论文部分内容阅读
针叶害虫爆发将会削减林木针叶水分和叶绿素含量,导致林木冠层颜色发生变化,甚至使林木死亡.这严重威胁森林生态系统健康安全.通过遥感技术监测受害林木冠层颜色变化,可对虫害林生态系统安全进行快速评估.因此,虫害林木冠层不同颜色判别研究极为重要.基于此,选择蒙古国肯特省和杭爱省的3个雅氏落叶松尺蠖爆发林区(binder,Ikhtamir和Battsengel)为试验区,开展落叶松受害过程冠层颜色变化信息调查和光谱测量试验,并利用高光谱特征和机器学习算法判别了落叶松冠层不同颜色.首先通过虫害灾区林木调查对冠层颜色进行了分色,即绿色、黄色、红色和灰色.同时根据不同危害程度下林木冠层不同颜色,从试验区选取66棵样本树,并对其冠层进行了光谱测量.其次以样本树光谱反射率曲线为基础数据,计算平滑光谱反射率(SSR)、微分光谱反射率(DSR)和平滑光谱连续小波系数(SSR-CWC)等高光谱特征,并借助方差分析法揭示了这些高光谱特征对冠层不同颜色的敏感性.再次采用Findpeaks函数和连续投影算法结合模式(Findpeaks-SPA)快速提取了SSR,DSR和SSR-CWC等高光谱特征的敏感特征.最后通过随机森林分类(RF)和支持向量机分类(SVMC)算法构建雅氏落叶松尺蠖虫害林木冠层不同颜色判别模型,并与费歇尔判别(FD)模型进行比较,评价了判别模型精度.研究发现:(1)可见光的多个波段,SSR-CWC对冠层不同颜色表现出了极显著的敏感性.(2)基于Findpeaks-SPA模式能够有效提取敏感高光谱特征,该模式不仅大大降低高光谱特征数量,而且改善了多重共线性问题.(3)判别冠层不同颜色最有潜力的高光谱特征为SSR-CWC,其Daubechies系、Biorthogonal系、Coiflets系和Symlets系的最优小波基分别为db9,bior1.5,coif1和sym4,其中db9-RF(SVMC)达到了最高的判别总体精度(0.9000).这比SSR-RF(SVMC)和DSR-RF(SVMC)模型分别提高了0.2500(0.4500)和0.2500(0.1000).(4)基于DSR和SSR-CWC的RF和SVMC模型判别精度优于FD模型,尤其db9-RF(SVMC)模型更为明显,其判别总体精度和Kappa系数比db9-FD模型分别提高了0.1500和0.1670.可见,在虫害林木冠层不同颜色判别中db9-RF(SVMC)有极大潜力.这为林业和生态安全相关部门对森林虫害严重程度进行遥感监测提供重要参考和实用价值.