中一、两期影像作为标准来推估其他时期影像，必须将各影像的辐射特性同态化，方可降低因为不同大气质量与季节所造成的伪变迁，可以发现原始影像各年份皆有不同的影像质量。
参考文献：
[ 1 ] 罗夕谷.如何利用MODIS遥感数据对松毛虫灾害区域进行检测[J].现代园艺，2010（20）：157.
[ 2 ] 周祥.胶林寒害与橡胶小蠹虫发生为害的关系浅析[J].植物保护，2011，37（3）：67，71.
[ 3 ] 哈米提.野苹果林重要虫害“苹果巢蛾”的防治技术[J].北方果树，2010（2）：27，28.
（收稿日期：2019-11-02）