基于高光谱遥感的油松毛虫危害程度监测模型

• 作者: 张凝 张晓丽 张连生 白雪琪 马云波
• 来源期刊: 北京林业大学学报
• 学科: 农学
• 关键词: 高光谱 油松毛虫 油松 光谱指数
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 林 学 Forest Sciences
• 页码范围: 16-22
• 页数: 7页
• 分类号: S763.305|S791.254
• 语种: 中文
• DOI: 10.13332/j.1000-1522.20160139

摘要

油松毛虫对人工油松林造成了严重的危害。据统计,辽宁省油松毛虫的发生面积为12万hm2/a,年均直接经济损失340万元。利用遥感技术特别是高光谱遥感大面积及时监测病虫害是今后林业病虫害监测的发展方向之一。高光谱遥感技术可以为植物叶绿素和含水率等生物化学参数的定量化诊断提供简便、有效以及非破坏性的数据采集和处理方法。本研究采用野外便携式光谱仪测定不同失叶率油松的高光谱反射率数据,使用分光光度计室内测定相应叶片的叶绿素含量,采用烘干法测定叶片含水率。通过计算归一化光谱指数( NDSI )、比值光谱指数( RSI)、差值光谱指数( DSI)与叶绿素a含量、叶绿素b含量、含水率的相关系数,选择相关系数最高的光谱指数作为核心光谱指数。以核心光谱指数为自变量,失叶率为因变量建立回归模型,采用逐步回归法进行变量筛选,筛选出包含DSI(808,816)、RSI(482,494)、NDSI(881,920)、NDSI(907,919)的光谱指数集作为最佳回归模型的自变量,应用R语言的函数lm()获得最佳回归模型y=1.7818-3.1724×NDSI(808,816)-0.9606×RSI(482,494)-2.1967×NDSI(881,920)-1.2419×NDSI(907,919),R2为0.786。模型检验结果显示,最佳回归模型的均方根误差(RMSE)为0.089,相对误差(RE)为11.7%,预测效果良好,表明该模型可用于估算油松失叶程度,有助于对油松的受害情况做出综合分析,提高油松毛虫灾害监测的精度,克服了使用单一叶绿素指标或含水率指标的片面性和局限性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓丽	北京林业大学精准林业北京市重点实验室	83	1224	21.0	31.0
5	张连生		5	86	5.0	5.0
6	白雪琪	北京林业大学精准林业北京市重点实验室	6	45	4.0	6.0
10	张凝	北京林业大学精准林业北京市重点实验室	4	52	4.0	4.0
14	马云波		1	7	1.0	1.0